В исследовании представлен grapHiC — инновационный метод на базе машинного обучения, предназначенный для фазирования гаплотипов при сборке генома de novo без использования родительских данных. Авторы переформулировали задачу фазирования как проблему кластеризации узлов с перекрывающимися кластерами на аугментированных графах унитигов, где узлы представляют фрагменты ДНК, а ребра кодируют перекрытия последовательностей или данные Hi-C близости. В основе метода лежит архитектура Graph Transformer и фреймворк контрастивного обучения с кастомной целевой функцией. grapHiC является первым подходом, способным проводить фазирование необработанных графов унитигов напрямую без предварительного упрощения и без привязки к референсному геному. Эксперименты на масштабе человеческого генома показали, что при интеграции с ассемблером DipGNNome метод обеспечивает непрерывность и качество фазирования, сопоставимое с современными передовыми технологиями (state-of-the-art). Данная разработка значительно упрощает процесс высококачественной сборки сложных геномов, автоматизируя разделение отцовских, материнских и гомозиготных участков.