ИИ в медицине

Исследование посвящено изучению направленности трансфера знаний между моделями естественного языка (LLM) и биологическими фундаментальными моделями (например, ESM-2, ProtBERT). Авторы проверяют гипотезу о симметричности переноса структурных закономерностей, сравнивая перенос из языка в биологию и наоборот. В ходе экспериментов было установлено, что перенос знаний является асимметричным: языковые модели демонстрируют высокую эффективность при переходе к задачам распознавания гомологии белков (off-domain drop всего 0.08), в то время как биологические модели показывают слабую способность к адаптации под задачи языка (drop 0.36). Исследование показало, что масштабирование моделей не устраняет этот разрыв, а лишь увеличивает его: при росте параметров перенос из языка в биологию усиливается, тогда как обратный процесс стремится к случайным результатам. Результаты работы раскрывают фундаментальную направленность обучения моделей и доказывают, что общие структурные регулярности последовательностей не гарантируют симметричного переноса представлений. Данное открытие критически важно для разработки будущих мультимодальных моделей в биомедицине.

В исследовании представлен первый систематический бенчмарк двенадцати различных стратегий квантового кодирования данных, реализованный на реальном 20-кубитном сверхпроводниковом квантовом процессоре (QPU) IQM Garnet. Целью работы является повышение точности прогнозирования ответа клеток на лекарственные препараты (параметр IC50) с использованием квантового машинного обучения. Методология включала использование 50 стратифицированных выборок из масштабного набора данных GDSC2 (содержащего более 242 000 пар «препарат-клеточная линия») и оптимизацию весов с помощью алгоритма COBYLA. Результаты показали, что кодирование, вдохновленное алгоритмом QAOA, продемонстрировало наилучший показатель среднеквадратичной ошибки (RMSE) на уровне 3.314, что статистически значимо (p < 0.05) превосходит шесть других методов. Исследование выявило, что структуры запутанности, эффективные с точки зрения аппаратного обеспечения (чередующиеся слои стоимости и смесителя), обеспечивают преимущество над чисто ротационными или диагональными кодированиями в условиях реального шума. Данная работа создает воспроизводимую базу для применения квантового машинного обучения в фармацевтике и персонализированной медицине.

В данном исследовании проводится критический анализ возможностей модели AlphaFold3 (AF3), которая перешла от предсказания одиночных белков к моделированию сложных биомолекулярных ансамблей на основе полноатомного фреймворка. Авторы оценивают эффективность AF3 в таких ключевых задачах, как предсказание структур убиквитинированных белков, распознавание комплексов TCR-эпитоп, взаимодействие антител с антигенами, а также белок-РНК и белок-липидные взаимодействия. Результаты показывают неоднородную производительность модели: в то время как в одних сценариях AF3 демонстрирует высокие результаты, в задачах предсказания РНК-мишеней уверенность модели (confidence) не позволяет эффективно отличить реальные партнеры взаимодействия от ложных (decoy). Исследование выявило серьезную проблему зависимости точности от наличия схожих комплексов в обучающей выборке, что ставит под сомнение обобщающую способность модели по сравнению с AlphaFold2. Сделан вывод, что AF3 является мощным инструментом для генерации гипотез, однако её предсказания и метрики уверенности требуют крайне осторожной интерпретации в зависимости от конкретной биологической области и перекрытия с обучающим набором данных.

Разработан комплексный программный инструментарий amR на языке R, предназначенный для прогнозирования антимикробной резистентности (AMR) на основе геномных данных. Пакет состоит из трех модулей: amRdata для автоматизированного сбора геномов и данных о чувствительности из базы BV-BRC, amRml для обучения интерпретируемых моделей машинного обучения и amRviz для интерактивной визуализации через Shiny-дашборды. Методология включает извлечение признаков на различных уровнях: от генных кластеров и доменов белков до структурных вариантов, используя эффективные форматы хранения Parquet и DuckDB. В ходе тестирования на патогене Shigella sonnei система показала высокую точность, достигнув медианного коэффициента корреляции Мэтьюса (MCC) 0,89 для 23 различных препаратов и классов антибиотиков. Инструментарий позволяет преодолеть проблему «черного ящика» в ИИ, предоставляя исследователям возможность интерпретировать механизмы резистентности и выявлять важные биомаркеры. Проект доступен в открытом доступе через GitHub под лицензией BSD-3-Clause.

