4 статей
В исследовании представлен фреймворк APFA для федеративного обучения в сетях интернета медицинских вещей (IoMT). Метод позволяет эффективно объединять данные с различных устройств, решая проблемы вычислительной асимметрии и статистической неоднородности при сохранении конфиденциальности.
В исследовании представлен новый байесовский фреймворк FABOr (Factor Analysis of Binary and Ordinal data), предназначенный для матричного разложения данных, которые не являются непрерывными. В отличие от традиционных методов, ориентированных на количественные показатели, FABOr эффективно работает с бинарными и порядковыми фенотипами, часто встречающимися в клинических скринингах и опросниках. Авторы разработали расширение метода для обработки данных с механизмом пропусков, не являющимся случайным (MNAR), что критически важно для медицинских исследований. Эксперименты на симулированных данных показали, что FABOr превосходит существующие бенчмарки при работе с порядковыми признаками. При применении алгоритма к реальному набору данных Simons Foundation SPARK, касающемуся расстройств аутистического спектра (ASD), точность импутации (восстановления данных) выросла на 5% для бинарных и на впечатляющие 23% для порядковых данных. Данная разработка имеет высокую практическую значимость для анализа сложных генетических и поведенческих профилей в психиатрии и неврологии.
Исследование посвящено решению критической проблемы клинической генетики — интерпретации миссенс-вариантов неопределенного значения (VUS). Авторы представляют новый количественный показатель — среднюю силу доказательств (mean evidence strength, MES), который позволяет оценивать вычислительные предикторы эффекта вариантов (VEP) и мультиплексные анализы (MAVE) в соответствии с руководствами ACMG/AMP. В ходе работы с использованием фреймворка acmgscaler было проведено калибрование 12 популяционных VEP для 367 генов заболеваний и проанализировано 15 наборов данных MAVE. Результаты показали, что традиционная метрика AUROC не всегда коррелирует с реальной клинической ценностью: MAVE продемонстрировали высокий средний показатель MES, несмотря на более низкий AUROC по сравнению с некоторыми VEP. В частности, предиктор CPT-1 показал наивысший MES и обеспечил наиболее значительный объем калиброванных доказательств для наибольшей доли VUS из базы ClinVar. Предложенный фреймворк MES предоставляет практический инструмент для оценки того, насколько эффективно ИИ-модели и экспериментальные данные могут использоваться для принятия клинических решений.
Исследователи представили Pipette — инновационную мультиагентную ИИ-платформу, предназначенную для автоматизации сложных биоинформатических рабочих процессов через взаимодействие на естественном языке. Ключевой особенностью системы является использование Skill Graph — направленного взвешенного графа знаний, извлеченного из более чем 20 000 рецензируемых научных публикаций. Этот граф накладывает биологические ограничения на генерацию кода, предотвращая ошибки, которые часто допускают стандартные LLM при создании многоэтапных пайплайнов. В ходе тестирования на четырех доменах, включая анализ single-cell RNA-seq и компьютерный дизайн лекарств, Pipette показал результаты, превосходящие базовые модели LLM без использования Skill Graph. Особое внимание уделено клиническому применению: система успешно выполнила классификацию вариантов генома в соответствии со стандартами ACMG/AMP. Внедрение Pipette значительно снижает порог вхождения для биологов, не обладающих глубокими навыками программирования, позволяя эффективно преобразовывать данные секвенирования в биологические инсайты.
