В исследовании представлен новый интерпретируемый глубокий генеративный фреймворк под названием ADVISE (Alzheimer's Disease Variational Isolation of Signal Embeddings), разработанный для выделения транскрипционных сигналов, связанных со стадиями Брака при болезни Альцгеймера, из фонового биологического шума. Методология основана на использовании объяснимого искусственного интеллекта (Explainable AI) для разделения латентных представлений, что позволяет изолировать специфические для заболевания изменения от общих клеточных вариаций. Фреймворк был применен к крупномасштабным данным одноядерной РНК-секвенирования префронтальной коры человека, что позволило выявить общие и контекстно-зависимые молекулярные сигнатуры прогрессирования болезни на глобальном уровне, а также с учетом половых различий и типов клеток. Ключевые результаты показали конвергенцию молекулярных программ, включающих синаптическую передачу, стрессовые ответы протеостаза, ассоциированные с HSF1, и аксональную навигацию через путь SLIT/ROBO. Особое внимание уделено гену ROBO2, который был приоритизирован как кандидат, связанный с прогрессированием в возбуждающих нейронах. Экспериментальная валидация с использованием CRISPR-активации в возбуждающих нейронах, полученных из индуцированных плюрипотентных стволовых клеток (hiPSC), продемонстрировала, что активация ROBO2 снижает соотношение фосфорилированного тау-белка к общему тау-белку. Данное исследование демонстрирует высокую эффективность применения объяснимого ИИ для расшифровки сложных молекулярных механизмов нейродегенеративных заболеваний и мост между вычислительными открытиями на уровне одиночных клеток и экспериментальной валидацией потенциальных терапевтических мишеней.