онкология

В исследовании представлен RIPPLE (Replicate-Aware Inference of Paracrine Profiles via Likelihood Estimation) — новый программный пакет на языке R, предназначенный для анализа пространственной транскриптомики. Инструмент позволяет систематически декодировать межклеточные сигнальные пути, выявляя гены, экспрессия которых меняется в зависимости от расстояния до конкретного типа клеток. При тестировании на наборе данных 10x Xenium (мышиный лимфатический узел) алгоритм успешно восстановил каноническую программу ответа CCL21 в Т-клетках и подмножествах дендритных клеток с полной согласованностью знаков во всех образцах. В ходе анализа когорты немелкоклеточного рака легкого (CosMx) RIPPLE идентифицировал 515 генов градиента близости к опухоли, охватив 17 типов клеток. В частности, метод выделил IGFBP5 как ведущий маркер рак-ассоциированных фибробластов. Данная разработка предоставляет исследователям ранжированные списки паракриновых кандидатов, что критически важно для понимания микроокружения опухолей и разработки новых терапевтических стратегий.

В исследовании представлен новый вычислительный метод для анализа аллостерической коммуникации в белках, основанный на комбинаторном разложении Ходжа. Авторы применили этот подход к динамической модели гауссовской сети (dGNM), чтобы разделить поток энтропии переноса на три компонента: градиентный (глобальная иерархия от источника к стоку), роторный (локальная циркуляция) и гармонический (масштабные полости). На примере дикого типа белка KRAS и десяти его онкогенных вариантов (включая G12D, G12C, Q61R и др.) было доказано, что информационный поток является преимущественно иерархическим: градиентный член составляет 97,5–98,4% всего потока во всех протестированных вариантах. Исследование выявило, что мутации не меняют общую структуру потока, но перемещают основные источники аллостерических сигналов из гипервариабельной области С-конца в ядро обработки нуклеотидов и механизмы переключателей Switch I/II. Метод позволяет без введения дополнительных параметров на уровне отдельных аминокислотных остатков определять, как мутации различных механизмов перераспределяют пути передачи сигналов, что критически важно для понимания патогенеза рака.

Исследование посвящено изучению механизмов переключения изоформ РНК при карциноме Гюртля (HCC) — агрессивной форме рака щитовидной железы. Авторы провели реанализ набора данных NCBI GEO (GSE228870, n = 32), используя биоинформатические инструменты Salmon и IsoformSwitchAnalyzeR для выявления структурных изменений транскриптов. В ходе работы было обнаружено 371 переключение изоформ в 335 генах, что приводит к потере белковых доменов, укорочению открытых рамок считывания (ORF) и изменению субклеточной локализации белков. Наиболее значимые изменения зафиксированы в генах LAMA2, LSP1, MAD2L2, FBLN2 и CXCL12, что указывает на дисрегуляцию внеклеточного матрикса, иммунного сигналинга и ответа на повреждение ДНК. Установлено, что специфические изоформы LAMA2 и MAD2L2 отсутствуют в здоровой ткани щитовидной железы, что делает их потенциальными маркерами опухоли. Исследование впервые систематически описывает дисрегуляцию на уровне изоформ при HCC, выделяя альтернативное использование сайтов терминации и старта транскрипции как ключевые механизмы патогенеза.

Исследователи представили Human Developmental Lung Cell Atlas (HDLCA) — масштабный курируемый атлас респираторной системы, объединяющий 253 набора данных из 225 исследований. Проект охватывает более 18 миллионов клеток, полученных из 3 198 образцов 2 460 человек, охватывая 34 анатомические локации в состоянии здоровья и при патологиях. В ходе работы было определено 142 консенсусных типа клеток легких, включая 13 редких и 8 ранее не описанных типов. Ключевым открытием стало обнаружение редкой популяции промежуточных прогениторных альвеолярных эпителиальных клеток (Int AP), которые обладают транскрипционными признаками как клеток типа AT2, так и AT1. Траекторный анализ показал, что эти клетки возникают из AT2 и секреторных клеток SCGB1A1+, а их специализация регулируется сигнальным путем Hippo-YAP/TAZ. Установлено, что дисфункция Int AP клеток связана с генетической предрасположенностью к идиопатическому легочному фиброзу и ХОБЛ, что делает их потенциальной мишенью для регенеративной терапии. Данный атлас служит фундаментальной базой для картирования клеточного разнообразия и разработки новых стратегий клеточной терапии заболеваний легких.

