В статье представлено исследование HiFold-Mamba — новой архитектуры на основе обратного комплемента-эквивариантных блоков Mamba (state-space model), предназначенной для предсказания карт контактов 3D-генома по ДНК-последовательностям. Модель обрабатывает 1 048 576 пар оснований для генерации карт размером 448x448 пикселей с разрешением 2 048 п.н. Авторы проводят строгую статистическую проверку трех гипотез, сравнивая HiFold-Mamba с параметрно-сопоставленными базовыми моделями Akita (Transformer) и CNN. Ключевой инновацией является внедрение потерь на основе изоляции и границ доменов, вычисляемых непосредственно из предсказанной карты, что позволяет улучшить точность обнаружения границ (AUROC) и петель (AP) по независимым аннотациям 4DN и ENCODE CTCF ChIA-PET. Исследование использует предварительно зарегистрированный дизайн с парным бутстрэпом по 237 тестовым блокам длиной 1 Мб, что обеспечивает высокую статистическую мощность (≥90%) для обнаружения прироста точности SCC ≥0.02. Пилотные данные подтверждают эквивариантность сети и корректность бенчмарков, показав, что предсказанные карты эффективно восстанавливают независимые биологические аннотации. Результаты демонстрируют, что интеграция структурных ограничений генома в функцию потерь ИИ-модели существенно повышает биологическую интерпретируемость и точность предсказания пространственной организации хроматина.