В исследовании представлен вычислительный подход к выявлению транскрипционных факторов, управляющих переходами состояний микроглии при болезни Альцгеймера (БА). Используя анализ 236 002 ядер микроглии от 84 доноров из атласа SEA-AD, авторы применили методы траекторного анализа (PAGA) и построения генных регуляторных сетей (pySCENIC). Ключевым результатом стало выделение транскрипционного фактора IKZF1 как критического регулятора в поздних стадиях заболевания (LateAD-DAM), что подтверждено независимой репликацией на когорте GSE95587 (p = 0.004). С помощью анализа CellChat была определена сигнальная дорожка SLIT2[->]ROBO2 от нейронов к микроглии как ведущая. В рамках виртуального скрининга 1 962 одобренных лекарственных препаратов были выделены тафамидис и дифлунисал как потенциальные кандидаты для репозиционирования, однако их точность требует дальнейшей экспериментальной проверки. Работа демонстрирует мощный потенциал применения методов машинного обучения и биоинформатики для поиска новых терапевтических мишеней в нейродегенеративных процессах.

В исследовании представлен BayesTx (Bayesian Therapeutics target discovery) — инновационный фреймворк на основе байесовских сетей, предназначенный для преодоления разрыва между результатами исследований на клеточных линиях и реальной клинической практикой. Методология заключается в проекции транскриптомных данных пациентов и данных клеточных линий в единое биологическое пространство активности путей и транскрипционных факторов (TF). С помощью обучения доменно-специфичных причинно-следственных графов и агрегации ребер с использованием бутстреп-консенсусной фильтрации, система позволяет моделировать причинно-следственные связи. При тестировании на данных TCGA-BRCA (рак молочной железы) и DepMap, фреймворк успешно ранжировал 47 транскрипционных факторов по их прогнозируемому влиянию на жизнеспособность раковых клеток. Использование Do-симуляции позволило количественно оценить эффект каждого фактора, а полученные мишени получили независимое подтверждение через анализ выживаемости в сторонних когортах и фармакогеномные ассоциации. Данная разработка значительно повышает точность идентификации терапевтических мишеней, обеспечивая их клиническую релевантность.

Исследование представляет EcoXAI — инновационную модульную многоагентную систему, разработанную для преодоления сложностей при анализе гетерогенных биомедицинских данных и графов знаний. В отличие от традиционных монолитных LLM-интерфейсов, EcoXAI использует контейнеризированную архитектуру специализированных биоинформатических агентов, что минимизирует риск галлюцинаций и обеспечивает проверяемость каждого этапа анализа. Методология системы базируется на интеграции современных методов управления агентами (agentic management) и явном использовании графов знаний для обоснования выводов. В ходе практического применения системы для поиска новых мишеней при болезни Альцгеймера, EcoXAI проанализировала 103 потенциальных лекарственных препарата. В результате было выявлено 79 новых кандидатов, чьи прогнозные модели превзошли случайный базовый уровень. Одним из ключевых успехов стало обнаружение антагониста CCR5 — препарата Маравирок, гипотеза о применении которого была впоследствии подтверждена научной литературой. Данная разработка значительно ускоряет процесс формирования гипотез в трансляционных исследованиях, снижая вычислительный порог для клиницистов.

