биомаркеры

Исследование посвящено изучению фундаментальных различий в молекулярных механизмах развития болезни Альцгеймера (БА) у мужчин и женщин. На основе анализа данных bulk RNA-sequencing из дорсолатеральной префронтальной коры 624 человек (401 женщина и 223 мужчины) из когорты ROSMAP, ученые выявили две принципиально разные биологические траектории заболевания. У женщин наблюдается многоуровневая архитектура перехода: на ранней стадии (от нормы к умеренным когнитивным нарушениям, MCI) происходит иммунное праймирование с участием 628 генов, за которым следует масштабная потеря синаптических и нейропептидных функций, затрагивающая 8 935 генов. В то же время у мужчин раннее иммунное воздействие отсутствует; вместо этого их патологический процесс характеризуется резким коллапсом 8 237 генов, связанных с слиянием мембран органелл, посттрансляционной модификацией и внутриклеточным транспортом. Результаты подчеркивают, что БА не является единым процессом, а представляет собой разные биологические программы в зависимости от пола, что требует разработки гендерно-стратифицированных моделей и независимых биомаркеров для диагностики и лечения.

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.

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.

Исследователи разработали STORM (Spatial Topology analysis of Recurrent Motifs) — новый метод на основе графового вариационного автоэнкодера с механизмом внимания, который позволяет обнаруживать повторяющиеся архитектурные паттерны в опухолях без предварительной разметки типов клеток. В ходе исследования на базе 32 секций Xenium от 16 пациентов с колоректальным раком (EOCRC и AOCRC) было выявлено 10 рекуррентных мотивов, сформировавших макро-компартменты опухоли, стромы и иммунной системы. Ключевым открытием стал мотив десмопластического фиброзного барьера (DFB), богатый CAF и внеклеточным матриксом, который физически ограничивает доступ CD8+ Т-клеток к ядрам опухоли независимо от их общего количества. Установлено, что этот барьерный механизм более выражен при раннем начале заболевания (EOCRC), характеризуясь более плотной структурой и специфической программой активации матрикса. С помощью Vision Transformer модель STORM позволила транслировать эти пространственные мотивы в стандартные H&E-изображения, создав прогностический биомаркер, который эффективно предсказывает общую выживаемость пациентов в базе данных TCGA-COAD.

GE HealthCare и Mayo Clinic запускают исследование MI-BET, направленное на персонализацию радиолигандной терапии рака простаты. Проект использует передовые технологии визуализации и биомаркеров для адаптации циклов лечения на основе индивидуального ответа пациента.

В статье представлено инновационное исследование, направленное на разработку системы мониторинга состояния поясничного отдела позвоночника с использованием комбинированного подхода, объединяющего анализ данных (data-driven) и экспертные медицинские знания (knowledge-driven). Авторы предлагают использовать новые биомаркеры визуализации для точной стратификации рисков развития дегенеративных заболеваний позвоночника. Методология исследования базируется на применении алгоритмов машинного обучения для анализа медицинских изображений, что позволяет выявлять скрытые паттерны старения тканей, недоступные при стандартном визуальном осмотре. Ключевым результатом является создание прогностической модели, способной не только фиксировать текущие изменения, но и оценивать риски прогрессирования патологий в долгосрочной перспективе. Данная технология имеет высокую клиническую значимость, так как позволяет персонализировать стратегии профилактики и раннего вмешательства, минимизируя риск развития инвалидизирующих состояний у пациентов. Внедрение подобных ИИ-ориентированных биомаркеров в повседневную радиологическую практику может значительно повысить точность диагностики дегенеративных изменений позвоночника.

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.

Исследование посвящено критической проблеме в анализе данных секвенирования следующего поколения (NGS), таких как микробиомные исследования, RNA-seq и метагеномика. Авторы доказывают, что использование арифметического среднего (AM) для обобщения относительных пропорций приводит к нестабильному ранжированию признаков, которое меняется в зависимости от выбранного метода нормализации. В ходе тестирования на наборе данных dietswap (n=38) было обнаружено, что у 22,5% распространенных родов бактерий (включая Bacteroides и Eubacterium) выводы о значимости групп радикально различались при использовании AM и геометрического среднего (GM). Исследование демонстрирует, что GM-ранжирование инвариантно к мультипликативной структуре композиционных данных, а использование трансформации центрированного логарифмического отношения (CLR) математически эквивалентно применению GM. Авторы рекомендуют использовать геометрическое усреднение для ранжирования признаков и CLR-трансформацию для межгрупповых сравнений, что позволяет устранить скрытый источник невоспроизводимости при поиске биомаркеров в метагеномике, транскриптомике и метаболомике. Данный подход не требует новых вычислительных инструментов и полностью совместим с существующими конвейерами анализа дифференциальной экспрессии.

