машинное обучение

В исследовании представлен инновационный метод реконструкции генных регуляторных сетей (GRN) на основе данных секвенирования РНК единичных клеток (scRNA-seq). Авторы разработали архитектуру двухканальной графовой нейронной сети (GCN) с общим весом, которая позволяет эффективно объединять априорные знания о регуляции с паттернами коэкспрессии генов, устраняя ограничения существующих методов. Предложенный вычислительный фреймворк интегрирует профили дифференциальной экспрессии генов и изменения регуляции для точного определения ключевых регуляторов, определяющих различные состояния клеток. Экспериментальные тесты подтвердили, что новый алгоритм значительно превосходит современные аналоги (state-of-the-art) по точности предсказания и демонстрирует высокую устойчивость к шуму и пропущенным данным. Применение метода на двух наборах данных scRNA-seq показало его эффективность в выявлении ключевых регуляторов, ответственных за метастазирование опухолей и развитие лекарственной устойчивости. Данная разработка открывает новые возможности для понимания молекулярных механизмов патологических процессов на клеточном уровне.

В исследовании представлен новый метод оптимизации работы с белковыми языковыми моделями (PLM), которые генерируют объемные многослойные эмбеддинги, создающие высокую нагрузку на системы хранения и вычисления. Авторы предлагают использовать компактное суррогатное представление, основанное на проекциях PCA низкой размерности и кубических полиномиальных траекториях для описания изменений эмбеддингов между слоями трансформера. Данный подход позволяет восстанавливать эмбеддинги любого слоя «на лету» без необходимости повторного запуска ресурсоемкой модели. Эффективность метода была протестирована на моделях ESM-35M и ESM-3B в задачах предсказания белок-белковых взаимодействий и субклеточной локализации. Результаты показывают высокую точность реконструкции при значительном снижении требований к памяти и вычислительным мощностям. Важно, что использование сжатых данных не приводит к потере качества в прикладных задачах, что делает метод масштабируемым решением для биоинформатики и разработки новых лекарств.

В статье представлено инновационное решение HNSW-MS, предназначенное для ускорения поиска сходства масс-спектров в метаболомике, что критически важно для аннотации молекул и построения молекулярных сетей. Авторы внедряют алгоритм иерархического навигационного графа малых миров (Hierarchical Navigable Small World) непосредственно для работы с сырыми данными GC-MS и LC-MS/MS без необходимости предварительной обработки или создания эмбеддингов. Это обеспечивает максимальную воспроизводимость результатов при работе с огромными базами данных, такими как GNPS, объем которых превышает один миллиард спектров. В ходе валидации на наборе из 8,4 миллионов MS/MS спектров метод HNSW-MS продемонстрировал ускорение поиска до 560 раз по сравнению с традиционным линейным сканированием. При этом система сохраняет высокую точность, удерживая показатель top-1 recall на уровне выше 90%, а при определенных настройках параметров достигает идеальной полноты поиска. Данная технология устраняет «узкое место» в анализе метаболомных данных, позволяя проводить запросы к общедоступным репозиториям практически в реальном времени.

В исследовании представлен VitaGRN — новый мультимодальный биофизический фреймворк, предназначенный для моделирования генных регуляторных сетей (GRN) через призму физических механизмов, а не просто статистической коэкспрессии. В отличие от существующих методов, VitaGRN использует структурно выровненные белковые эмбеддинги, что позволяет учитывать неканнонические регуляторы, не обладающие классическими мотивами связывания с ДНК. Модель демонстрирует способность к zero-shot прогнозированию ответов на пертурбации, обеспечивая высокую обобщающую способность на ранее не встречавшихся факторах, типах клеток и этапах развития. В результате работы был создан виртуальный атлас пертурбаций с калиброванной уверенностью, охватывающий более 1000 факторов. Данный инструмент позволяет трансформировать статические корреляционные графы в динамические и прозрачные модели, что критически важно для приоритизации кандидатов перед проведением дорогостоящих экспериментов в «мокрой» лаборатории. Применение подобных ИИ-моделей в системной биологии открывает новые пути для персонализированной медицины и разработки таргетной терапии.

