открытое ПО

В статье представлен открытый программный пакет DYNAM-O (Dynamic Oscillation Toolbox) для анализа электроэнцефалограммы (ЭЭГ) сна, который позволяет выявлять индивидуальные нейронные сигнатуры. В отличие от традиционных методов, основанных на предопределенных частотных диапазонах и усреднении, DYNAM-O использует мультитаперные спектрограммы и новую мультиразрешающую процедуру для идентификации транзиторных осцилляций как пиков в частотно-временной области. Для каждого события вычисляются внутренние и внешние (зависящие от стадии сна) признаки, а распределения десятков тысяч пиков представляются в виде гистограмм, отражающих частоту осцилляций, мощность медленных волн и их фазу. Такой подход сохраняет непрерывную вариативность мозговой активности, которая может теряться при усреднении по стадиям сна. Пакет включает методы снижения размерности на основе гауссовых и сплайновых базисов, визуализацию и статистические тесты для анализа гистограмм. Для демонстрации возможностей авторы проанализировали ночные записи ЭЭГ (канал C3) 133 взрослых участников (71 женщина, 72 мужчины, возраст 20–35 лет) из исследования Cleveland Family Study. Анализ подтвердил известное различие в центральной частоте быстрых сонных веретен у женщин и выявил более высокую активность транзиторных осцилляций в низкоальфа-диапазоне у женщин, что выходит за рамки традиционного диапазона веретен. DYNAM-O предоставляет полный цикл анализа — от извлечения пиков до статистического вывода, что делает его доступным и интерпретируемым инструментом для изучения индивидуальной физиологии сна и поиска тонких воспроизводимых электрофизиологических паттернов.

В исследовании представлен MAP (Metabarcoding Analysis Pipeline) — новый программный конвейер с открытым исходным кодом, предназначенный для автоматизации анализа данных метабаркодинга. Разработка ориентирована на решение проблем гибкости существующих инструментов и их плохой совместимости с данными секвенирования длинными прочтениями (long-read sequencing). MAP представляет собой рабочий процесс типа «от последовательности к ответу», который поддерживает анализ ампликонов любой длины и любых генетических маркеров, включая специализированные функции для COI-метабаркодинга. Методология включает использование Docker-контейнеров, что упрощает установку и требует лишь входные данные, файл параметров и референсную библиотеку. Валидация показала, что MAP генерирует оценки биоразнообразия, максимально приближенные к эталонным данным (ground-truth) на основе ДНК-штрихкодирования отдельных экземпляров. В ходе сравнительного тестирования MAP продемонстрировал превосходство над существующими альтернативными платформами при работе с COI-метабаркодингом. Инструмент является бесплатным и доступен для использования через репозиторий GitHub.

Исследование представляет Metadata Collector — специализированную веб-платформу (стек React/API/PostgreSQL), разработанную для решения проблемы хаотичного управления метаданными в проектах секвенирования следующего поколения (NGS). В рамках крупного немецкого исследовательского консорциума платформа была развернута в кластере Kubernetes для обеспечения соответствия принципам FAIR (находимость, доступность, совместимость и возможность повторного использования). Методология включает использование гибких машиночитаемых моделей данных, контролируемых словарей и системы версионирования на основе событий. В ходе эксплуатации система была применена в 32 проектах, охватывающих данные RNA-seq, scRNA-seq, ATAC-seq и мультиомные наборы, обеспечив аннотацию более 700 образцов от различных партнеров. Результаты демонстрируют, что внедрение платформы позволяет автоматизировать сбор данных и минимизировать ошибки ручного ввода, характерные для использования электронных таблиц. Инструмент имеет высокую значимость для организации биомедицинских исследований, так как позволяет интегрировать стандартизированные метаданные в существующие инфраструктуры управления данными и будущие конвейеры автоматизированной подачи в публичные репозитории.

В данной научной работе представлен новый статистический рабочий процесс (workflow) для обнаружения дифференциально представленных аналитов в экспериментах масс-спектрометрической визуализации (MSI) со сложным дизайном. Исследование фокусируется на критических аспектах обработки сигналов, выборе областей интереса (ROI) и методологии статистического анализа для выявления пространственной гетерогенности молекул. Авторы протестировали предложенный метод на гистологических образцах плато большеберцовой кости человека, сравнивая пациентов с остеоартритом и контрольную группу (кадавры), а также на симулированных наборах данных. Результаты демонстрируют, что правильная агрегация признаков и предварительная обработка сигналов позволяют сохранить биологическую релевантность и снизить строгость поправки на множественную проверку гипотез. В статье проводится сравнительный анализ различных статистических моделей и обосновывается важность использования репликации для корректной интерпретации данных. Итогом работы является открытая реализация на языке R, которая позволяет исследователям стандартизировать процесс анализа и проводить расчет необходимого размера выборки для последующих клинических исследований.