генетика

Автономная некоммерческая организация высшего образования «Центральный университет», созданная в 2023 году по инициативе Т-Банка при поддержке 60 компаний-партнеров, запустила новую магистерскую программу «ИИ в биотехе». Программа реализуется совместно с Инженерной школой и факультетом биоинженерии и биоинформатики МГУ им. М.В. Ломоносова, выступающим академическим партнёром. Обучение нацелено на подготовку специалистов по применению искусственного интеллекта и машинного обучения для анализа генетических данных, исследования структуры белков и разработки лекарственных препаратов. В реализации программы участвуют российские биотехнологические компании Biocad и Genotek, которые предоставят студентам возможность работать над реальными проектами и проходить стажировки. Данная инициатива направлена на восполнение кадрового дефицита в области применения ИИ в биотехнологиях и фармацевтике, что косвенно влияет на развитие медицинской отрасли через подготовку квалифицированных специалистов для разработки новых лекарств и генетических исследований.

Исследование посвящено разработке нового биоинформатического инструмента CHARLIE (Comprehensive High-throughput Analysis of Repeat Length, Interruptions and Expansions), предназначенного для точного анализа расширенных тандемных повторов. Авторы решают критическую проблему идентификации прерываний (interruptions) внутри повторов, которые являются ключевыми модификаторами тяжести таких заболеваний, как болезнь Гентингтона и миотоническая дистрофия 1 типа. В ходе работы сравнивались методы секвенирования на платформах Illumina MiSeq и PacBio SMRT, что позволило выявить уникальные профили ошибок для каждой технологии. Было доказано, что использование подготовки библиотек без ПЦР (PCR-free) для SMRT-секвенирования значительно повышает точность определения последовательностей. Метод CHARLIE позволяет эффективно отличать реальные биологические прерывания, влияющие на клиническую картину заболевания, от технических ошибок секвенирования. Это имеет важное значение для понимания соматического мозаицизма и наследственной вариативности при тандемных повторах.

В данном исследовании представлен комплексный вычислительный анализ транскриптомных профилей пациентов с болезнями Альцгеймера, Паркинсона и Гентингтона для выявления общих патофизиологических механизмов. Авторы идентифицировали 274 общих дифференциально экспрессируемых гена и три ключевых обогащенных пути, которые активированы при всех трех заболеваниях. Среди них выделены пути, связанные с воспалительной сигнализацией через транскрипционный фактор NF-kappaB, и путь регуляции транскрипции BCL2L11 с помощью RUNX3. В качестве наиболее перспективных мишеней для терапии были определены пять генов: NFKBIA, NFKB1, RELA, TRIM4 и SMAD4, демонстрирующих значительную ап-регуляцию. На основе анализа было предложено репозиционирование уже одобренных FDA препаратов, включая антигиперлипидемические, антигипертензивные, антидиабетические и другие средства, для лечения этих нейродегенеративных состояний. Исследование подчеркивает потенциал использования биоинформатики для ускорения разработки терапии через использование существующих лекарственных средств.

Парламент Японии принял новый законодательный акт, направленный на жесткое регулирование технологий редактирования генома человека. Согласно принятому закону, использование генетически модифицированных эмбрионов для рождения детей с заранее заданными характеристиками (внешность, интеллект или иные биологические параметры) становится строго запрещенным. Важной особенностью документа является введение уголовной ответственности за имплантацию таких эмбрионов как людям, так и животным, что делает японское законодательство одним из самых строгих в мире в данной области. Данная мера направлена на предотвращение неэтичного использования технологий CRISPR и других методов генной инженерии в репродуктивных целях. Регулирование призвано защитить генетическое разнообразие и установить четкие границы между терапевтическим использованием технологий и евгеническими практиками. Это решение имеет критическое значение для глобального сообщества биоэтиков и разработчиков медицинских технологий.

