программное обеспечение

В статье представлен itBins — полностью автоматизированное программное обеспечение на базе Python, предназначенное для сверхбыстрого уточнения метагеномных бинов. Инструмент использует правиловой подход, опираясь на данные о содержании ГЦ-пар (%GC), покрытии и таксономии отдельных контигов. В ходе тестирования на наборах данных CAMI I (низкой, средней и высокой сложности) itBins продемонстрировал более высокие показатели F-меры по сравнению с такими инструментами, как MDMcleaner и Rosella, и показал результаты, сопоставимые с ручным уточнением через uBin. Скорость работы программы составляет в среднем 61 мс на один бин, что на три порядка быстрее существующих аналогов. При применении к 64 реальным метагеномам речных мезокосмов инструмент успешно сформировал 259 среднекачественных и 19 высококачественных MAG (метагеномно-собранных геномов), в то время как другие автоматизированные средства не смогли завершить работу даже за 5000 часов. Кроме того, itBins использует маркерные гены для оценки общего успеха биннинга, что позволяет исследователям определять экологическую релевантность полученных данных. Программное обеспечение совместимо с DASTool и доступно через Bioconda, GitHub и Codeberg.

В статье представлен новый программный инструмент geneslator — специализированный R-пакет, разработанный для решения проблем интерпретации данных высокопроизводительного секвенирования. Основная задача инструмента заключается в обеспечении точного преобразования между различными типами идентификаторов генов, такими как Gene symbols, Ensembl GeneIDs и Entrez GeneIDs, что критически важно для интеграции наборов данных. Разработчики внедрили функционал картирования ортологов и аннотации путей для восьми модельных организмов, включая человека (Homo sapiens), мышь (Mus musculus) и дрожжи (Saccharomyces cerevisiae). В отличие от существующих решений, geneslator минимизирует риски несоответствий и фрагментации рабочих процессов, обеспечивая целостность данных при кросс-видовом анализе. Инструмент позволяет автоматизировать сложные биоинформатические задачи, повышая воспроизводимость функциональных исследований. Пакет доступен в открытом доступе на платформе GitHub для использования в академических и клинических исследованиях.

Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA) выпустило обновленное руководство по кибербезопасности медицинских устройств, которое вводит значительно более строгие стандарты для производителей. Изменения, закрепленные в законодательстве Section 524B, обязывают компании внедрять механизмы защиты на протяжении всего жизненного цикла продукта, а не только на этапе разработки. Новые требования включают обязательную документацию всех программных компонентов, управление уязвимостями и поддержание процессов безопасной разработки ПО. Для многих существующих систем и программного обеспечения текущие стандарты окажутся недостаточными, что потребует от производителей значительного редизайна архитектуры. Данная инициатива направлена на минимизацию рисков взлома критически важного медицинского оборудования и обеспечение безопасности пациентов в условиях растущих киберугроз. Регулирование затрагивает как новые, так и эксплуатируемые устройства, устанавливая новые правила игры в индустрии медицинских технологий.

Представлен новый программный инструмент командной строки Baktfold, предназначенный для сверхчувствительной и независимой от таксономии аннотации белковых последовательностей. Методология основана на преобразовании белковых последовательностей в токены Foldseek 3Di с помощью языковой модели ProstT5, с последующим поиском по четырем комплементарным структурным базам данных через Foldseek. В ходе бенчмаркинга на более чем 300 000 видов прокариот Baktfold показал медианную скорость аннотации бактериальных геномов на уровне 87,8%, что значительно выше показателя Bakta (72,9%). Особую значимость представляет способность инструмента аннотировать оставшиеся гипотетические белки: для бактерий этот показатель составил 50,1%, а для архей — впечатляющие 68,0% (против 35,8% у Prokka). Инструмент полностью совместим с форматами GFF3 и JSON, что обеспечивает бесшовную интеграцию с Bakta и автоматизацию последующего анализа. Разработка реализована на Python 3 и доступна по лицензии MIT для систем MacOS и Linux.

В статье представлен BrightEyes-FFS — новое программное обеспечение на языке Python, предназначенное для анализа данных флуоресцентной флуктуационной спектроскопии (FFS). Данная методика используется для количественного измерения молекулярной динамики и взаимодействий, а использование матричных детекторов малого формата позволяет получать детализированную пространственно-временную информацию. Разработанная платформа решает проблему отсутствия открытого ПО для обработки многомерных наборов данных FFS. Функционал включает пакет для чтения сырых данных, вычисления авто- и кросс-корреляций с использованием различных алгоритмов и аппроксимацию корреляций по нескольким моделям. Для удобства пользователей реализован графический интерфейс (GUI) в виде исполняемого файла и инструмент автоматической генерации Jupyter Notebook для перехода к кастомному анализу. Инструмент может быть полезен в биофизических исследованиях диффузии, потоков и динамики взаимодействий на молекулярном уровне.

Компания QT Imaging представила обновление ПО версии 4.5.0, использующее оптимизированную деконволюцию и слияние данных скорости звука с отраженными сигналами для улучшения качества изображений. Новые алгоритмы позволяют более точно характеризовать ткани и анализировать анатомические особенности, такие как малый размер груди или наличие имплантатов.

Исследование представляет REBEL (Reproducible Environment Builder for Explicit Library Resolution) — новый фреймворк, разработанный для решения критических проблем воспроизводимости в биоинформатике. Авторы указывают на недостатки стандартных менеджеров пакетов, таких как зависимость от живых репозиториев и неспособность фиксировать транзитивные зависимости, что ведет к дрейфу версий. REBEL использует три эвристики: глубокое инспектирование исходного кода, нечеткое сопоставление с курируемой базой знаний и консервативную блокировку зависимостей. В ходе тестирования 1000 пакетов CRAN в изолированных Docker-контейнерах REBEL успешно разрешил 149 из 328 стандартных ошибок установки, что составляет 45,4% успеха по сравнению с традиционными методами. Система позволяет создавать полностью автономные локальные хранилища для офлайн-сборок и автоматически генерирует Docker-образы из текстовых файлов требований. Это делает процесс создания детерминированных вычислительных сред доступным для исследователей без глубоких навыков контейнеризации, обеспечивая соответствие принципам FAIR.