В статье представлен новый вычислительный конвейер, использующий топологический анализ данных (TDA) для интеграции мультиомных данных и оценки значимости генов в развитии заболеваний. Авторы применяют метод гармонической персистентной гомологии (HPH), который позволяет учитывать сложные графовые взаимодействия в биологических системах, обеспечивая при этом интерпретируемость результатов и устойчивость к шуму в данных. Для снижения вычислительной нагрузки и объединения различных омик-слоев (метилирование и экспрессия генов) используется инструмент iNETgrate, что расширяет применимость HPH с уровня отдельных пациентов на молекулярные данные. Валидация метода проведена на известном наборе данных TCGA по раку молочной железы, где результаты конвейера сравнивались с установленными биомаркерами. Разработанный подход демонстрирует высокую эффективность в ранжировании генов по их релевантности заболеванию, предлагая надежный инструмент для биоинформатического анализа. Методология подчеркивает важность устойчивости к возмущениям входных данных, что критично для работы с зашумленными омик-данными. Полученные результаты открывают новые возможности для персонализированной медицины и поиска новых терапевтических мишеней.