В исследовании представлен инновационный фреймворк на базе глубокого обучения, предназначенный для автоматизированного анализа видеопотоков контрастно-усиленного ультразвукового исследования (CEUS) при оценке узлов щитовидной железы. Методология фокусируется на извлечении динамических признаков кровотока и текстурных характеристик новообразований для дифференциации доброкачественных и злокачественных поражений. Использование нейросетевых архитектур позволяет значительно повысить точность интерпретации видеоданных по сравнению с традиционными статичными изображениями. Ключевые результаты демонстрируют высокую чувствительность и специфичность алгоритма в выявлении признаков малигнизации, что критически важно для ранней диагностики рака щитовидной железы. Данная технология может быть интегрирована в системы поддержки принятия врачебных решений (СППВР) в отделениях радиологии, снижая риск человеческой ошибки и оптимизируя процесс подготовки к биопсии. Практическая значимость работы заключается в автоматизации сложного процесса анализа динамического контрастирования, что сокращает время диагностики и повышает точность клинических прогнозов.

Представлен Utanos — модульное программное решение (pipeline и R-пакет), предназначенное для анализа данных полногеномного секвенирования малой глубины (sWGS) по типу FASTQ-to-figures. Методология ориентирована на работу с относительно недорогим секвенированием (целевой объем около 15 миллионов чтений), что делает его экономически эффективной альтернативой глубокому WGS для масштабных исследований. Инструмент позволяет эффективно обнаруживать аберрации числа копий (CN), дефицит гомологичной рекомбинации (HRD) и формировать специфические сигнатуры числа копий. Разработка особенно актуальна для неонатальной диагностики и онкологических исследований, включая работу с образцами из блоков FFPE (фиксированных формалином и заключенных в парафин). Технически решение реализовано на базе кроссплатформенного фреймворка Nextflow с поддержкой Docker, что обеспечивает высокую воспроизводимость и стандартизацию выходных данных. Программное обеспечение доступно в открытом доступе на GitHub и подано на включение в экосистему nf-core.

Исследователи представили scOPE (single-cell Oncological Prediction Explorer) — новый метод анализа данных секвенирования РНК единичных клеток (scRNA-seq), предназначенный для выявления драйверных мутаций в опухолях. Основная проблема scRNA-seq заключается в том, что мутации трудно обнаружить из-за отсутствия экспрессии гена или неполного покрытия ридов, в то время как объемные (bulk) исследования дают точный генотип, но теряют клеточную гетерогенность. scOPE решает эту задачу, обучаясь на экспрессионных осях, связанных с драйверами в объемных опухолях, и проецируя на них транскриптомы отдельных клеток. В ходе тестирования 158 моделей драйверов в семи типах злокачественных новообразований было выявлено, что перенос программ экспрессии носит селективный характер. Наилучшие результаты показаны в случаях острых миелоидных лейкозов (AML, NPM1 AUROC 0.971), глиобластомы (IDH1 AUROC 0.963) и рака поджелудочной железы (KRAS AUROC 0.944). Разработанный метод оценки уверенности (confidence score) позволяет эффективно разделять поддерживаемые программы и шум, обеспечивая точность AUROC 0.85 в тестах на AML. Метод scOPE позволяет восстанавливать непрерывные транскрипционные оси, связанные с мутациями, и выявлять злокачественные популяции клеток, которые не видны при анализе только анеуплоидии.

В данном исследовании представлен инновационный метод количественной оценки микроокружения опухоли при колоректальном раке с использованием системы CAMuTILS. Авторы разработали алгоритм, позволяющий детально анализировать пространственную архитектуру и клеточный состав опухолевой ткани, что критически важно для персонализированной терапии. Методология базируется на интеграции цифровой патологии и передовых методов машинного обучения для точного подсчета различных типов иммунных и стромальных клеток. Ключевые результаты демонстрируют, что использование CAMuTILS позволяет значительно повысить точность прогнозирования выживаемости пациентов по сравнению с традиционными методами гистологического анализа. Исследование подтверждает высокую прогностическую значимость специфических паттернов микроокружения, что открывает новые возможности для стратификации рисков в онкологии. Практическая значимость работы заключается в возможности внедрения автоматизированного анализа цифровых слайдов в клиническую практику для оптимизации планов лечения пациентов с колоректальным раком.

Исследование сравнивает эффективность двух мультимодальных моделей (ChatGPT-5.4 и DeepSeek-VL2) в оценке узлов щитовидной железы по шкале C-TIRADS. ChatGPT-5.4 показал более высокие показатели точности и чувствительности, однако обе модели пока не могут использоваться для самостоятельной клинической диагностики.