В исследовании представлен инновационный фреймворк 'proteome velocity', предназначенный для реконструкции непрерывных траекторий изменений протеома на основе перекрестных или разреженных данных протеомики. Авторы используют метод потокового сопоставления (flow matching), где нейронная сеть обучается вычислять поля скоростей в пространстве протеома, позволяя определить скорость и направление изменения концентрации белков при развитии заболеваний. В ходе экспериментов на моделях сепсиса у мышей модель успешно разрешила специфичные для тканей и патогенов траектории, выявив воспалительные белки с уникальными паттернами временной активации. При анализе плазменного протеома пациентов с COVID-19 полученные траектории позволили разделить пациентов на группы с различными программами скоростей, коррелирующими с тяжестью течения болезни. Данная методология позволяет трансформировать статические данные в интерпретируемые динамические модели молекулярного прогрессирования. Это открывает новые возможности для персонализированной медицины и ранней диагностики через понимание динамики биомаркеров.

Представлена инновационная платформа TOPAS, предназначенная для автоматизации анализа фосфопротеомных данных в рамках работы молекулярных онкологических консилиумов (MTB). В то время как стандартная геномика часто не выявляет клинически значимые мишени, TOPAS использует данные о фосфопротеоме для определения реального статуса активности белков. Платформа представляет собой сквозной конвейер (end-to-end pipeline), способный обрабатывать терабайты данных и преобразовывать их в персонализированные отчеты для врачей. В ходе разработки и тестирования система интегрировала данные 1 998 опухолевых образцов, что позволяет генерировать гипотезы как на уровне отдельного пациента, так и на уровне целых когорт. Веб-портал включает инструменты контроля качества, расчет специализированных баллов TOPAS, идентификацию опухолевых антигенов и контрольных точек иммунного ответа. Благодаря открытому исходному коду и масштабируемости, TOPAS значительно упрощает внедрение фосфопротеомики в практику прецизионной онкологии.

Исследование посвящено изучению молекулярных механизмов того, как старение и биологический пол взаимодействуют в контексте сердечно-сосудистых заболеваний (ССЗ). Авторы провели комплексный мультиомиксный анализ данных 981 донора и 17 типов тканей, интегрируя профили экспрессии генов с регуляторной, генетической и сетевой информацией для 1176 кандидатных генов ССЗ. В ходе двухэтапного анализа было выявлено 4404 гена с выраженной возрастной динамикой экспрессии, из которых 2718 генов демонстрировали специфические тренды для мужчин, а 202 — для женщин. Были выделены 35 высоконадежных половых диморфных генов, включая REN, APOE и GUCY1A2. Интеграция с базой Open Targets позволила идентифицировать 289 генов, связанных с одобренными препаратами, и 48 из 50 лучших биомаркеров, подтвержденных данными GWAS-eQTL. Итогом работы стал список из 19 потенциально применимых биомаркеров, при этом гены GUCY1A2 и PDE5A были выделены как ключевые кандидаты для стратифицированной по полу персонализированной медицины через ось сигнализации оксида азота-цГМФ. Данная работа создает основу для разработки таргетной терапии ССЗ с учетом половой специфики пациента.

Исследование посвящено оценке точности моделирования прогрессирования заболевания (DPM), используемого для определения «амилоидного времени» при болезни Альцгеймера. Авторы провели симуляционные исследования, используя эмпирические данные о шуме в биомаркерах амилоида (ПЭТ, спинномозговая жидкость и плазма крови) в когортах с аутосомно-доминантной и спорадической формами заболевания. Результаты показали, что межличностная вариативность является основным источником ошибок при временных оценках, в то время как внутрииндивидуальная вариативность снижает стабильность прогнозов. Было установлено, что ПЭТ-сканирование амилоида превосходит по точности анализы спинномозговой жидкости и плазмы. Исследование подчеркивает, что текущие подходы DPM более надежны на уровне групп, чем на уровне отдельных пациентов, особенно при использовании жидкостных биомаркеров с вариативностью более 10-15%. Это имеет критическое значение для планирования клинических испытаний и разработки персонализированных стратегий лечения.

