интеграция данных

В статье представлен метод ddkg.skill — агентский навык для больших языковых моделей (LLM), предназначенный для корректного запроса к сложным биомедицинским графам знаний, в частности к DDKG (Data Distillery Knowledge Graph) NIH. Несмотря на то что заголовок ссылается на алгоритм MOSAIC для обучения встраиваний узлов графа через спектральный анализ операторов диффузии, основной практический вклад работы заключается в интеграции LLM с биомедицинскими данными. Система использует контроллер, библиотеку специфичных для DDKG справочных материалов, структурированные таблицы и валидированные шаблоны запросов, чтобы направлять ИИ через процессы разрешения сущностей, проверки графа и построения запросов Cypher. Оценка проводилась на версии DDKG от декабря 2025 года: в тесте из семи случаев пять запросов к источникам, отсутствующим в примерах, были выполнены корректно. Разработанная система обеспечивает версионированный и переносимый способ передачи общих ИИ-системам практических знаний о сложных биомедицинских графах, что позволяет выполнять сложные задачи интеграции данных, такие как поиск пересечений геномных данных или связь фенотипов с клиническими базами, минимизируя ошибки в синтаксисе и семантике запросов.

В статье представлен метод RAMP (Rank-preserving Alignment of Multi-platform Proteomics) — новая неконтролируемая вычислительная рамка для выравнивания данных протеомики, полученных с различных платформ, таких как цитометрия, секвенирование и пространственная визуализация. В отличие от существующих методов, ориентированных на РНК, которые приоритизируют общие эмбеддинги, RAMP выравнивает общие белковые маркеры без необходимости предварительной аннотации типов клеток, используя специфические для образца якоря и монотонные преобразования. Ключевым преимуществом подхода является сохранение порядка экспрессии маркеров внутри образца, что предотвращает опасные ошибки интерпретации, такие как обратное изменение рангов экспрессии, которые могут привести к неверной идентификации клеточных популяций. Метод был протестирован на семи задачах интеграции, показав наилучший баланс между коррекцией батчей и сохранением типов клеток, а также улучшил качество входных данных для линейных моделей, k-NN и небольших нейросетей в задачах кросс-платформенной аннотации и предсказания отсутствующих маркеров. Практическая значимость RAMP продемонстрирована на нескольких клинических примерах: в костном мозге метод позволил импутировать пропавший канал CD19 в данных CODEX, восстановив пространственное распределение В-клеток; в меланоме перенос пространственной информации выявил связь пролиферирующих CD8 Т-клеток с выживаемостью; в раке легких предсказанные состояния HLA-ABC ассоциировались с худшим безрецидивным выживанием; в раке головы и шеи анализировались ниши фибробластов и макрофагов. Результаты подтверждают ценность гармонизированных входных данных для предиктивного обучения и обосновывают использование RAMP в качестве предварительной обработки для протеомических фундаментальных моделей.

В статье проводится критический анализ методов машинного обучения для предсказания антидиабетических пептидов (ADP), выявляя существенную проблему «разрыва между происхождением и функцией» (provenance-to-function gap). Авторы демонстрируют, что стандартные бенчмарки часто содержат утечку данных из-за случайного разбиения гомологичных последовательностей, что искусственно завышает точность моделей. При переоценке датасета Basith et al. с учетом гомологии (группировка пептидов по предшественникам) корреляция Мэтьюса (MCC) для моделей падала с 0.92-0.96 до 0.39-0.43 при идентичности последовательностей менее 50%, что указывает на сильную зависимость точности от сходства с обучающей выборкой, а не от реального понимания биологической функции. Исследование охватывает 16 других пептидных бенчмарков, показывая, что проблема утечки гомологии является распространенной: в 11 из 14 тестируемых наборов данные фрагментов одного семейства чаще имеют одинаковую метку, чем случайно. Для решения этой проблемы предложен новый базовый уровень ADP-Hybrid, основанный на ансамбле деревьев решений для каждого слоя классификации. Модель ADP-Hybrid достигла MCC 0.843 на первом слое при скорости вывода в 21-38 раз выше, чем у опубликованных ранее архитектур, и 0.801 на втором слое против 0.858 у конкурентов. Работа подчеркивает необходимость строгого контроля гомологии при оценке ИИ-моделей в биоинформатике и предоставляет открытый протокол и наборы данных для воспроизводимых исследований. Результаты имеют критическое значение для разработчиков алгоритмов предсказания биологических активных молекул, так как показывают, что многие заявленные достижения ИИ могут быть артефактом некорректного разделения данных.

Представлена обновленная версия платформы BiomiX 3.0, предназначенная для упрощения интеграции мультиомиксных данных неопытными пользователями. В новую версию включены четыре метода интеграции: Similarity Network Fusion (SNF), NEighborhood-based Multi-Omics clustering (NEMO), DIABLO и новый метод PRAMIGO, основанный на гетерогенных графовых трансформерах (HGT). Исследователи провели бенчмаркинг всех пяти методов (включая MOFA) на двух независимых наборах данных: когорта хронического лимфоцитарного лейкоза (CLL) и коорта туберкулеза легких (PTB). Результаты показали, что контролируемые методы (DIABLO, PRAMIGO) обеспечивают лучшую дискриминацию состояний, тогда как неконтролируемые (SNF, NEMO) выявляют альтернативные стратификации пациентов. Анализ выявил 154 общих биологических признака (116 генов, 38 метаболитов) и множество уникальных для каждого метода сигналов, что доказывает необходимость использования нескольких стратегий интеграции. PRAMIGO продемонстрировал уникальную способность моделировать кросс-модальные молекулярные взаимодействия, выявляя специфические пути, такие как регуляция ncRNA и разнообразие иммуноглобулинового репертуара. Платформа решает проблему сложности выбора методов и интерпретации результатов в мультиомиксных исследованиях.

