машинное обучение

В исследовании представлен TREAD (Transfer learning-based REpeat Annotation using Protein EmbeDdings) — новый метод машинного обучения для обнаружения повторяющихся мотивов в белках. В отличие от традиционных методов, таких как HMMER, которые полагаются на выравнивание последовательностей или вероятностные профили, TREAD переформулирует задачу обнаружения повторов как задачу аннотации на уровне остатков, используя эмбеддинги от языковых моделей белка (Protein Language Models). Методология позволяет модели имплицитно изучать специфические признаки повторов, обеспечивая высокую гибкость и масштабируемость. Тестирование на наборах данных RepeatsDB и Pfam показало, что TREAD не уступает или превосходит HMMER, особенно в условиях низкого объема данных и высокой дивергенции последовательностей. Практическая значимость подтверждена анализом $\beta$-пропеллерных белков в базе данных AlphaFold, где инструмент выявил новые паттерны экспансии в различных линиях эволюции. TREAD представляет собой масштабируемую альтернативу профильным методам и предлагает универсальный подход к аннотации мотивов на основе последовательностей.

В исследовании представлена инновационная модель глубокого обучения PeptideGNN, основанная на архитектуре графовых нейронных сетей (GNN), предназначенная для моделирования поведения пептидов при жидкостной хроматографии. Авторы решают проблему ограниченного понимания взаимодействий между пептидами и колонками, что является критическим барьером в протеомике. Модель была обучена на десяти различных протеомных наборах данных и продемонстрировала превосходство над существующими предикторами времени удерживания. С помощью метода картирования значимости (saliency mapping) исследователи смогли интерпретировать механизмы удержания, выявив влияние соседних аминокислот, посттрансляционных модификаций (PTM), типа хроматографических колонок и добавок в подвижную фазу. Результаты работы позволяют не только точнее предсказывать параметры разделения, но и глубже понимать физико-химические взаимодействия на молекулярном уровне, что критически важно для повышения точности идентификации белков в масс-спектрометрии.

Исследователи представили TRINUS — новую модель самообучения (self-supervised model), предназначенную для анализа пространственной транскриптомики. Основная инновация метода заключается в генеративном разделении внутренней идентичности клеточной линии и внешнего влияния микроокружения (нишевого давления). TRINUS использует библиотеку контекстно-свободных прототипов клеток для изоляции генетической программы, одновременно моделируя кооперативные зависимости между соседними клетками. В ходе тестирования на синтетических данных модель продемонстрировала превосходство над существующими методами в задачах кластеризации клеток и обнаружения пространственных доменов. Применение TRINUS на данных колоректального рака позволило картировать паттерны взаимодействий в масштабе всей ткани, а исследования мышиного органогенеза выявили специфические для стадий сигнальные зависимости. Особую значимость представляет возможность двунаправленного in silico проектирования: в микроокружении опухолей яичников модель смогла предсказать молекулярные модификации макрофагов, способные восстановить функцию соседних Т-клеток. Таким образом, TRINUS становится мощным инструментом для предиктивного тканевого инжиниринга и понимания механизмов клеточной коммуникации.

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.

В данной исследовательской работе представлен первый алгоритм контрфактуальных объяснений (Counterfactual Explanation, CE), специально разработанный для работы с сетями сходства пациентов (Patient Similarity Networks, PSNs). В отличие от традиционных методов, использующих табличные данные, авторы применяют графовые нейронные сети (GNN), которые учитывают не только индивидуальные признаки пациента, но и его связи с клинически и биомолекулярно схожими индивидами. Предложенный метод является универсальным и не зависит от конкретной модели классификатора (model-agnostic), что позволяет интегрировать его в различные системы поддержки принятия врачебных решений. Исследование проводилось на синтетических данных и на реальной когорте пациентов с болезнью Альцгеймера. Результаты показали, что новый алгоритм демонстрирует конкурентоспособность по сравнению с классическими методами для табличных данных и признанным инструментом GNNExplainer. Данная разработка имеет критическое значение для повышения интерпретируемости ИИ в медицине, позволяя врачам понимать, какие именно изменения в клинических или биомолекулярных показателях могли бы изменить прогноз заболевания.