Исследование посвящено проблеме надежности методов объяснимого искусственного интеллекта (xAI), таких как DeepLIFT, при анализе моделей «последовательность-активность» (S2A), которые предсказывают геномную активность (связывание транскрипционных факторов и экспрессию генов). Авторы изучают, может ли использование ансамблей моделей повысить точность интерпретации признаков, а не только точность самих предсказаний. В ходе работы было установлено, что ансамблирование атрибуций от нескольких моделей значительно улучшает результаты в прикладных задачах, таких как идентификация мотивов транскрипционных факторов и прогнозирование регуляторных генетических вариантов. Особое внимание уделено методу Monte Carlo Dropout (MCDropout), который показал эффективность, приближающуюся к обучению множества отдельных моделей, но при этом существенно снижающую вычислительные затраты на этапе обучения. Результаты работы критически важны для биоинформатики и персонализированной медицины, так как позволяют более точно интерпретировать влияние генетических мутаций на здоровье человека.

В исследовании представлен инновационный подход к диагностике рассеянного склероза (РС) с использованием передовых методов машинного обучения. Авторы разработали новую декодерную модель эмбеддингов ДНК B-клеточных рецепторов (BCR), которая превосходит существующие специализированные и универсальные белковые языковые модели. В ходе работы был проведен реанализ публичных данных секвенирования РНК, в результате чего было извлечено более 11 миллионов последовательностей тяжелых цепей иммуноглобулина (IGH) из различных тканей. Разработанный классификатор на базе языковой модели способен эффективно отличать репертуары пациентов с РС от контрольных групп, включая здоровых людей, пациентов с инфекционными и другими аутоиммунными заболеваниями. Модель также успешно ранжирует известные миелин-связывающие последовательности IgG, специфичные для РС, по сравнению с контрольными образцами. Данная методология закладывает фундамент для создания высокоточных методов детекции рассеянного склероза на основе анализа BCR в крови, что имеет критическое значение для ранней диагностики и мониторинга заболевания.

В исследовании представлен инновационный подход к разработке вакцины против туберкулеза с использованием методов обратной вакцинологии и компьютерного моделирования. Авторы разработали химерную конструкцию из 823 аминокислотных остатков, которая одновременно нацелена на три ранее не изученных белка вирулентности M. tuberculosis: EccB3, MycP и поликетидсинтазу. Методология включала предсказание B-, CTL- и HTL-эпитопов, их фильтрацию по критериям аллергенности и токсичности, а также интеграцию адъювантов бета-дефензина и PADRE для охвата 90% мирового разнообразия HLA. С помощью AlphaFold и ClusPro 2.0 была проведена структурная оптимизация и докинг против рецепторов TLR1/TLR2, показавший высокую стабильность связывания с энергией -1371.0 ккал/моль. Результаты симуляции иммунного ответа (C-IMMSIM) подтвердили формирование устойчивой иммунной памяти. Данная вычислительно валидированная модель представляет собой перспективного кандидата на вакцину, требующего дальнейших клинических испытаний.

В исследовании представлена инновационная вычислительная токсикологическая платформа для изучения влияния пер- и полифторалкильных веществ (PFAS), в частности PFOS и PFHxS, на развитие псориаза. Авторы использовали комплексный подход, объединяющий транскриптомику воздействия на модели эпителиальных клеток, полученных из эмбриональных стволовых клеток человека, с данными секвенирования РНК единичных клеток (scRNA-seq) и пространственной транскриптомики. В ходе работы было установлено, что сигнатуры PFOS и PFHxS демонстрируют высокую степень конвергенции с воспалительными процессами при псориазе, затрагивая модули воспаления кератиноцитов, эпидермального стресса, цитоскелета и липидного обмена. С помощью метода виртуального возмущения (virtual perturbation), совместимого с моделью Geneformer, были идентифицированы ключевые эффекторы, такие как S100A9, S100A8, KRT16 и IL36G. Результаты пространственного анализа подтвердили локализацию этих программ именно в активированных кератиноцитах и воспалительных нишах эпидермиса. Данная работа закладывает основу для проверки гипотезы о связи стойких химических загрязнителей с хроническими воспалительными заболеваниями кожи на молекулярном уровне.