В статье представлен программный прототип для безопасного локального хранения клинических и гистологических данных при ожирении с использованием LLM в режиме Chain-of-Thought для структурирования информации об окислительном стрессе. Исследование демонстрирует возможность интеграции разнородных биомедицинских параметров с помощью разговорного ИИ без передачи данных на внешние серверы, хотя автоматическая сегментация изображений пока не реализована.

В статье представлена платформа MAPS (Multi-modal Alignment, Processing and Synthesis) для пространственной биологии, которая решает давнюю проблему объединения разрозненных многомодальных данных в единую физическую и молекулярную координатную систему. Платформа состоит из трех компонентов: MAPS-alignment для сверхбыстрого выравнивания любых модальностей, MAPS-integration для интегрированной (с якорем и без) реконструкции 3D многомодальных данных, и MAPS-Explorer для интерактивного 3D-анализа в больших масштабах. MAPS превзошла существующие методы в обширных тестах на 34 наборах данных, охватывающих 16 технологических платформ и 6 модальностей, и позволила детально описать тонкую многомодальную тканевую архитектуру у мышей и человека. В рамках межконсорциумного масштаба MAPS интегрировала 434 среза, содержащих 21 миллион клеток из 18 атласов и 5 модальностей, создав наиболее полный 3D многомодальный атлас мозга мыши. На уровне отдельной лаборатории MAPS позволила стандартным 2D пространственным анализам реконструировать непрерывные 3D многомодальные ландшафты гепатоцеллюлярной карциномы человека, выявив ограничения 2D пространственных взаимосвязей и обнаружив зависимые от глубины переходы иммунных состояний. Платформа использует методы машинного обучения для интеграции данных, что делает ее значимым инструментом для биомедицинских исследований, особенно в онкологии и нейробиологии.

Согласно результатам опроса Американской медицинской ассоциации (AMA), врачи признают высокий потенциал носимых устройств для улучшения качества ухода за пациентами, однако текущая инфраструктура здравоохранения не готова к их полноценному внедрению. Основной проблемой является отсутствие эффективных механизмов интеграции потоковых данных с датчиков непосредственно в клиническую практику и электронные медицинские карты. Врачи выражают готовность использовать информацию о физической активности и жизненно важных показателях, но сталкиваются с проблемой избыточности данных и отсутствием стандартизированных протоколов их обработки. Исследование подчеркивает разрыв между технологическими возможностями потребительских гаджетов и способностью медицинских систем интерпретировать эти данные для принятия клинических решений. Для успешного внедрения требуется разработка новых рабочих процессов, которые позволят фильтровать значимую медицинскую информацию от информационного шума. В конечном итоге, без системной интеграции носимые устройства останутся лишь вспомогательным инструментом, не влияющим на стандарты лечения.

Статья анализирует критическую проблему современной операционной: разрыв между совершенством отдельных медицинских инструментов и отсутствием их системной интеграции. Несмотря на технологический прогресс, хирурги сталкиваются с растущей когнитивной нагрузкой, пытаясь самостоятельно сопоставлять разрозненные данные от различных устройств в режиме реального времени. Автор проводит параллель с авиацией, отмечая, что хирургии необходимо перейти от простого сбора данных к их интеллектуальной интерпретации. Особое внимание уделяется концепции «агентного ИИ» (Agentic AI), который может помочь трансформировать разрозненные сигналы в полезные клинические инсайты. Внедрение интегрированных интеллектуальных систем призвано снизить вариативность в хирургических вмешательствах, что напрямую влияет на безопасность пациентов и стандартизацию доказательной медицинской помощи. Основной тезис заключается в том, что следующая волна прогресса в хирургии будет определяться не качеством оборудования, а способностью систем работать как единый интеллектуальный организм.

В исследовании представлена TCMCard — инновационная цифровая платформа, разработанная для повышения точности сетевой фармакологии в контексте традиционной китайской медицины (ТКМ). В основе системы лежит фреймворк интеграции многомерных доказательств (MDEI), который объединяет экспериментальные данные из авторитетных химических баз, сведения из научной литературы и выводы на основе сходства структур. Методология включает глубокую предобработку: нормализацию химических структур, фильтрацию по видам и скоринг качества мишеней. Применение данного конвейера к стандартным наборам данных позволило устранить более 60% низкокачественного «шума», что значительно повышает достоверность анализа. Платформа предоставляет интерактивные инструменты визуализации и модульного анализа, позволяя выявлять функционально значимые сообщества и объяснять механизмы синергии в многокомпонентных формулах ТКМ. TCMCard переводит область сетевой фармакологии от простого агрегирования данных к доказательному курированию и анализу, ориентированному на качество.

Статья представляет онтологически-ориентированный фреймворк для интеграции медицинских данных (клинических, пациентских, геномных) в электронные медицинские карты. Framework обеспечивает семантическую интероперабельность и согласованность с медицинскими стандартами (HL7 FHIR, SNOMED CT, LOINC). Концептуально продвигает развитие систем здравоохранения для улучшения качества помощи.