Исследователи представили MetFoundation — инновационную метаболомную базовую модель, обученную методом самообучения (self-supervised learning) на данных ЯМР-метаболомики более 430 000 участников из UK Biobank. В отличие от традиционных «часов старения», которые предполагают однородность процессов, MetFoundation способна улавливать сложную нелинейную структуру системного метаболизма. С помощью тонкой настройки выживаемости авторы разработали модель старения, тесно связанную с риском смертности и возрастными заболеваниями. Ключевым достижением стало выявление 13 уникальных метаболических подтипов, которые демонстрируют различную предрасположенность к деменции и диабету даже при одинаковых показателях ускорения старения. Для практического применения была создана облегченная модель, позволяющая аппроксимировать сложные метаболомные данные, используя лишь стандартные анализы крови. Валидация на данных из Китая (CHARLS) подтвердила высокую обобщающую способность модели и её потенциал для персонализированной медицины.

В исследовании представлен новый математический фреймворк ATLAS (Auxiliary-Transformed Location-Aware Smoothing), предназначенный для решения проблемы аппроксимации локально-специфичных моделей при условии пространственной гладкости. В отличие от существующих методов, которые штрафуют шероховатость непосредственно параметров модели, ATLAS накладывает штраф на трансформации параметров с использованием вспомогательных ковариат. В качестве практического применения авторы разработали модель пространственной деконволюции для транскриптомики, которая позволяет оценивать коэффициенты смешивания опухолевых клеток в тысячах точек на одном тканевом срезе. Для решения вычислительных сложностей, вызванных нелинейным правдоподобием и невыпуклым штрафом, предложен алгоритм ADMM (метод множителей Лагранжа для расщепления переменных). Результаты симуляционных исследований подтверждают, что ATLAS обеспечивает существенно более точное обнаружение пространственных доменов по сравнению с традиционными методами сглаживания параметров. Особая эффективность метода проявляется в случаях, когда вспомогательные ковариаты обладают калиброванной пространственной структурой, что критически важно для точной биомедицинской визуализации.

Исследование представляет инновационный метод калибровки моделей обыкновенных дифференциальных уравнений (ODE) для анализа редких заболеваний, где клинические данные крайне скудны и зашумлены. Авторы предложили подход устойчивой к шуму калибровки в латентном пространстве, который объединяет экспертные ODE-модели с обученными латентными представлениями. Методология включает использование синтетических траекторий ODE для обучения специфичного для модели автоэнкодера и импутера, что позволяет дополнить дефицитные реальные наблюдения. В ходе тестирования на симуляционной модели ABCDE было доказано, что предложенный импутер превосходит базовые методы (carry-forward) при умеренных сдвигах параметров, а калибровка сохраняет устойчивость даже при наличии дополнительных переменных шума. Применение метода на кастомной модели для пациентов с буллезным эпидермолизом показало, что феноменологическая модель успешно воспроизводит траектории пациентов на основе разреженных данных. Данная разработка имеет высокую значимость для персонализированной медицины и моделирования патологий с ограниченным объемом данных.

В исследовании, опубликованном в журнале 'Artificial Intelligence in Medicine', авторы предлагают инновационный метод борьбы с алгоритмической предвзятостью при анализе рентгенограмм грудной клетки. Основная проблема современных ИИ-систем заключается в том, что они могут опираться на нерелевантные признаки (например, маркеры оборудования или демографические особенности), что ведет к ошибкам в диагностике. Исследователи Xinwei Lai и коллеги разработали архитектуру на основе обучения распутанных представлений (disentangled representation learning), которая позволяет разделить клинически значимые признаки патологий и мешающие факторы (confounders). Методология направлена на создание дебайасированных признаков, что обеспечивает более высокую точность и справедливость (fairness) моделей при работе с различными группами пациентов. Результаты демонстрируют, что предложенный подход существенно снижает риск ложноположительных и ложноотрицательных диагнозов, вызванных систематическими ошибками в данных. Данная работа имеет критическое значение для внедрения ИИ в клиническую радиологическую практику, гарантируя надежность автоматизированной диагностики.

Исследование посвящено изучению причин анемии у молодых женщин и разработке мобильного приложения на базе ИИ для скрининга и управления состоянием. Разработанная модель машинного обучения показала точность 74,39%, что выше точности традиционной диагностики (71%) в рамках данного исследования.