Исследование посвящено решению проблемы резистентности к бевацизумабу — ключевому фактору, ограничивающему долгосрочную эффективность терапии метастатического колоректального рака (КРР). Авторы разработали и валидировали прогностическую модель на основе сигнатуры из 8 генов (AXIN2, PSORS1C1, KRT74, SLC2A3, STIL, IL33, GALNT6, HSD11B2), используя анализ данных GEO (GSE19862, GSE86582) и TCGA. Результаты показали, что высокая оценка риска по данной сигнатуре коррелирует с более низкой общей выживаемостью (OS), при этом точность прогноза (AUC) достигает 0.757 для 5-летней выживаемости. Анализ иммунного микроокружения с помощью CIBERSORT и ESTIMATE выявил, что у пациентов группы высокого риска наблюдается повышенное содержание M2-макрофагов и нейтрофилов при снижении количества активированных CD4+ T-клеток памяти и дендритных клеток. Генетический анализ (GSEA) подтвердил обогащение путей TNF/NF-κB, IL-6/JAK/STAT3 и контрольных точек иммунного ответа в группе высокого риска. Данная сигнатура может служить инструментом для клинической стратификации пациентов и понимания механизмов иммуноопосредованной резистентности к терапии.

Исследование посвящено поиску молекулярных маркеров когнитивной устойчивости — способности сохранять высокие когнитивные функции в процессе старения. Ученые провели нецелевое профилирование сыворотки крови методом LC-MS/MS у 237 участников, за которыми велось наблюдение в течение 28 лет. В ходе работы были выявлены специфические метаболические сигнатуры, связанные с когнитивным здоровьем, включая карнитины, конъюгаты глутамина и фосфохолины. Было установлено, что у лиц с высокой когнитивной устойчивостью наблюдается повышенный уровень диетических соединений, таких как пиперин и лютеин, а также специфические изменения в метаболизме антигипертензивного препарата метопролола. Напротив, у участников с низкой устойчивостью зафиксировано накопление глюкуронидных конъюгатов и отрицательная корреляция с уровнем среднецепочечных ацилкарнитинов. Результаты исследования предоставляют новые данные о биологических механизмах старения мозга и предлагают потенциальные биомаркеры для раннего прогнозирования когнитивного снижения.

В исследовании представлен масштабный сравнительный анализ методов отбора признаков и построения прогностических моделей на основе геномных данных, характеризующихся высокой размерностью и разреженностью. Авторы протестировали широкий спектр алгоритмов, включая классические статистические методы и современные подходы машинного обучения, на синтетических наборах данных с варьирующейся корреляцией и силой сигнала. Для практической верификации результаты были проверены на реальном когортном исследовании рака из базы данных The Cancer Genome Atlas (TCGA). Оценка проводилась по комплексному набору метрик: индексу конкордантности (C-index), F1-score, ошибке Brier score, RMSE и скорости вычислений. Исследование показало, что методы CoxBoost и Adaptive LASSO демонстрируют наиболее стабильные результаты по всем показателям, в то время как LASSO и Elastic Net наиболее эффективны при оценке конкордантности и F1-score. Результаты работы предоставляют онкологам и биоинформатикам четкие рекомендации по выбору оптимального математического аппарата в зависимости от специфических характеристик геномных данных.

Исследователи представили cfMIND — инновационный фреймворк на базе машинного обучения, предназначенный для высокоточного обнаружения заболеваний через анализ метилирования внеклеточной ДНК (cfDNA) в плазме крови. В отличие от традиционных методов, которые агрегируют данные на уровне регионов и теряют важные сигналы, cfMIND работает на уровне отдельных чтений (read-level), что позволяет сохранять редкие специфические для определенных типов клеток биомаркеры. При тестировании на обширном наборе данных (n = 868) система продемонстрировала выдающуюся эффективность с показателем AUROC до 0,966. Фреймворк сохраняет высокую точность даже при сверхнизкой глубине секвенирования (0,2x) и эффективно выявляет рак на ранних стадиях. Особое внимание уделено универсальности: cfMIND работает на различных технологиях секвенирования и не требует переобучения при смене когорт. Помимо онкологии, метод показал успешность в диагностике незлокачественных заболеваний, в частности, бокового амиотрофического склероза (БАС). Функциональный анализ подтвердил, что выявленные системой признаки обогащены в ключевых регуляторных регионах, связанных с патогенезом заболеваний.

Исследование представляет VIP2B — инновационный аналитический фреймворк, использующий теги рестрикции IIB типа для извлечения детальных характеристик вирусов (таксономия, покрытие, функции и фенотип) напрямую из данных полногеномного метагеномного секвенирования (WMS). Авторы доказали, что стандартные метагеномы содержат богатую вирусную информацию, сопоставимую по точности с обогащенными образцами вирусно-подобных частиц (VLP). При анализе 20 клинических когорт было установлено, что учет вирусных признаков позволяет выявлять специфические биомаркеры заболеваний, которые не обнаруживаются при анализе только бактериального компонента. Это значительно повышает точность диагностических моделей. Кроме того, на выборке из 6 090 человек были определены два различных состояния сообщества вирома кишечника, связанных с различными профилями здоровья. Работа закладывает методологическую основу для перехода к мульти-царственному анализу микробиома в клинической практике.