Исследование посвящено критическому анализу точности современных предикторов патогенности миссенс-вариантов (таких как AlphaMissense), которые часто ошибочно интерпретируют онкогенные мутации. Авторы протестировали 49 инструментов на базе 768 генов из Cancer Gene Census, используя данные из CIViC, COSMIC и ClinVar. Результаты показали, что 86% инструментов (42 из 49) систематически занижают значимость вариантов gain-of-function (GOF) по сравнению с опухолевыми супрессорами. Это связано с тем, что драйверные мутации часто локализуются в зонах с низкой консервативностью и высокой доступностью растворителю, что не учитывается текущими моделями. В работе предложен метод OncoCal — ансамбль моделей, который повышает показатель AUROC с 0.87 до 0.93 и успешно идентифицирует такие драйверы, как JAK2 V617F. Исследователи предоставляют открытую карту калибровки для каждого гена, что позволяет адаптировать существующие ИИ-инструменты для точной клинической интерпретации соматических мутаций в онкологии.

В данной научной работе представлен переработанный фреймворк логистической регрессии, специально оптимизированный для классификации и отбора признаков в условиях высокой размерности биомедицинских данных. Основная проблема, решаемая авторами, заключается в ограничении классической логистической регрессии, когда количество генетических признаков многократно превышает количество доступных образцов. Методология была протестирована на трех различных биомедицинских наборах данных, охватывающих сценарии с десятками тысяч атрибутов при существенно малом объеме выборки. Результаты исследования показали способность модели обеспечивать четкое разделение между контрольными группами и группами пациентов с заболеваниями, одновременно выделяя компактный набор наиболее значимых генов. Важным достижением является то, что часть выбранных признаков совпала с уже известными биомаркерами заболеваний, что подтверждает биологическую достоверность модели, а другие признаки указывают на потенциально новые мишени для дальнейших исследований. Данный подход предлагает интерпретируемую и вычислительно эффективную альтернативу существующим методам в области вычислительной биологии.

В данном исследовании проведен комплексный биоинформатический анализ гена-супрессора опухолей PALB2, играющего ключевую роль в репарации ДНК через гомологичную рекомбинацию. Используя базы данных TCGA и платформы GEPIA2 и cBioPortal, авторы установили, что экспрессия PALB2 значительно повышена в тканях опухолей молочной железы по сравнению со здоровыми тканями. Анализ белок-белковых взаимодействий (PPI) через STRING подтвердил тесную связь PALB2 с критически важными белками репарации, такими как BRCA1, BRCA2, RAD51 и FANCD2. Несмотря на биологическую значимость, статистический анализ выживаемости (Kaplan-Meier) не показал прямой связи экспрессии PALB2 с общей выживаемостью (HR = 0.88, p = 0.44) или безрецидивной выживаемостью (HR = 0.74, p = 0.11). Мутационный профилирование выявило широкий спектр геномных изменений, включая миссенс-мутации, усекающие мутации и изменения числа копий генов. Работа подчеркивает важность PALB2 в молекулярных путях рака, но указывает на необходимость интеграции других клинических параметров для использования его в качестве самостоятельного прогностического маркера.

Компания Tempus AI, Inc. официально объявила о масштабном национальном запуске своего решения OneOme, специализирующегося на фармакогеномном тестировании (PGx). Данный продукт направлен на интеграцию передовых генетических данных в клиническую практику для обеспечения персонализированного подхода к подбору лекарственной терапии. Использование ИИ-технологий компании позволяет анализировать генетические вариации пациентов, что критически важно для минимизации побочных эффектов и повышения эффективности лечения. Внедрение OneOme способствует развитию прецизионной медицины, позволяя врачам принимать более обоснованные решения на основе генетического профиля. Проект нацелен на повышение общей безопасности пациентов за счет предотвращения нежелательных лекарственных реакций. Это решение представляет собой важный шаг в коммерциализации ИИ-инструментов для точной диагностики и персонализированного подбора терапии в масштабах всей страны.