В данном исследовании представлена инновационная двухэтапная программная платформа для прогнозирования белок-белковых взаимодействий (PPI), что является критически важной задачей молекулярной биологии. Авторы предлагают отойти от традиционного ручного проектирования признаков, используя автоэнкодер на базе одномерной сверточной нейронной сети (1D-CNN) для автоматического извлечения скрытых представлений из белковых последовательностей. В рамках методологии полученные латентные признаки объединяются с классическими признаками на основе частоты аминокислот, формируя гибридный набор данных. Для оценки эффективности применялась процедура вложенной перекрестной проверки (nested cross-validation). Результаты показали, что интеграция глубокого обучения признаков значительно повышает точность моделей по сравнению с использованием только частотных характеристик. Итоговая модель на базе классификатора случайного леса (Random Forest) продемонстрировала высокую эффективность, достигнув среднего показателя AUC-ROC 0,91 и F1-меры на тестовой выборке 0,87. Данный подход открывает новые возможности для ускорения биомедицинских исследований за счет снижения зависимости от трудоемких экспериментальных методов.

Исследование посвящено решению критической проблемы клинической генетики — интерпретации миссенс-вариантов неопределенного значения (VUS). Авторы представляют новый количественный показатель — среднюю силу доказательств (mean evidence strength, MES), который позволяет оценивать вычислительные предикторы эффекта вариантов (VEP) и мультиплексные анализы (MAVE) в соответствии с руководствами ACMG/AMP. В ходе работы с использованием фреймворка acmgscaler было проведено калибрование 12 популяционных VEP для 367 генов заболеваний и проанализировано 15 наборов данных MAVE. Результаты показали, что традиционная метрика AUROC не всегда коррелирует с реальной клинической ценностью: MAVE продемонстрировали высокий средний показатель MES, несмотря на более низкий AUROC по сравнению с некоторыми VEP. В частности, предиктор CPT-1 показал наивысший MES и обеспечил наиболее значительный объем калиброванных доказательств для наибольшей доли VUS из базы ClinVar. Предложенный фреймворк MES предоставляет практический инструмент для оценки того, насколько эффективно ИИ-модели и экспериментальные данные могут использоваться для принятия клинических решений.

В исследовании представлен IDBSpred — новый метод на основе последовательностей для предсказания сайтов связывания внутренне неупорядоченных белков (IDP) на структурированных белках-партнерах на уровне отдельных аминокислотных остатков. Методология включает использование эмбеддингов последовательностей, полученных с помощью мощной языковой модели белка ESM-2, в качестве входных данных для классификатора на базе многослойного перцептрона (MLP). Для обучения и тестирования использовалась база данных DIBS, содержащая более 700 нередундантных комплексов IDP-белок. Исследование выявило, что сайты связывания обогащены ароматическими остатками (Trp, Tyr, Phe) и полярными заряженными аминокислотами, при этом наблюдается дефицит Ala и малых конформационно ограниченных остатков. Разработанный классификатор показал высокую эффективность с показателем ROC AUC 0.87 и средней точностью (average precision) 0.61. Результаты структурных исследований подтвердили, что предсказанные сайты в значительной степени соответствуют экспериментально определенным интерфейсам связывания. Данный инструмент предоставляет практическую основу для изучения интерфейсов, опосредованных IDP, и идентификации потенциальных терапевтических мишеней (hotspots).

В статье представлен HiCPEP — новый эвристический алгоритм, предназначенный для ускорения идентификации A/B хроматиновых компартментов в данных Hi-C. Традиционный метод анализа главных компонент (PCA) становится вычислительно затратным при работе с высокоразрешающими данными, поэтому авторы предложили метод, который оценивает знак и относительную величину первой главной компоненты (PC1) напрямую из матрицы ковариации Пирсона. Алгоритм может работать как с плотными матрицами для быстрого приближения, так и с разреженными матрицами (O/E) для минимизации использования оперативной памяти. Исследование показало, что HiCPEP позволяет использовать случайную выборку для ускорения процесса без существенной потери точности. Бенчмарки подтвердили, что HiCPEP обеспечивает высокую схожесть с эталонными векторами PC1, полученными стандартным методом PCA, при значительном снижении временных и аппаратных затрат. Данный инструмент представляет высокую ценность для биоинформатиков, работающих с крупномасштабными геномными данными.

В статье представлен HESTIA (Histology-Enhanced Scalable cross-Resolution inTegration for spatial trAnscriptomics) — инновационный мультимодальный алгоритм, разработанный для анализа крупномасштабных данных пространственной омики. Основная проблема текущих методов заключается в огромных объемах данных и высокой разреженности транскриптомных данных при переходе к субклеточному уровню, что вызывает дефицит памяти у существующих систем. HESTIA решает эту задачу за счет оптимизации вычислений, позволяя обрабатывать массивы данных, недоступные для других алгоритмов. Исследование показало, что метод превосходит текущие аналоги по точности кластеризации и пространственной непрерывности, обеспечивая четкое разграничение структурных границ тканей. При применении алгоритма к патологическим образцам легких и колоректального рака удалось успешно картировать внутриопухолевую гетерогенность и идентифицировать специфические иммунные микроокружения. Данная разработка имеет критическое значение для прецизионной диагностики и понимания механизмов развития онкологических заболеваний на молекулярном уровне.