Исследование посвящено оценке биологической надежности 24 различных эпигенетических часов (маркеров старения на основе метилирования ДНК) при кратковременном физиологическом воздействии — ночном голодании и последующем приеме пищи. Авторы проанализировали классические часы (Horvath, Hannum), системы системного старения (SystemsAge), часы, обученные на показателях смертности (GrimAge, OMICmAge), и часы темпа старения (DunedinPACE) на трех наборах данных, включая когорту из 2895 человек. Результаты показали, что голодание вызывает сдвиг оценок возраста на 0,5–3 года в часах, чувствительных к состоянию иммунных клеток, в то время как mortality-trained часы (GrimAge) и DunedinPACE не показали значимого острого эффекта. Ключевым выводом стало то, что корректировка состава иммунных клеток практически полностью нивелирует эффект голодания (например, для SystemsAge Blood — 99,7% затухания эффекта). Исследование демонстрирует, что чувствительность часов к физиологическим изменениям во многом зависит от их архитектуры и доли иммунной составляющей, что критически важно для понимания их трансляционного потенциала в клинических испытаниях.

В статье представлен Galaxy Learning and Modeling (GLEAM) — новый программный инструментарий, разработанный для упрощения использования машинного обучения (ML) в биомедицинских исследованиях. Проблема нехватки вычислительных компетенций у биологов решается через предоставление веб-ориентированных инструментов без необходимости написания кода (code-free). GLEAM позволяет работать с табличными, изображенными и мультимодальными наборами данных, стандартизируя процессы разбиения данных, выбора моделей, обучения и оценки результатов. Программный комплекс базируется на вычислительном рабочем месте Galaxy, что обеспечивает масштабируемость и воспроизводимость анализов. Валидация инструментария проводилась на трех критических задачах: прогнозировании ответа пациентов на иммунотерапию, классификации поражений кожи и предсказании рецидивов рака. Результаты тестирования подтвердили высокую точность создаваемых моделей и значительное повышение прозрачности и строгости исследовательских процессов в биомедицине.

Исследователи представили BacteReason — специализированную большую языковую модель (LLM), предназначенную для прогнозирования чувствительности бактерий к антибиотикам с предоставлением механистического обоснования. В отличие от традиционных методов машинного обучения, которые часто работают как «черный ящик», BacteReason использует подход обучения с учителем, где проприетарная модель-наставник генерирует объяснения молекулярных механизмов резистентности. Для обеспечения научной точности модель интегрирована с биомедицинскими базами знаний через протокол TogoMCP, что позволяет привязывать каждый шаг рассуждения к конкретным доказательствам из графов знаний. В ходе тестирования на бенчмарках по экстраполяции модель показала относительное улучшение точности на 43% по сравнению с базовой ненастроенной LLM и на 38% по сравнению с моделью, прошедшей тонкую настройку без использования рациональных обоснований. Данная разработка имеет критическое значение для клинической практики, так как позволяет врачам не только получать прогноз эффективности препарата, но и понимать биологическую причину устойчивости патогена.

Исследование представляет TRACEY — обновленную биоинформатическую платформу, предназначенную для точной аннотации доменов белков SNARE, которые играют ключевую роль в процессах мембранного слияния, экзоцитоза и аутофагии. Авторы разработали нередундантную базу данных, включающую 18 915 курируемых белков SNARE, охватывающих 1 188 видов эукариот. В рамках обновления был создан консолидированный набор из 83 профилей скрытых марковских моделей (HMM), включая 43 модели для новых, ранее не определенных подгрупп, построенных с помощью итеративного метода смешанных моделей. Результаты тестирования показали, что как минимум 75% последовательностей в перекрывающихся группах получили более высокие оценки при использовании новых HMM по сравнению с устаревшими моделями, что подтверждает системное улучшение точности детекции доменов. Обновленный веб-интерфейс теперь поддерживает многопараметрические запросы, экспорт в формате FASTA и прямой сканирование пользовательских последовательностей. Инструмент представляет высокую ценность для фундаментальных молекулярных исследований и биоинформатического анализа клеточных процессов.