В статье представлен CSOA (Cell Set Overlap Analysis) — инновационный метод анализа обогащения наборов генов (GSEA) для данных секвенирования единичных клеток. Основная проблема существующих подходов заключается в генерации неоднозначных оценок, которые не позволяют четко отличить клетки с биологическим сигналом от фонового шума. Авторы предложили использовать взаимосвязи генных пар, количественно оценивая парные перекрытия между наборами высокоэкспрессируемых клеток, построенными для каждого сигнального гена. В ходе исследования CSOA был протестирован против 16 существующих методов, представляющих пять методологических классов, включая прямое и ранговое скорирование, а также анализ избыточности. Использование новых метрик, таких как покрытие оценки (score coverage) и выравнивание силуэта ранга (silhouette rank alignment), подтвердило превосходство CSOA в точности аннотации типов клеток и биологических процессов. Метод показал лучшие результаты в определении границ классов во всех протестированных наборах данных и превзошел большинство конкурентов по вычислительной эффективности. CSOA является высокоэффективным инструментом для точного выявления клеток, обогащенных специфическими биологическими сигналами.

В исследовании проведен мета-анализ 16 наборов данных bulk RNA-seq (646 образцов: 314 пациентов с болезнью Паркинсона и 332 контрольных образца) для изучения влияния возраста на транскрипционные изменения при данном заболевании. Ученые выявили существенные различия в генетических профилях между группами пациентов моложе 60 лет и старше 60 лет. У лиц младше 60 лет обнаружено 31 дифференциально экспрессируемый ген (DEG), включая lncRNA LINC02188 и регуляторы цитоскелета (TIAM2, KCTD8), что указывает на раннюю реорганизацию аксонов и структурные изменения нейритов. В группе старше 60 лет выявлено 181 DEG, связанных с нейрональными маркерами (NPAS4, PVALB) и иммунно-метаболическими путями (FGA, NPC1L1), что свидетельствует о широкой дисрегуляции протеостаза и цитокинового сигналинга. Исследование подчеркивает, что классические изменения при болезни Паркинсона в большей степени обусловлены возрастом, в то время как ранние формы заболевания вовлекают уникальные модули lncRNA, кальциевой и липидной регуляции. Полученные данные выделяют новые потенциальные биомаркеры, такие как LINC02188 и TLCD3B, для ранней диагностики болезни Паркинсона.

В исследовании проанализировано 3 370 образцов нормальных тканей человека эктодермального, энтодермального и мезодермального происхождения для выявления вариаций метилирования ДНК (MeVars). Ученые обнаружили 12 587 регионов (в среднем по 585 п.н.), демонстрирующих значительные различия в уровнях метилирования, которые затрагивают 8 037 генов, обогащенных маркерами неврологических расстройств и онкологических заболеваний. Установлено, что большинство этих соматических вариаций являются тканеспецифичными и снижаются при in vitro репрограммировании в iPSCs или in vivo в процессе сперматогенеза. Анализ префронтальной коры выявил более высокую частоту MeVars в контрольной группе по сравнению с пациентами с шизофренией, что коррелирует с измененными уровнями транскрипции генов. Исследование также показало связь MeVars с модификациями гистонов (H3K27me3, H3K9me3, H3K4me1) и сайтами связывания белков EZH2, SUZ12 и REST. Данная работа вносит вклад в понимание эпигенетического разнообразия и механизмов предрасположенности к заболеваниям через постзиготическое происхождение вариаций.

