эпигенетика

Исследование представляет HOMED (Hierarchically Optimized Methylation Deconvolution) — инновационный вычислительный фреймворк, предназначенный для решения проблемы клеточной гетерогенности в данных метилирования ДНК. Метод преодолевает ограничения существующих подходов, интегрируя иерархию клеточных линий и используя данные секвенирования РНК единичных клеток (scRNA-seq) для оптимизации сигнатур CpG-сайтов. В ходе тестирования на симулированных и реальных наборах данных (периферические мононуклеарные клетки крови, легкие и плацента) HOMED продемонстрировал превосходство над существующими методами, показав наиболее высокие коэффициенты корреляции Пирсона (PCC) и минимальные среднеквадратичные ошибки (RMSE). Благодаря использованию парных данных bulk RNA-seq/DNAm, алгоритм обеспечивает более высокую точность и разрешающую способность при анализе эпигенома. Разработка значительно повышает возможность обобщения результатов между различными типами тканей, что критически важно для проведения полногеномных исследований ассоциаций (EWAS). Данная технология открывает новые возможности для точной интерпретации эпигенетических профилей в биомедицинских исследованиях.

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 исследовании представлен MethylCurate — инновационный агентный ИИ-фреймворк, разработанный для автоматизации работы с наборами данных метилирования ДНК. Основная проблема текущих методов заключается в сложности извлечения данных из публичных репозиториев, таких как NCBI Gene Expression Omnibus, и необходимости ручной гармонизации разрозненных метаданных. MethylCurate решает эти задачи, используя возможности искусственного интеллекта для автоматического поиска, унификации форматов и сопоставления гетерогенных метаданных. Система позволяет масштабировать процесс оценки эпигенетических часов старения через интегрированный рабочий процесс, управляемый диалоговым интерфейсом. Внедрение данного инструмента значительно снижает потребность в ручном вмешательстве исследователей и устраняет узкие места при подготовке данных для биоинформатического анализа. Это открывает новые возможности для быстрого тестирования и валидации моделей биологического старения на широких массивах данных.

Исследование посвящено изучению возможности использования метилирования ДНК в слизистой оболочке щеки в качестве неинвазивной альтернативы анализу крови для оценки биологического старения. Ученые проанализировали профили метилирования 186 японских взрослых с использованием массива Illumina Infinium Methylation Screening Array (MSA). Применение двухэтапного метода остаточного обучения, интегрирующего существующие эпигенетические часы на основе крови, позволило достичь высокой точности прогнозирования хронологического возраста (R = 0,965) и фенотипического возраста (R = 0,964). В ходе работы было установлено, что данные слизистой щеки позволяют предсказывать широкий спектр клинических биомаркеров, включая воспалительные, метаболические, тиреоидные и гормональные показатели. Несмотря на то, что сайты CpG, используемые для прогнозирования, различались между полами и типами тканей, предсказуемые фенотипы в целом совпадали. Результаты подтверждают, что эпигенетический анализ слизистой щеки является перспективным инструментом для мониторинга системного физиологического состояния и биологического старения.

Исследователи представили scMultiPreDICT — новый вычислительный фреймворк, предназначенный для сравнительного моделирования экспрессии генов на основе данных мультиомики единичных клеток. Методология исследования включала бенчмаркинг RNA-only, ATAC-only и мультимодальных наборов признаков с использованием шести различных моделей машинного обучения, включая регрессию, древовидные модели и глубокое обучение. Результаты показали, что признаки, полученные из РНК, обеспечивают высокую прогностическую способность, в то время как доступность хроматина (ATAC) сама по себе дает лишь умеренные результаты. Важным открытием стало то, что мультимодальная интеграция не всегда повышает точность предсказания; её эффективность зависит от конкретного гена и клеточного контекста. Анализ значимости признаков подтвердил, что транскрипционные факторы доминируют для большинства генов, однако эпигенетическая доступность вносит существенный вклад в регуляцию определенного подмножества генов. Данный инструмент, реализованный на языке R, позволяет систематически оценивать вклад различных регуляторных уровней, что критически важно для планирования таргетных исследований и разработки терапевтических стратегий.

Представлен программный инструмент Rastair — интегрированный софт для одновременного обнаружения однонуклеотидных полиморфизмов (SNP) и оценки метилирования цитозина из данных секвенирования mC[->]T. В основе метода лежит машинное обучение для детекции вариантов в сочетании с оценкой метилирования, учитывающей генотип. Исследователи протестировали инструмент на бенчмарк-данных NA12878 и показали, что Rastair превосходит существующие вызователи метилирования-ориентированных SNP, достигая F1-оценки более 0.99 для данных с глубиной покрытия выше 30x, что сопоставимо с точностью state-of-the-art инструментов на данных полного геномного секвенирования. Ключевое преимущество — скорость: обработка файла 30x занимает менее 30 минут на 32 CPU-ядрах Intel Xeon, и вдвое быстрее при использовании GPU. Инструмент выявляет дополнительные 500 000 позиций в NA12878, где SNP трансформирует некодирующие позиции CpG в «de-novo» CpG, и наоборот — определяет варианты, нарушающие CpG, корректируя уровень метилирования. Rastair поддерживает стандартные форматы vcf, bam, bed и распространяется как open-source через conda, Dockerhub и как pre-compiled бинарники.