В исследовании представлен новый алгоритм DDI_single, предназначенный для решения критической задачи моделирования пространственного расположения доменов в многодоменных белках. В отличие от существующих методов, фокусирующихся на внутренней структуре отдельных доменов, DDI_single использует возможности языковой модели белка ESM-1b для извлечения признаков непосредственно из аминокислотной последовательности. Ключевым инновационным компонентом является модуль gated cross-attention, который позволяет точно предсказывать взаимодействия между парами остатков различных структурных доменов. Результаты тестирования показали, что алгоритм превосходит trRosettaX_single по точности предсказания относительных расстояний между доменами более чем на 20%. При сборке доменов с известной пространственной конформацией метод продемонстрировал точность 74,4% (TM-score > 0.5), а при работе с неизвестными конформациями — 73,9% (при условии корректного моделирования внутренних структур доменов). Данная разработка имеет высокую значимость для структурной биологии и рационального дизайна лекарственных препаратов, позволяя лучше понимать функции сложных белков.

В исследовании представлена CLASPP — инновационная унифицированная модель глубокого обучения, предназначенная для одновременного предсказания различных типов посттрансляционных модификаций (PTM) на основе первичной аминокислотной последовательности белка. Основная проблема существующих методов — фрагментация и дисбаланс данных между редкими и распространенными типами модификаций — решается с помощью стратегии контрастного обучения (contrastive learning) и метода недосэмплирования на основе обучения без учителя. Модель использует предобученную языковую модель белка для извлечения структурных и последовательных признаков, что позволяет ей эффективно работать с 12 основными типами PTM. Результаты тестирования подтверждают, что CLASPP превосходит существующие инструменты по точности предсказания во многих биологических организмах. В качестве проверки применимости модели авторы экспериментально подтвердили сайты убиквитинирования в малоизученной киназе DCLK3. Исследование также предлагает стандартизированный набор данных и иерархическую организацию данных, что значительно улучшает репрезентативность редких модификаций и открывает новые возможности для функциональной протеомики.

Исследование представляет scFAIR — новый консорциум, созданный для решения проблем доступности и воспроизводимости данных секвенирования РНК единичных клеток (scRNA-seq). Авторы разработали единую схему метаданных и систему кураторства, расширяющую возможности платформы CZ CELLxGENE Discover, что позволяет включать более богатый биологический контекст и структурировать описание вычислительных рабочих процессов. Центральным элементом проекта стал портал sc-fair.org, который на данный момент агрегирует 2 346 наборов данных из различных децентрализованных ресурсов с использованием семантического поиска на основе онтологий. Практическая значимость метода подтверждена кросс-видовой валидацией между атласами мозга человека и мыши (Allen Brain Atlases): использование стандартизированных аннотаций позволило переносить метки типов клеток между видами с точностью до 90% для нейрональных кластеров. Внедрение scFAIR обеспечивает фундамент для крупномасштабной интеграции данных и автоматизированного анализа в биомедицинских исследованиях.

В исследовании рассматривается проблема низкой воспроизводимости и сложности проектирования праймеров для метода петлевой изотермической амплификации (LAMP), который является ключевым для портативной диагностики. Авторы разработали и протестировали модели машинного обучения для прогнозирования успеха создания диагностических наборов, используя набор данных из 109 отобранных пар праймеров (включая как успешные, так и неудачные примеры). В ходе работы с помощью алгоритмов WEKA (деревья решений и байесовское обучение) были выявлены критические термодинамические характеристики компонентов F1c и B1c, определяющие эффективность теста. Модель NaiveBayes показала высокую эффективность, достигнув показателя истинно положительных результатов (TP) 0.90 (+/- 0.02) и F-меры 0.91 (+/- 0.01). Работа демонстрирует возможность создания практических прогностических моделей даже на небольших и несбалансированных выборках данных, включая отрицательные результаты исследований. Это имеет критическое значение для оптимизации процесса разработки диагностических систем 'в поле' и снижения затрат на лабораторные испытания.