Исследование представляет новый интерпретируемый ансамблевый фреймворк на базе машинного обучения, предназначенный для прогнозирования жидкостно-жидкостного фазового разделения (LLPS) белков. В отличие от традиционных методов, опирающихся на структурную стабильность, данная модель использует эмбеддинги языковых моделей белков (protein language models) и предсказанные структуры для анализа внутренне неупорядоченных регионов (IDR). Разработанный двухэтапный классификатор эффективно разделяет белки на саморазделяющиеся и зависящие от партнеров, демонстрируя превосходство над существующими методами на независимых бенчмарках, особенно в категории партнерно-зависимых белков. Авторы применили модель к базам данных болезнетворных вариантов, обнаружив, что патогенные мутации значительно обогащены в регионах, ответственных за фазовое разделение. Результаты показывают, что такие мутации часто нарушают показатели склонности к LLPS, что указывает на нарушение регуляции фазового разделения как на ключевой механизм развития множества заболеваний. Данный инструмент позволяет не только точно идентифицировать фазоразделяющие белки, но и количественно оценивать влияние конкретных мутаций на биофизические свойства протеома.

В исследовании представлен SST-MAE — инновационный фреймворк на основе самообучения (self-supervised learning), предназначенный для анализа гиперспектральных данных развития растений. Основная проблема текущих методов заключается в необходимости дорогостоящей аннотации признаков и игнорировании временной динамики роста. Авторы предложили архитектуру Masked Autoencoder (MAE), которая обучается восстанавливать скрытую информацию из траекторий развития, не требуя фенотипических меток. Модель была протестирована на 194 генотипах салата, собранных в полевых условиях в восьми временных точках. Результаты показали высокую эффективность: показатель AUROC превысил 0,89 для SNP, отвечающих за пигментацию антоцианами, и составил 0,77 для признака зазубренности листьев. Важным преимуществом является высокая эффективность использования данных: модель достигает показателей, близких к полному набору размеченных данных, используя всего 30-50% аннотаций. Данная технология открывает путь к масштабируемому высокопроизводительному генетическому скринингу на основе изображений.

Исследование посвящено изучению молекулярных механизмов того, как старение и биологический пол взаимодействуют в контексте сердечно-сосудистых заболеваний (ССЗ). Авторы провели комплексный мультиомиксный анализ данных 981 донора и 17 типов тканей, интегрируя профили экспрессии генов с регуляторной, генетической и сетевой информацией для 1176 кандидатных генов ССЗ. В ходе двухэтапного анализа было выявлено 4404 гена с выраженной возрастной динамикой экспрессии, из которых 2718 генов демонстрировали специфические тренды для мужчин, а 202 — для женщин. Были выделены 35 высоконадежных половых диморфных генов, включая REN, APOE и GUCY1A2. Интеграция с базой Open Targets позволила идентифицировать 289 генов, связанных с одобренными препаратами, и 48 из 50 лучших биомаркеров, подтвержденных данными GWAS-eQTL. Итогом работы стал список из 19 потенциально применимых биомаркеров, при этом гены GUCY1A2 и PDE5A были выделены как ключевые кандидаты для стратифицированной по полу персонализированной медицины через ось сигнализации оксида азота-цГМФ. Данная работа создает основу для разработки таргетной терапии ССЗ с учетом половой специфики пациента.

Исследовательская группа Yang et al. представила CrossDNA — инновационную и параметрически эффективную языковую модель, предназначенную для моделирования двуцепочечной структуры ДНК. В отличие от традиционных подходов, CrossDNA учитывает динамику взаимодействия между цепями ДНК, что позволяет более точно интерпретировать биологические функции последовательностей. Модель демонстрирует высокие показатели в стандартных бенчмарках, превосходя существующие аналоги в задачах понимания контекста генома. Ключевое практическое применение разработки заключается в интерпретации регуляторных областей генома и приоритизации не кодирующих вариантов (non-coding variants), что критически важно для генетической диагностики. Использование CrossDNA позволяет значительно повысить точность предсказания функциональных последствий мутаций, которые ранее было сложно классифицировать. Данная технология открывает новые возможности для персонализированной медицины и глубокого анализа геномных данных.

