нейробиология

Исследование посвящено анализу механизмов работы белковых языковых моделей (PLM), таких как ESM-2 (650 млн параметров) и мультимодальная ESM-3 (1,4 млрд параметров). С помощью разреженных автоэнкодеров (SAE) ученые обнаружили, что 78% выученных признаков между этими разными архитектурами конвергируют, что значительно превышает уровень случайного совпадения (14,2%). Эти общие признаки несут основную функциональную информацию: их AUROC для предсказания функциональных сайтов составляет 0,925, в то время как уникальные для конкретной архитектуры признаки показывают лишь 0,661. Установлено, что структурные токены в ESM-3 не создают новый словарь признаков, а скорее «затачивают» существующий, делая его более биологически информативным (134 обогащенных термина GO против 29). Анализ механизмов внимания выявил конкретную геометрическую голову (L0H7), которая служит «бутылочным горлышком» для поступления структурной информации; ее абляция меняет предсказания вторичной структуры у 40% остатков. Работа доказывает существование общего биологического словаря, который модели находят независимо от модальностей обучения.

Компания Tempus AI, лидер в области применения искусственного интеллекта для прецизионной медицины, объявила о расширении партнерства с фармацевтическим гигантом Bristol Myers Squibb (BMS). Основная цель сотрудничества заключается в использовании передовых алгоритмов ИИ и мультимодальных данных реальной клинической практики (real-world data) для оптимизации процесса разработки лекарственных препаратов. Проект будет сфокусирован на двух критически важных терапевтических областях: онкологии и нейробиологии. Благодаря интеграции технологических решений Tempus, компания BMS планирует повысить вероятность успеха клинических испытаний и ускорить вывод новых методов лечения на рынок. Использование мультимодальных данных позволит более точно подбирать пациентов для испытаний и прогнозировать эффективность терапии на основе глубокого анализа биологических и клинических параметров. Это сотрудничество знаменует собой важный шаг в интеграции ИИ в современные процессы фармацевтической разработки.

Разработана гибридная мультимодальная нейросеть, сочетающая классические CNN и квантовые вариационные схемы для диагностики болезни Паркинсона по рисункам спиралей и клиническим данным. Модель показала высокую точность (до 97.28%) и обеспечивает интерпретируемость результатов с помощью Grad-CAM и анализа чувствительности.

В статье представлена гибридная нейросетевая архитектура (HDNN) для классификации нейродегенеративных заболеваний на основе данных МРТ. Использование методов ConvNeXt, MaxViT и механизмов Cross-Fusion Attention позволило достичь точности 97,4%, а применение Grad-CAM++ обеспечивает интерпретируемость результатов для клинического применения.

Анонс ежегодного собрания Общества ядерной медицины и молекулярной визуализации (SNMMI), которое пройдет в мае-июне 2026 года. Программа охватывает новейшие исследования в области тераностики, онкологии, кардиологии и технологий визуализации.

В данном исследовании рассматриваются подходы к интерпретации экспрессии генов для определения клеточной идентичности и активных молекулярных программ. Авторы фокусируются на микроглии — типе клеток, характеризующемся высокой транскриптомной, функциональной и морфологической гетерогенностью. В работе проводится сравнительный анализ двух методов анализа единичных клеток: дифференциальной экспрессии (для определения идентичности) и анализа сетей коэкспрессии (для выявления молекулярных программ). Результаты показывают, что анализ сетей коэкспрессии позволяет идентифицировать высокозначимые функциональные онтологии, которые не обнаруживаются при стандартном анализе дифференциальной экспрессии. Выявленные модули коэкспрессии сохраняются в различных транскриптомных наборах данных, что указывает на существование сократимых функциональных программ, активирующихся в зависимости от контекста. Исследование обосновывает использование анализа коэкспрессии как наиболее эффективного метода для описания функций микроглии через модель параллельных молекулярных программ.

В исследовании представлен инновационный биоинформатический фреймворк для поиска новых лекарственных средств против болезни Альцгеймера, нацеленных на фермент BACE1. Авторы объединили мета-ансамблевый QSAR (пять древовидных классификаторов с отпечатками ECFP4), структурный докинг и веса взаимодействий остатков, направляемые белковой языковой моделью ESM-1b. В ходе скрининга 16 196 структурно разнообразных соединений было выявлено 153 активных вещества с высокой точностью (ROC-AUC 0.920), которые после фильтрации ADMET-профилирования были сокращены до 111 лекарственно-подобных кандидатов и 7 приоритетных соединений. Молекулярно-динамическое моделирование длительностью 200 нс подтвердило стабильность связывания наиболее перспективного соединения (Mol-2) в каталитическом кармане BACE1, обеспечив взаимодействие с каталитической диадой (ASP32 — 98%, ASP228 — 99%). Разработанный метод продемонстрировал исключительную устойчивость к параметрическим неопределенностям (Spearman rho = 0.998) и может служить переносимой платформой для поиска терапии сложных нейродегенеративных заболеваний.

В данной статье исследуется разработка инновационного «цифрового двойника» на основе физически информированных нейронных сетей (PINNs) для моделирования церебрального кровотока. Исследователи стремятся объединить глубокое обучение с фундаментальными законы гемодинамики, чтобы предсказывать регуляцию церебральных сосудов с высокой точностью. Методология включает интеграцию уравнений Навье-Стокса и физических ограничений непосредственно в архитектуру нейросети, что позволяет модели учитывать биологические и физические параметры сосудистого русла. Ключевым результатом является способность системы моделировать сложные изменения кровотока в ответ на различные физиологические стимулы, что потенциально превосходит традиционные численные методы по скорости и точности. Данная технология имеет критическое значение для персонализированной медицины, позволяя прогнозировать риски инсульта и другие сосудистые патологии мозга. Внедрение таких цифровых двойников в клиническую практику может значительно улучшить мониторинг состояния пациентов и планирование нейрохирургических вмешательств.

Компания GATC Health использовала ИИ-платформу Operon для поиска новых мишеней и дизайна молекул, способных бороться с опиоидной зависимостью. Разработанное соединение GATC-1021 успешно снизило тягу к фентанилу у подопытных животных без побочных эффектов, демонстрируя потенциал для ускорения разработки лекарств.

Исследование опубликовано в журнале npj Digital Medicine 28 марта 2026 года и посвящено изучению эффективности аудио-визуальных стимулов в диапазоне альфа- (8-12 Гц) и тета- (4-8 Гц) мозговых волн для снижения стресса и эмоционального выгорания. Работа выполнена в специальной отражающей камере, где участники подвергались воздействию синхронизированных световых и звуковых импульсов, предназначенных для индукции релаксационных состояний мозга. Методология включала рандомизированное контролируемое исследование с оценкой физиологических маркеров стресса (кортизол, вариабельность сердечного ритма) и психологических показателей (шкалы воспринимаемого стресса, выгорания). Ключевые результаты показывают статистически значимое снижение уровня стресса сразу после вмешательства, с эффектом, сохраняющимся в течение последующих часов. Исследование демонстрирует потенциал цифровых нейроинтервенций как немедикаментозного подхода к управлению стрессом в клинической и рабочей практике. Работа представляет собой пример применения технологий цифровой медицины для ментального здоровья, что соответствует направлению ИИ-ассистированных терапевтических вмешательств.