В статье представлен Phenoverse — инновационный фреймворк глубокого обучения, предназначенный для анализа транскриптомики единичных клеток с целью выявления состояний заболеваний. Методология включает в себя остаточное кодирование с учетом типов клеток, прототипное обучение и агрегацию на основе архитектуры Perceiver. Исследователи протестировали систему на массивных когортах данных по COVID-19, болезни Альцгеймера и системной красной волчанке, охватывающих более 5 миллионов клеток. Результаты показали, что модель способна предсказывать состояния заболеваний и определять непрерывный спектр тяжести течения болезни на новых данных, даже если обучение проводилось только на бинарных метках. Важным достижением является высокая воспроизводимость молекулярных программ по сравнению с традиционными методами сравнения групп «случай-контроль». Благодаря прототипному обучению, Phenoverse обеспечивает внутреннюю интерпретируемость, позволяя характеризовать специфические для конкретных типов клеток изменения при патологиях, что критически важно для персонализированной медицины.

Исследование посвящено критическому анализу точности современных предикторов патогенности миссенс-вариантов (таких как AlphaMissense), которые часто ошибочно интерпретируют онкогенные мутации. Авторы протестировали 49 инструментов на базе 768 генов из Cancer Gene Census, используя данные из CIViC, COSMIC и ClinVar. Результаты показали, что 86% инструментов (42 из 49) систематически занижают значимость вариантов gain-of-function (GOF) по сравнению с опухолевыми супрессорами. Это связано с тем, что драйверные мутации часто локализуются в зонах с низкой консервативностью и высокой доступностью растворителю, что не учитывается текущими моделями. В работе предложен метод OncoCal — ансамбль моделей, который повышает показатель AUROC с 0.87 до 0.93 и успешно идентифицирует такие драйверы, как JAK2 V617F. Исследователи предоставляют открытую карту калибровки для каждого гена, что позволяет адаптировать существующие ИИ-инструменты для точной клинической интерпретации соматических мутаций в онкологии.

В статье представлен Tx2Mol — инновационный фреймворк, использующий транскриптомные данные для направленного дизайна новых лекарственных молекул. В отличие от традиционных методов, ориентированных на структуру мишени, Tx2Mol переводит сигнатуры экспрессии генов непосредственно в химические структуры, сохраняя биологическую направленность процесса. Исследование проводилось на трех уровнях: массовые изменения экспрессии генов, одноклеточные пертурбации и сигнатуры заболеваний, полученные от пациентов. Результаты тестирования на 10 бенчмарках, связанных с онкологией, показали превосходство Tx2Mol над 9 базовыми моделями: среднее улучшение максимального сходства Танимото с известными лигандами составило 24,10%, а для мишени HDAC1 этот показатель вырос на 50,67%. Система продемонстрировала способность генерировать химически правдоподобные и структурно новые молекулы, которые сохраняют предсказанный биологический ответ даже в условиях зашумленных профилей единичных клеток. Данная технология открывает новые возможности для приоритезации кандидатов в лекарства, основываясь на системном биологическом ответе, а не только на связывании с конкретным белком.

В исследовании применяется метод QTY-кода (замена гидрофобных аминокислот на полярные глутамин, треонин и тирозин) для создания водорастворимых аналогов ключевых мембранных белков вируса Эпштейна — Барр (BILF1, LMP1 и LMP2). Ученые использовали инструменты AlphaFold3, ColabFold и Boltz-2 для предсказания структур, что позволило подтвердить сохранение нативной конформации при значительной модификации последовательности. Результаты показали, что несмотря на замену 54,15%–61,59% аминокислот в трансмембранных доменах, значения RMSD остались крайне низкими (от 0,217 до 1,202 Å), а изменения молекулярной массы составили всего 0,7–1,2 кДа. Разработанные QTY-аналоги обладают существенно сниженной гидрофобностью и склонностью к агрегации, что позволяет проводить исследования без использования детергентов. Данный метод открывает новые возможности для биохимической характеризации белков EBV, которые ранее были труднодоступны из-за их гидрофобности, и может ускорить разработку терапевтических стратегий против связанных с вирусом злокачественных новообразований.

