диффузионные модели

В статье, опубликованной в npj Digital Medicine, представлена новая мультимодальная эквивариантная диффузионная модель для генерации 3D-структур молекул по текстовым описаниям. Модель объединяет обработку естественного языка и генерацию молекулярных графов, что позволяет создавать соединения с заданными свойствами, такими как биологическая активность или физико-химические характеристики. Авторы использовали архитектуру на основе графовых нейронных сетей и механизмов внимания для согласования текстовых и структурных представлений. В экспериментах модель продемонстрировала высокую точность генерации: более 90% сгенерированных молекул были валидными, а 85% соответствовали заданным условиям. Работа имеет прямое применение в области лекарственного дизайна, позволяя исследователям быстро получать кандидатные соединения по текстовому описанию желаемых свойств. Это ускоряет процесс открытия новых лекарств и снижает затраты на виртуальный скрининг. Статья подчеркивает потенциал генеративных моделей в медицинской химии и открывает новые возможности для автоматизации разработки терапевтических агентов.

В статье представлен OmegAMP — генеративная модель на основе условной диффузии для дизайна антимикробных пептидов (АМП). Модель позволяет контролировать чистый заряд, среднюю гидрофобность и длину последовательности, поддерживая три режима: создание новых пептидов de novo, генерацию аналогов и дизайн с заданными мотивами. В ходе экспериментов на 204 пептидах, охарактеризованных в мокрых лабораторных условиях, генерация de novo позволила получить антимикробные соединения с широкой активностью против клинических изолятов грамотрицательных бактерий с множественной лекарственной устойчивостью. Генерация аналогов превратила шесть неактивных прототипов в активные антимикробные пептиды, при этом механизм разрушения мембраны и безопасность для клеток млекопитающих определялись исходным прототипом. Мотив-управляемая генерация аналогов сохраняла связывание липополисахарида у активных прототипов, а редизайн неактивной лейциновой молнии придал ей антимикробную активность, сохранив способность нарушать ДНК in vitro. В моделях инфекций на мышах (кожа и бедро) лидирующие кандидаты снижали бактериальную нагрузку, причем один из мотив-управляемых кандидатов, нарушающих ДНК, системно соответствовал контролю с фторхинолоном. OmegAMP открывает программируемый путь к новым пептидным антибиотикам, чей механизм действия и безопасность следуют из выбранного прототипа.

В статье представлен новый метод GNMCADS для генерации разнообразных конформаций белков с использованием диффузионных моделей, в частности, интегрированных в AlphaFold3. Белки являются динамическими молекулами, существующими в различных конформационных состояниях, которые определяют их биологические функции. Существующие подходы, такие как имитация молекулярной динамики, возмущение эволюционной информации или управление внутренними механизмами моделей предсказания структуры, не всегда способны предсказать конформации, возникающие при крупных доменных движениях или движениях, происходящих в течение длительных временных масштабов. GNMCADS решает эту проблему, избирательно ослабляя (аннелируя) conditioning-сигнал, управляемый внутренней динамической организацией белка, что повышает разнообразие генерируемых конформаций. Метод был протестирован на 92 белках, включая 54 рецептора класса A GPCR, 15 транспортеров и 23 белка с крупными доменными движениями. Результаты показали, что GNMCADS обеспечивает лучшее разнообразие сэмплирования по сравнению с другими современными методами конформационного сэмплирования. Этот подход имеет значительный потенциал для применения в структурной биологии и разработке лекарств, поскольку позволяет более точно моделировать динамические состояния белков, что важно для понимания их функций и взаимодействий с лигандами.

Исследование предлагает ИИ-фреймворк для оценки боли у некоммуникативных пациентов (новорождённые, пациенты с когнитивными нарушениями) без использования размеченных реальных данных. Метод сочетает синтетическую генерацию 50 000 сценариев боли через диффузионные модели с адаптацией доменов, достигая 81,5% точности для неонатальной оценки и превосходя супервизированные методы в кросс-датасет обобщении на 40,4%.