В данной работе представлен DiscrimAlign — новый статистический метод для оптимизации параметров выравнивания биологических последовательностей с использованием дискриминативного обучения. Традиционные подходы к оценке матриц замещения и штрафов за пропуски часто не ориентированы на задачи классификации, что снижает точность биоинформатического анализа. Авторы предложили модель, которая связывает оценку выравнивания пары последовательностей с бинарным меткой через логистическую функцию, обучаясь методом максимизации правдоподобия. В ходе исследования метод был протестирован на задачах предсказания взаимодействий микроРНК с мишенями. Результаты показали, что DiscrimAlign демонстрирует точность, сопоставимую с современными нейросетевыми классификаторами, при этом обладая значительно более высокой интерпретируемостью параметров. Разработчики подчеркивают, что такой подход позволяет более эффективно проводить поиск гомологов и картирование чтений, сохраняя при этом математическую прозрачность процесса.

В данной научной работе представлена новая методология прогнозирования аффинности взаимодействия лекарственных соединений с биологическими мишенями (DTA), которая учитывает пространственную организацию молекул (стереохимию). Авторы указывают на критический недостаток существующих моделей, которые полагаются только на связность атомов и игнорируют хиральность, что приводит к ошибкам при анализе энантиомеров — молекул с идентичным составом, но разной трехмерной структурой. Предложенный фреймворк использует графовую нейронную сеть с передачей сообщений по направленным связям (directed-bond message passing GNN) для захвата конфигураций энантиомеров, в сочетании с эмбеддингами белковых последовательностей. Экспериментальная проверка на наборе данных Davis подтвердила улучшение точности прогнозирования аффинности. Особую значимость представляет кейс-стади на специально подготовленном наборе данных энантиомеров: модель успешно разделила их показатели аффинности в соответствии с экспериментально наблюдаемой биологической активностью. Это делает метод перспективным инструментом для более точного и химически достоверного дизайна лекарств в рамках компьютерного моделирования (in silico).

В статье представлен MoCoO — инновационный модульный фреймворк, предназначенный для анализа данных секвенирования РНК единичных клеток (scRNA-seq). Архитектура объединяет вариационный автоэнкодер (VAE), нейронные обыкновенные дифференциальные уравнения (Neural ODE) и метод Momentum Contrast (MoCo), дополненные этапом уточнения через Flow Matching (FM). Исследование, проведенное на 20 наборах данных scRNA-seq, показало, что синергия ODE и MoCo позволяет эффективно моделировать как дискретную идентичность типов клеток, так и непрерывные траектории их развития. Результаты тестов подтверждают превосходство модели: комбинация VAE+ODE+MoCo+FM достигла лучших показателей по метрикам ASW (0.257) и DAV (1.359), а полная версия MoCoO показала лучшие результаты по DRE (0.678), DREX (0.660) и CAL. Использование Flow Matching позволило улучшить качество эмбеддингов в 92% случаев (по метрике DREX). Разработанный метод успешно применяется для аннотации клеток, количественной оценки неопределенности и обнаружения ветвлений в процессах дифференцировки, обеспечивая высокую корреляцию псевдовремени с каноническими маркерными генами.

В исследовании представлен новый алгоритм LAML-Pro, предназначенный для совместного вывода генотипов клеток и реконструкции деревьев их происхождения (филогений). Традиционные методы разделяют процесс на идентификацию мутаций и построение дерева, что приводит к накоплению ошибок: например, при использовании флуоресцентной визуализации частота неверных генотипов достигает 25-50%. Авторы разработали модель Probabilistic Mixed-type Missing Observation (PMMO), которая учитывает процессы редактирования генома и ошибки наблюдения одновременно. Благодаря использованию разреженности переходов в модели PMMO, LAML-Pro способен обрабатывать данные тысяч клеток менее чем за один час. Тестирование на симулированных данных показало значительное превосходство над существующими методами в точности реконструкции. При применении к реальным данным систем отслеживания линий на основе визуализации, алгоритм позволил снизить количество ошибок генотипирования в 5 раз и обеспечил более высокую пространственную когерентность деревьев клеточных линий.