В статье представлена pyfraglib — комплексная программная платформа, предназначенная для глубокого анализа фрагментомики внеклеточной ДНК (cfDNA), включая профили длины фрагментов, показатели защиты (WPS) и мотивы концов фрагментов. Разработчики объединили в одном пакете инструменты для извлечения данных из коротких и длинных чтений секвенирования, статистическое моделирование (с использованием гауссовых смесей и NMF-декомпозиции) и модуль для in silico симуляций. В ходе тестирования на двух симулированных когортах по 20 образцов платформа успешно восстановила заданные различия в характеристиках фрагментов. Практическая значимость подтверждена на наборе из 89 образцов при лимфоме центральной нервной системы (CNSL): авторы разработали комбинированный фрагментомический показатель, объединяющий NMF-сигнатуры и мотивы концов фрагментов. Применение этого показателя на плазме пациентов позволило выявить группу высокого риска с худшей выживаемостью без прогрессирования заболевания (log-rank p=0.0205). Платформа доступна через Python API, интерфейс командной строки и конвейер Nextflow, что делает её мощным инструментом для биомедицинских исследований.

В статье представлен CNVeil — инновационный биоинформатический фреймворк, предназначенный для решения критической проблемы при анализе данных секвенирования единичных клеток (scDNA-seq): перехода от оценки общего числа копий генов к гаплотип-специфичному профилированию. Методология CNVeil включает использование иерархической кластеризации, оценки плоидности с учетом субклонов и алгоритма максимизации ожидания (EM) для анализа гетерозиготных SNP, что позволяет восстанавливать ориентацию гаплотипов через динамическое программирование. В ходе масштабного бенчмаркинга, охватившего 20 симулированных и реальных наборов данных (включая технологии 10x Chromium и ACT), CNVeil превзошел 12 существующих методов по точности сегментации и идентификации субклонов. При тестировании на когорте мультиомных данных рака молочной железы (wellDR-seq) инструмент успешно выявил субклональную диверсификацию, которая оставалась невидимой при использовании стандартных методов анализа общего числа копий. Исследование демонстрирует, что связывание аллель-специфичного числа копий с транскрипционной вариативностью позволяет глубже понять эволюцию опухоли. Данная разработка закрывает методологический пробел в изучении геномной гетерогенности и предоставляет масштабируемый инструмент для прецизионной онкологии.

Исследование посвящено решению критической проблемы идентификации малых и интерпретируемых наборов генов в данных транскриптомики единичных клеток (single-cell RNA-seq). Авторы представляют новый рабочий процесс Sparse Linear Manifold Control (SLMC), предназначенный для реконструкции устойчивых к индивидуальным особенностям доноров траекторий развития заболеваний. Методология SLMC позволяет удалять вариативность, связанную с конкретными пациентами, и выбирать минимальные генные программы, экспрессия которых точно восстанавливает показатель, ориентированный на заболевание. В ходе тестирования на пяти наборах данных человека, охватывающих онкологию и нейродегенеративные заболевания, было установлено, что жадные алгоритмы выбора (greedy methods) превосходят LASSO при ограниченном бюджете генов. Результаты показали, что точная реконструкция достижима всего с использованием 25 генов, что критически важно для клинической интерпретации. Данная работа вносит значительный вклад в развитие биоинформатики и использование ИИ для поиска биомаркеров, обеспечивая высокую устойчивость моделей к межиндивидуальным различиям.

В данном исследовании проведен комплексный биоинформатический анализ гена-супрессора опухолей PALB2, играющего ключевую роль в репарации ДНК через гомологичную рекомбинацию. Используя базы данных TCGA и платформы GEPIA2 и cBioPortal, авторы установили, что экспрессия PALB2 значительно повышена в тканях опухолей молочной железы по сравнению со здоровыми тканями. Анализ белок-белковых взаимодействий (PPI) через STRING подтвердил тесную связь PALB2 с критически важными белками репарации, такими как BRCA1, BRCA2, RAD51 и FANCD2. Несмотря на биологическую значимость, статистический анализ выживаемости (Kaplan-Meier) не показал прямой связи экспрессии PALB2 с общей выживаемостью (HR = 0.88, p = 0.44) или безрецидивной выживаемостью (HR = 0.74, p = 0.11). Мутационный профилирование выявило широкий спектр геномных изменений, включая миссенс-мутации, усекающие мутации и изменения числа копий генов. Работа подчеркивает важность PALB2 в молекулярных путях рака, но указывает на необходимость интеграции других клинических параметров для использования его в качестве самостоятельного прогностического маркера.

Priority Health объявляет о партнерстве с Color Health и Grail для внедрения систем виртуальной навигации пациентов и технологий раннего выявления нескольких видов рака. Инициатива ориентирована на работодателей с самофинансируемыми планами страхования и будет запущена в 2027 году.

Разработана веб-платформа CancerStop.dev для консолидации разрозненных онкологических данных в единый интерфейс. Система использует модули комбинированной регрессии для прогнозирования выживаемости и интегрирует ресурсы для поиска клинических испытаний и геномных данных.