Исследователи представили Hoike — фреймворк на основе искусственного интеллекта для генерации синтетических транскриптомных данных, специфичных для различных заболеваний. Система комбинирует архитектуру Joint-Embedding Predictive Architecture (JEPA) с латентной диффузионной моделью, позволяя создавать condition-specific bulk transcriptomes на основе нормальных референсных профилей тканей. Методология включает парное обучение нормальных и патологических образцов, тканеспецифичное кондиционирование и ограниченное неотрицательное декодирование для обеспечения биологической валидности результатов в пространстве log2(TPM+1). Фреймворк был оценён на данных GTEx (нормальные референсы) и множественных когортах TCGA (онкологические заболевания). Технология решает ключевые проблемы биоинформатики: ограниченность когорт, приватность данных и доменный сдвиг между нормальными и патологическими популяциями. Практическое применение включает анализ дифференциальной экспрессии генов, машинное обучение, безопасный обмен данными, бенчмаркинг алгоритмов и генерацию гипотез в трансляционной биоинформатике, особенно в онкологии.

В исследовании представлен FastEBM — новый масштабируемый фреймворк на основе цепей Маркова, предназначенный для моделирования последовательности изменений биомаркеров при прогрессировании заболеваний. В отличие от традиционных моделей (GMM-EBM, KDE-EBM, DEBM), которые требуют вычислительно затратной пермутационной инференции и предполагают независимость признаков, FastEBM переформулирует задачу в проблему упорядочивания субъектов на диффузионном многообразии. Это позволяет методу эффективно работать в условиях высокой размерности данных и корреляции признаков, сохраняя точность восстановления порядка событий. Авторы внедрили механизм оценки неопределенности прогрессирования через вариативность времени первого достижения (first-passage-time), что позволяет строить диаграммы позиционной дисперсии. При тестировании на синтетических данных FastEBM продемонстрировал превосходство в точности и скорости работы по сравнению с существующими аналогами. Валидация на реальных наборах данных (TADPOLE и ADNI) подтвердила эффективность метода для анализа болезни Альцгеймера: модель успешно восстановила паттерны прогрессирования тау-белка в коре головного мозга, выявив даже латерализованные тренды развития заболевания. Инструментарий FastEBM доступен в открытом доступе на GitHub.

В исследовании представлен Diff-Switch — инновационный фреймворк для проектирования белков-переключателей (protein switches), способных менять свою структуру в ответ на биохимические стимулы. В отличие от существующих методов, оптимизированных под одну стабильную структуру, Diff-Switch использует предобученные диффузионные модели для генерации ансамблей разнообразных структурных состояний. Методология сочетает контроль локальной геометрии доменов с механизмом reward-tilting и смещением в пространстве коллективных переменных (вдохновленным метадинамикой), что позволяет избегать повторения одних и тех же конформаций. Тестирование на наборе из 20 различных белков показало, что использование сгенерированных ансамблей значительно повышает вероятность успешного нахождения последовательностей, совместимых с механизмом переключения, по сравнению с базовыми методами сэмплирования. Разработанный подход позволяет автоматизировать сложный процесс дизайна многостабильных белков, который ранее требовал глубоких экспертных знаний. Полученные результаты имеют критическое значение для биоинженерии и разработки новых терапевтических белков и сенсоров.

Представлен новый метод EdgeFusion-U-Net, использующий диффузионные модели для удаления спекл-шума и улучшения выделения границ на ультразвуковых изображениях. Эксперименты показали значительный рост точности сегментации нервов (Dice score до 94.62%) по сравнению с существующими архитектурами.

В статье представлен FairGen — инновационный метод на основе диффузионных моделей, разработанный для решения проблемы демографического смещения при синтезе медицинских изображений. Исследователи внедрили механизм выравнивания предпочтений (preference-alignment), который позволяет генерировать высокореалистичные медицинские данные, сохраняя при этом справедливость в отношении различных демографических групп (пол, возраст, этническая принадлежность). Методология направлена на устранение систематических ошибок, которые часто возникают в обучающих выборках и приводят к снижению точности диагностики для определенных групп населения. Результаты показывают, что FairGen значительно улучшает репрезентативность синтетических наборов данных, обеспечивая высокое качество визуализации, сопоставимое с реальными снимками. Использование данного подхода критически важно для создания сбалансированных датасетов, на которых обучаются диагностические системы ИИ, что напрямую влияет на минимизацию медицинских ошибок и обеспечение равного качества медицинской помощи для всех пациентов. Технология открывает новые возможности для обучения нейросетей в условиях дефицита специфических клинических данных.