В исследовании представлен инновационный метод построения пангеномов, основанный на использовании эмбеддингов белковых языковых моделей (Protein Language Models). В отличие от традиционных методов, опирающихся на выравнивание нуклеотидных или белковых последовательностей, данный подход позволяет выявлять отдаленные ортологи и семантические связи, выходящие за рамки простого сходства последовательностей. Методология включает поиск ближайших соседей с использованием GPU-ускорения, динамическую пакетную обработку и оптимизацию ONNX, что обеспечивает линейную масштабируемость при анализе миллионов белков. Сравнительный анализ с инструментом SCARAP показал, что новый метод формирует более специфичные кластеры. При тестировании на наборе данных CAFA5, содержащем экспериментально подтвержденные данные, предложенный подход значительно превзошел SCARAP по всем метрикам функциональной согласованности и когерентности. Практическая значимость подтверждена успешной характеристикой пангенома 1034 геномов Streptomyces. Разработчики предоставили открытый исходный код на GitHub для масштабирования биоинформатических исследований.

В исследовании представлен KDM — новый унифицированный фреймворк для регуляторной геномики, который решает проблему разрыва между интерпретируемыми, но жесткими матрицами весов позиций (PWM) и высокопроизводительными, но непрозрачными моделями машинного обучения. Авторы предложили представлять как мотивы, так и последовательности в виде распределений вероятностей над общим словарем k-меров с использованием преобразования Хеллингера. Это позволяет использовать единый коэффициент Бхаттачарьи для скоринга, сравнения мотивов и предсказания связывания. В рамках системы реализованы четыре инструмента: KDMMap для анализа позиционного обогащения, KDMMatch для поиска мотивов, KDMFind для их обнаружения методом матричной факторизации и KDM-LRLM для предсказания связывания. Тестирование на 1324 экспериментах ChIP-seq и 161 эксперименте eCLIP показало высокую точность: KDMMap совпадает с CentriMo в 84% случаев для транскрипционных факторов. Модель KDM-LRLM при предсказании связывания на 2475 экспериментах сравнялась или превзошла 8 моделей глубокого обучения и 3 k-мерных метода. Исследование подчеркивает, что доминирование глубокого обучения обусловлено масштабом данных, а не только архитектурой нейросетей.

Исследование посвящено решению критической проблемы воспроизводимости иммуногистохимического (ИГХ) анализа опухолевых тканей при сравнении результатов из разных лабораторий. Авторы протестировали технологию внутрислайдной калибровки, которая использует шкалу концентрации от 0 до 100% с применением первичных суррогатных и вторичных антител для создания стандартизированной кривой осаждения DAB. В ходе эксперимента проводился анализ реакций p53 в биоптатах глиобластомы (GB, IDH-wildtype), выполненный двумя независимыми патологоанатомическими отделениями с последующей цифровизацией при 40-кратном увеличении. Методология включала извлечение признаков интенсивности и текстуры с помощью пакета EBImage в R, а также применение алгоритмов снижения размерности UMAP и кластеризации DBSCAN. Результаты показали, что без калибровки наблюдались значительные различия в паттернах кластеризации интенсивности и текстуры между лабораториями. Однако применение внутрислайдной калибровки в сочетании с полиномиальной регрессией позволило гармонизировать данные примерно на 90%. Данная технология играет ключевую роль в вычислительной патологии, обеспечивая объективность диагностических оценок и поддержку принятия решений в нейроонкологии на основе данных.