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.

Исследование представляет применение архитектуры жидких нейронных сетей (LNN) для диагностики пародонтита у пациентов с диабетом на основе метаболического анализа слюны. Методология включает сбор слюнных образцов от пациентов с диабетом и последующий метаболический профилирование с использованием масс-спектрометрии. Разработанная модель LNN обучалась на метаболических отпечатках для выявления пациентов с высоким риском развития пародонтита. Ключевые результаты показывают высокую точность классификации, превосходящую традиционные методы диагностики. Применение лёгких нейронных сетей позволяет снизить вычислительные требования, делая технологию пригодной для клинического использования в условиях ограниченных ресурсов. Исследование демонстрирует перспективность неинвазивных методов диагностики в сочетании с современным ИИ для скрининга осложнений диабета. Работа опубликована в ведущем журнале npj Digital Medicine, что подтверждает её научную значимость и соответствие стандартам цифрового здравоохранения.

В данном систематическом обзоре области рассматривается применение сенсорных технологий цифрового здравоохранения для регистрации конечных точек в современных клинических исследованиях. Авторы анализируют данные из множества недавних клинических испытаний, где использовались носимые устройства, мобильные датчики и другие цифровые инструменты для сбора объективных медицинских показателей. Исследование охватывает различные типы сенсоров — от акселерометров и пульсоксиметров до умных пластырей и имплантируемых устройств — и их интеграцию в дизайн клинических исследований. Ключевой вывод заключается в том, что цифровые конечные точки позволяют повысить чувствительность измерений, снизить нагрузку на участников исследований и обеспечить непрерывный мониторинг в реальной жизни. Обзор выявляет значительный рост использования таких технологий в период с 2020 по 2025 год, особенно в области онкологии, кардиологии и неврологии. Основными вызовами остаются стандартизация методов валидации, обеспечение безопасности данных и регуляторное признание цифровых конечных точек. Работа демонстрирует потенциал цифровых биомаркеров для ускорения разработки новых терапий и персонализации лечения. Публикация представляет собой ценный ресурс для исследователей, разрабатывающих клинические протоколы с использованием цифровых технологий.

Исследователи представляют Longevity-LLM v0.1 — модель на базе Qwen3-14B, дообученную с помощью контролируемого и reinforcement learning на данных ДНК-метилирования, протеомики, клинических биомаркеров и экспрессии РНК. Модель демонстрирует выдающиеся результаты на Longevity Bench, включая задачи прогнозирования выживаемости при раке и предсказания возраста на основе протеома и РНК. После дообучения с подкреплением модель достигла средней абсолютной ошибки (MAE) в 4.34 года при предсказании эпигенетического возраста, превзойдя известный мульти-тканный часы Хорвата. Longevity-LLM также выполняет множество других задач, включая генерацию протеомных профилей, значительно превосходя все существующие передовые языковые модели. Результаты показывают, что одна компактная LLM может заменить или сравняться с узкоспециализированными моделями старения across различных модальностей данных. Работа представляет промежуточный отчет от инициативы Multi-Modal AI Gym for Science (MMAI), направленной на создание фундаментальных моделей для разработки лекарств и исследований старения. Это исследование знаменует переход от множества специализированных моделей к единым фундаментальным моделям, способным работать с разнородными биомедицинскими данными.

Компания Tempus AI, лидер в области искусственного интеллекта и прецизионной медицины, объявила о стратегическом сотрудничестве с фармацевтической компанией Daiichi Sankyo (TSE: 4568). Партнёрство направлено на ускорение клинической разработки и дифференциации программы антитело-лекарственного конъюгата (ADC) в области онкологии. Ключевым элементом сотрудничества является использование ИИ-технологий для открытия биомаркеров, что позволяет более точно идентифицировать пациентов, которые могут получить максимальную пользу от терапии. ADC-программы представляют собой перспективное направление в лечении рака, где антитело доставляет цитотоксический препарат непосредственно к раковым клеткам, минимизируя повреждение здоровых тканей. Применение алгоритмов машинного обучения для анализа биомаркеров позволяет оптимизировать дизайн клинических испытаний и повысить вероятность их успеха. Это сотрудничество демонстрирует растущую интеграцию ИИ в процесс разработки онкологических препаратов, особенно в области таргетной терапии. Успех такого подхода может привести к более персонализированному лечению и улучшению клинических исходов для пациентов с различными типами рака.