В исследовании, опубликованном в журнале npj Digital Medicine, представлена инновационная архитектура нейросети, сочетающая диффузионные модели шумоподавления и генеративно-состязательные сети (GAN) для прогнозирования развития болезни Альцгеймера. Основная методологическая особенность заключается в использовании механизма сохранения идентичности пациента, что позволяет модели генерировать высокоточные прогностические снимки МРТ, соответствующие индивидуальной анатомической структуре конкретного человека. Исследователи применили подход Identity-Preserved Denoising Diffusion GAN (IP-DDGAN) для моделирования долгосрочных изменений в тканях головного мозга. Результаты демонстрируют значительное превосходство предложенного метода над традиционными методами прогнозирования по метрикам структурной точности и визуального правдоподобия. Данная технология позволяет врачам визуализировать будущие стадии дегенерации мозга, что критически важно для раннего планирования терапии и оценки эффективности лекарственных препаратов. Практическая значимость работы заключается в возможности персонализированного мониторинга пациентов на ранних стадиях нейродегенерации.

В данном исследовании представлен новый метод механистической интерпретируемости под названием VFUSE, предназначенный для аудита генеративных моделей белков на предмет создания опасных патогенов. Авторы обучают разреженные автоэнкодеры (SAE) на активациях диффузионных трансформеров, чтобы выявлять скрытые признаки, связанные с вирулентностью. Методология была протестирована на популярных моделях RoseTTAFold3 и RFDiffusion3, используемых для фолдинга и синтеза белков. Результаты показали, что линейные зонды, работающие в латентном пространстве SAE, обнаруживают опасные дизайны значительно эффективнее, чем стандартные представления моделей. Исследователям удалось идентифицировать моносемантические признаки, которые активируются исключительно на опасных структурах, достигнув показателя AUROC 0,84 при высокой статистической значимости (q < 10^-13). Данная работа имеет критическое значение для обеспечения биобезопасности при использовании ИИ в протеомике и синтетической биологии.

В исследовании представлен CLOP-DiT — инновационный трехэтапный конвейер для генерации реалистичных транскриптомных профилей единичных клеток на основе текстовых и биологических описаний. Методология включает использование контрастивного аллайнера (CLOP) для сопоставления эмбеддингов BiomedBERT и scGPT в едином 512-мерном пространстве, а также диффузионный трансформер (DiT), управляемый пятикомпонентным биологическим шаблоном (тип клетки, ткань, организм, маркерные гены и заболевание). Эксперименты на 220 304 клетках из 80 наборов данных GEO показали высокую точность: в режиме высокой точности (CFG = 2.0) достигнута точность KNN 36,9% (что в 25 раз выше случайного показателя) и эффективность управления 81,0%. Исследование выявило, что маркерные гены являются доминирующим сигналом для управления генерацией, при этом точность управления падает с 99,8% до 62,4% при исключении генов из метаданных. Несмотря на сохранение внутрираспределенной дисперсии генов (r = 0,98), авторы отмечают ограничения в корреляции междатасетной дисперсии и указывают на потенциал для дальнейшего улучшения модульной архитектуры.

В статье представлена инновационная модель TDFold, разработанная группой исследователей Wang et al., которая радикально меняет подход к предсказанию трехмерной структуры белков. Авторы предложили переформулировать задачу предсказания структуры из сложного 3D-пространства в задачу 2D-диффузии, аналогичную обработке изображений. Использование геометрического шаблонного диффузионного механизма позволяет модели работать с одиночными аминокислотными последовательностями с беспрецедентной точностью. Согласно результатам исследования, TDFold демонстрирует значительно более высокую скорость и вычислительную эффективность по сравнению с существующими лидирующими моделями в области биоинформатики. Данная технология имеет критическое значение для структурной биологии и фармацевтики, ускоряя процесс понимания функций белков и разработки новых лекарственных препаратов. Методология TDFold открывает новые горизонты в использовании генеративных диффузионных моделей для решения фундаментальных задач молекулярной медицины.

В исследовании представлен CatIF-RL — инновационный фреймворк, предназначенный для направленного проектирования вариантов ферментов с повышенной каталитической активностью. В основе метода лежит графовая диффузионная модель обратного фолдинга белков, которая была адаптирована под специфические структурные данные ферментов. Авторы внедрили механизм оптимизации, использующий прогнозируемую константу скорости катализа (kcat) в качестве целевого сигнала, применяя метод оптимизации политики относительно группы (GRPO). В ходе тестирования на независимых бенчмарках CatIF-RL продемонстрировал четырехкратное увеличение прогнозируемого значения kcat по сравнению с природными ферментами, значительно превзойдя существующие методы обратного фолдинга. При этом модель успешно сохраняет структурную точность и показатель восстановления последовательности (sequence recovery) на уровне 0.55, что позволяет проводить частичное проектирование с сохранением ключевых функциональных мотивов. Данная работа открывает новые возможности для функциональной оптимизации белков в биоинженерии и фармацевтике.