В данной научной работе представлена инновационная скоринговая функция GMI-Score, предназначенная для высокоточного прогнозирования аффинности связывания в процессе рационального дизайна лекарств. Авторы разработали метод моделирования многоуровневых взаимодействий на основе графовых представлений, которые учитывают как парные, так и тройные атомные признаки для фиксации кооперативных пространственных паттернов. Использование стратегии слияния признаков (feature fusion) позволило повысить точность модели, сохранив при этом её вычислительную эффективность. В ходе масштабного тестирования на наборах данных PDBbind (версии 2013, 2016, 2020), CSAR-NRC-HiQ и PDBbind-Redocked, модель продемонстрировала превосходство над существующими SOTA-решениями, достигнув коэффициента корреляции Пирсона до 0,877. Исследование подтвердило высокую устойчивость и обобщающую способность алгоритма даже в условиях строгого контроля утечки данных и при реалистичных сценариях докинга. Данная разработка имеет критическое значение для ускорения разработки новых фармацевтических препаратов с помощью ИИ.

Исследователи представили GLOF (Gain and Loss Of Function) — первый масштабный и экспертно проверенный набор данных, предназначенный для обучения и тестирования моделей ИИ в задачах классификации функциональных эффектов миссенс-вариантов. Датасет включает 112 399 миссенс-вариантов, охватывающих 2 809 человеческих генов, которые были классифицированы как LOF (потеря функции), GOF (приобретение функции) или нейтральные. Классификацию проводили сертифицированные клинические генетики в соответствии с международными рекомендациями ACMG. Для формирования выборки использовались данные ClinVar, аннотированные на основе функциональных исследований, а нейтральные варианты были отобраны из gnomAD v3.1 с последующей валидацией по версии v4.1. Особую ценность представляет наличие 97 генов с двунаправленными механизмами (содержащих как LOF, так и GOF варианты), что позволяет моделям машинного обучения более точно различать типы патогенности. Данный ресурс критически важен для разработки предиктивных алгоритмов в геномике, способных предсказывать механизмы заболеваний и помогать в выборе стратегий таргетной терапии.

Компания Vega Health объявила о лицензировании передовых моделей искусственного интеллекта, разработанных Parkland Center for Clinical Innovation (PCCI), для расширения своих возможностей в области предиктивной аналитики. Основная цель партнерства заключается в помощи медицинским учреждениям в тестировании, тонкой настройке (fine-tuning) и развертывании алгоритмов машинного обучения для оценки рисков пациентов. Технологии PCCI демонстрируют высокую эффективность: с момента своего запуска в 2019 году данные модели помогли выявить почти 3 миллиона человек, находящихся в группе риска. Использование этих инструментов позволяет клиникам переходить от реактивной модели лечения к проактивной, своевременно вмешиваясь в клинические случаи. Данное решение значительно упрощает процесс внедрения ИИ в реальную медицинскую практику, обеспечивая масштабируемость и точность прогнозов.

Исследователи разработали инновационную платформу пространственного ИИ, предназначенную для выявления общих закономерностей в организации тканей при различных патологиях. Методология объединила четыре публичных набора данных пространственной транскриптомики, охватывающих заживление ран, периодонтит, плоскоклеточный рак полости рта и ткани сердца. С помощью использования рекуррентного моделирования, графового обучения и тензорного разложения авторам удалось идентифицировать шесть консервативных «размытых» состояний тканей. Ключевые результаты показали доминирование процессов ремоделирования внеклеточного матрикса, активации фибробластов и эндотелиальной сигнализации во всех исследуемых доменах. Анализ выявил значительное сходство между травмами и патологиями полости рта, в то время как сердечно-сосудистая ткань продемонстрировала более компактную и когерентную пространственную структуру. Исследование подтвердило статистическую значимость выявленных паттернов через тестирование перестановок, показав повышенную модульность графов и снижение пространственной энтропии. Данная работа открывает новые возможности для использования пространственного ИИ в изучении системных воспалительных и стромальных процессов, связывающих локальные травмы с общим состоянием здоровья организма.