В статье представлен RomicsProcessor — инновационный программный пакет, разработанный для решения критической проблемы воспроизводимости в биоинформатике. Авторы предлагают парадигму «воспроизводимости по проекту», в основе которой лежит создание объекта 'Romics_object'. Этот цифровой артефакт является самодостаточным контейнером, который инкапсулирует полную историю данных: от исходного состояния до финальной обработки, включая все промежуточные шаги и зависимости. Методология была протестирована на различных сложных типах данных, включая объемную протеомику (bulk proteomics), крупномасштабную мультиплексную иммунофлуоресценцию и масс-спектрометрическую визуализацию (MSI) из нескольких партий. Результаты демонстрируют высокую масштабируемость и вычислительную мощность инструмента, обеспечивая соблюдение принципов FAIR (находимость, доступность, совместимость и повторное использование). Данная разработка служит фундаментом для создания следующего поколения биоинформатических инструментов, способных эффективно работать в эпоху искусственного интеллекта и ускорять биологические открытия.

В исследовании представлена новая мультиомиксная методология для функциональной характеристики фосфосайтов человека, которые до сих пор оставались малоизученными. Авторы предложили использовать обилие белков-партнеров в качестве индикатора влияния фосфорилирования на белковые взаимодействия, основываясь на том, что несвязанные субъединицы стабильных комплексов подвергаются деградации. С помощью модели вложенной линейной регрессии был проведен анализ пан-раковых данных 1 006 опухолей с учетом транскрипционных и других ковариат. В ходе работы выявлено 6 160 ассоциаций между 3 038 фосфосайтами и распространенностью взаимодействующих белков. Интеграция данных с предсказаниями AlphaFold позволила локализовать 239 сайтов непосредственно на интерфейсах взаимодействия, а еще 402 сайта были связаны с изменением локализации белков между клеточными компартментами. Экспериментальная проверка мутантов фосфосайтов NKAP и NUF2 методом масс-спектрометрии подтвердила точность предсказаний модели. Данный фреймворк создает структурированный ресурс для приоритезации изучения фосфопротеома человека.

Данное исследование представляет собой систематический обзор и метаанализ, направленный на оценку доступности и доказательной базы мобильных приложений для самостоятельной терапии психических расстройств. Авторы проанализировали широкий спектр приложений, доступных в публичных магазинах, чтобы определить, насколько их методы соответствуют принципам доказательной медицины. В ходе работы оценивалась методология разработки цифровых интервенций и их клиническая эффективность. Результаты подчеркивают критический разрыв между популярностью приложений и наличием строгих клинических доказательств их эффективности для пациентов. Исследование указывает на необходимость улучшения стандартов разработки и регулирования цифровых инструментов в сфере ментального здоровья. Полученные данные имеют высокую значимость для клиницистов и разработчиков, стремящихся внедрять проверенные цифровые решения в стандартную терапевтическую практику.

Компания GE HealthCare объявила о масштабном стратегическом соглашении с сетью Catholic Health, рассчитанном на 10 лет. В рамках этого партнерства, объем которого оценивается в 500 миллионов долларов, планируется внедрение более 1300 единиц нового медицинского оборудования и цифровых решений. Обновление затронет 40 объектов сети, включая больницы и амбулаторные центры. Помимо поставок аппаратного обеспечения, соглашение предусматривает расширенный операционный контроль и предоставление доступа к передовым цифровым инструментам для оптимизации работы медучреждений. Данная инициатива направлена на цифровую трансформацию инфраструктуры Catholic Health и повышение эффективности оказания медицинской помощи через интеграцию современных технологий GE HealthCare.