Исследование представляет инновационный подход к предсказанию конформаций биомолекул, используя генеративные диффузионные модели, обученные на экспериментальных данных. Авторы предлагают метод «скрученного диффузионного сэмплера» (twisted diffusion sampler) в рамках модели Boltz-2, который позволяет моделировать альтернативные функционально важные состояния молекул без необходимости дополнительного переобучения нейросети. Методология основана на переосмыслении поиска конформаций как процесса сэмплирования из диффузионного распределения, обусловленного произвольным байесовским правдоподобием. В ходе экспериментов ученые успешно воспроизвели растянутые состояния фрагментов ДНК, мышечного белка титина и белка протокадгерина-15, а также открытые состояния ионного канала MscL, что согласуется с экспериментальными данными. Данный подход фактически является диффузионным аналогом управляемой молекулярной динамики. Результаты работы открывают новые возможности для изучения не равновесных и недостаточно представленных в экспериментах состояний макромолекулярных систем, что критически важно для понимания механизмов их работы.

В исследовании представлен метод SimpleFold-Turbo (SFT), который значительно ускоряет процесс предсказания структуры белков, используя технику адаптивного кэширования TeaCache, заимствованную из видеодиффузионных моделей. Авторы обнаружили, что генеративные траектории Flow-Matching обладают высокой избыточностью, что позволяет пропускать до 93% прямых проходов нейронной сети без существенной потери точности. В ходе тестирования на 300 структурно разнообразных доменах CATH и моделях размером от 100 млн до 3 млрд параметров, метод обеспечил ускорение в 9–14 раз при сохранении базовых показателей TM-score. Важным преимуществом является то, что SFT не требует переобучения моделей, модификации весов или использования внешних серверов множественного выравнивания последовательностей (MSA). Масштабируемость метода растет вместе с размером модели, так как накладные расходы на кэширование остаются постоянными. Решение позиционируется как полностью открытое программное обеспечение, позволяющее выполнять тысячи предсказаний структур в час на стандартном потребительском оборудовании.

Исследование посвящено применению дискретных диффузионных моделей для генерации реалистичных филогенетических деревьев опухолей, которые кодируют клональную родословную и приобретение мутаций при эволюции рака. Авторы обучают графовые трансформеры на наборе из примерно 12 500 синтетических филогенезов, охватывающих двенадцать различных эволюционных режимов, используя процесс обратного диффузионного шумоподавления на типизированных графах. Эксперименты по масштабированию выявили немонотонную зависимость между ёмкостью модели и её производительностью: модель среднего масштаба достигла высокой структурной валидности и близкого соответствия распределения тестовым данным, тогда как более глубокая модель провалилась при фиксированных гиперпараметрах оптимизации. Эксперименты с недостатком данных показали, что разнообразное обучение приводит к более переносимым представлениям по сравнению со специализацией на одном режиме. Результаты демонстрируют, что структурные ограничения филогенеза могут быть выучены неявно через безусловную дискретную диффузию. Это открывает перспективный путь к созданию генеративных моделей эволюции опухолей, что имеет прямое значение для персонализированной онкологии и понимания механизмов развития рака. Исследование вносит вклад в развитие методов машинного обучения для анализа онкологических данных.

Исследование представляет новый подход к молекулярному докингу — предсказанию конформации связывания малых молекул с белковыми мишенями, что критически важно для открытия новых лекарств. Авторы предлагают фреймворк обучения с подкреплением для тренировки диффузионных моделей непосредственно на недифференцируемых объективах физической валидности. Подход позволяет корректировать модель DiffDock-Pocket для генерации физически корректных поз лигандов с сохранением ключевых белково-лигандных взаимодействий. Результаты показывают существенное увеличение доли генерируемых поз, которые являются физически валидными, при этом не требуется дополнительных вычислений во время инференса. Важнейший результат — улучшение структурной точности: возрастает доля структур с позами, близкими к нативным, особенно для белковых мишеней, отличающихся от данных обучения. Доработанная модель превосходит как классические алгоритмы докинга, так и другие методы машинного обучения на наборе данных PoseBusters. Исследование демонстрирует, что обучение с подкреплением может научить диффузионные модели лучше соблюдать физические ограничения без необходимости постобработки результатов. Это открывает перспективы для более точного предсказания взаимодействия лекарств с белками-мишенями в фармацевтических исследованиях.