Компания Sophia Genetics и ведущий онкологический центр Memorial Sloan Kettering (MSK) объявили о стратегическом партнерстве с целью создания глобального центра прецизионной медицины. Проект предполагает объединение обширных клинических данных MSK с передовой платформой искусственного интеллекта от Sophia Genetics для разработки персонализированных стратегий лечения рака. Основная методология заключается в использовании алгоритмов машинного обучения для анализа генетических данных и клинической истории пациентов, что позволит точнее подбирать терапию. Ожидается, что этот хаб станет ключевым инструментом в области онкологии, предоставляя врачам по всему миру доступ к высокоточным аналитическим решениям. Реализация сотрудничества направлена на сокращение времени постановки диагноза и оптимизацию выбора таргетных препаратов на основе ИИ-анализа. Данная инициатива имеет критическое значение для развития персонализированной онкологии и улучшения выживаемости пациентов за счет интеграции больших данных и ИИ.

В статье представлен inquiSTR — новый специализированный программный инструментарий командной строки, предназначенный для высокоскоростного генотипирования длины тандемных повторов по всему геному. Тандемные повторы являются высокоизменяемыми элементами генома, которые играют ключевую роль в развитии различных человеческих заболеваний и формировании признаков. Разработчики внедрили в inquiSTR алгоритмы потоковой обработки с низким потреблением памяти и эффективную параллелизацию, что позволило достичь рекордной скорости: обработка каталога из 1,78 миллиона локусов занимает менее двух минут. Бенчмаркинг подтвердил высокую точность метода и значительное превосходство в производительности над существующими аналогами и эталонными наборами данных (truth sets). Помимо генотипирования, инструмент включает функционал для последующего биоинформатического анализа, включая определение популяционной структуры, проведение тестов на ассоциацию и поиск генетических аутлайеров. Данная разработка имеет высокую значимость для популяционной генетики и персонализированной медицины, ускоряя анализ данных полногеномного секвенирования длинными прочтениями.

Разработано специализированное решение T21 Research Assistant — система с использованием архитектуры RAG (генерация с дополнением извлечением), оптимизированная для работы с научной литературой по синдрому Дауна. В отличие от стандартных языковых моделей, данный инструмент использует метод 'section-aware RAG', который приоритизирует разделы 'Результаты' (Results) в научных статьях, чтобы минимизировать влияние фоновой информации и опираться исключительно на первичные экспериментальные данные. Система обучена на базе из 1 789 статей из PubMed Central, включая 327 исследований, финансируемых инициативой NIH INCLUDE. Технологический стек базируется на моделях NVIDIA Nemotron и включает многоступенчатый конвейер валидации запросов, переранжирования и верификации цитат. В ходе тестирования на экспертных вопросах система показала высокую точность, достигнув показателя BERTScore F1 на уровне 0,712 и полноты (recall) 0,758, что сопоставимо с ведущими проприетарными моделями. Инструмент представляет высокую ценность для биомедицинских исследователей, позволяя эффективно обрабатывать огромный массив данных (более 34 000 публикаций) с высокой степенью доказательности.

В данной научной работе исследуется критическая проблема методов коррекции батч-эффектов (batch correction), которые широко применяются для интеграции биологических наборов данных при изучении здоровья и заболеваний. Авторы указывают на серьезный недостаток популярных методов на основе эмбеддингов (embedding-based approaches): они могут существенно искажать взаимосвязи между признаками, в частности, корреляционные структуры между генами. Это искажение создает риск получения ложных биологических выводов при проведении последующего анализа данных. В рамках исследования была разработана и представлена новая метрика, позволяющая количественно оценить степень деформации генных корреляций, вызванную алгоритмами коррекции. Работа имеет высокую значимость для биоинформатиков и исследователей, использующих ИИ и машинное обучение для анализа транскриптомных данных, так как позволяет более точно оценивать достоверность интегрированных датасетов. Понимание этих механизмов необходимо для разработки более надежных инструментов препроцессинга данных в вычислительной биологии.