Поучительный график: от основания компании до одобрения первого продукта проходит минимум 10 лет, а может пройти и все 40.

Правда, это не означает, что инвесторы ранних стадий застревают в компании на десятилетия: компания выходит на IPO, становится публичной, и ее акции можно продать

Хорошие новости подвезли в середине недели. Наши соотечественники из ИБГ и ИМБ РАН стали соавторами новой статьи, вышедшей в Nature! Статья посвящена ни много ни мало глобальному фундаментальному вопросу: как организован в пространстве бактериальный геном на примере E. coli. Исследование этого вопроса стало возможным благодаря разработке нового инструмента для изучения пространственной организации генома — Micro-C, который обладает разрешением во всего лишь 10 пар оснований! Статья в открытом доступе, так что читаем обязательно.

Ужасы нашего городка...

В Шанхайском рейтинге 7 российских вузов

В обновлённый Шанхайский рейтинг университетов вошли 7 российских вузов. Всего в списке — тысяча университетов мира.

Лидеры остаются прежними: первое место занимает Гарвард, далее — Стэнфорд и Массачусетский технологический институт. В топ-10 — восемь американских и два британских вуза.

Российские университеты распределились так:
• МГУ им. М. В. Ломоносова — 101–150 место;
• СПбГУ — 401–500;
• МФТИ — 601–700;
• ВШЭ, Сколтех, УрФУ — 801–900;
• НГУ — 901–1000.

Составители рейтинга учитывают качество образования, преподавательского состава, результативность исследователей и академическую производительность.

Ни один из российских университетов не смог улучшить позиции по сравнению с прошлым годом. Для справки: в 2018 году в список входили сразу 12 российских вузов — тогда это был лучший результат.

С вами снова рубрика "как проект 5-100 трансформировал мышление университетских команд"

Зоопарк продолжает наблюдение и сообщает, что в УрФУ никто и не думал останавливать цирк с публикационной активностью. Не меньше одной трети от всех публикаций университета за текущий год по-прежнему выдают сомнительные иностранные учёные из Индии и Египта, пишущие десятки и сотни статей в год на самые разные темы. Никаких объяснений такой продуктивности, помимо банальной покупки места в статьях, я не вижу.

Передовиком производства остаётся некий А. Кумар, который успел опубликовать 236 статей только за 2025 год, в то время как всего с аффилиацией УрФУ вышла 1571 публикация. Смешно, но на сегодняшний день А. Кумар является самым результативным ученым вообще во всей России, хотя в 2022 году у него было всего 5 публикаций.

Менее смешно, что по положению о стимулирующих выплатах УрФУ господин Кумар и компания должны получать просто фантастические деньги от университета. Все они являются единственными соавторами из России в своих статьях, и поэтому должны получать премии единолично, а это 120, 200 или 240 тысяч рублей за одну публикацию в хорошем журнале, в зависимости от уровня. По положению премия сверху не ограничена.

Путём нехитрых вычислений можно оценить, что на премирование иностранных передовиков может уходить порядка 100 млн. рублей в год, в том числе 20-30 млн. одному только Кумару.

Даже не знаю, что тут ещё комментировать. В целом научное сообщество не одобряло и куда более травоядную практику, когда университеты покупали аффилиации у сотрудников институтов РАН дабы повысить свою публикационную активность. Но это можно было рассматривать как извращённую поддержку российских учёных. А уж как выплаты многостаночникам из Индии и Египта способствуют развитию российской науки в целом и УрФУ в частности, остаётся неразрешимой загадкой. Более сложная загадка только одна — почему это продолжается и никак не комментируется ни университетом, ни министерством.

наговорил. Те же 🥚🥚, только сбоку. Впрочем, есть и новое. За заголовок не отвечаю
https://www.youtube.com/watch?v=8ZePHk-3jl4

Наша публикация об AI-агентах

C гордостью сообщаю, что наша статья об AI-агентах для конкурентного анализа в биофарме опубликована на arXiv! Конкурентный анализ — одна из самых трудоемких частей фармацевтического due diligence. Процесс, который раньше занимал несколько дней, теперь можно автоматизировать и сократить до 2-3 часов. Агентам пока нельзя доверять самостоятельное принятие решений, но они уже стали большим подспорьем в ежедневной деятельности.

В статье наши агенты сравниваются с "обычными" LLM, и выигрывают у них, особенно в случае сложных задач. Команда LanceBio предоставила материалы для обучения агентов и оценивала их работу.

Это лишь начало: мы постоянно улучшаем качество агентов. Наша цель — создать гибких и надежных помощников для любых аспектов работы с биофармацевтическими данными, от отслеживания множества проектов до проведения глубокого due diligence.

Подписывайтесь на канал и пишите мне, чтобы инвестировать вместе!

Какие культурные пошли граффити!

Как всё-таки Москва похорошела при Собянине.

📰 О нашей конференции «ИИ в химии и материаловедении» написали ТАСС и РАН!

Конференция отмечена как ключевая площадка для обсуждения цифровой трансформации в науке, где встретятся учёные, индустрия и стартапы.

📖 Подробнее: ТАСС | РАН

✨ И это только начало 🚀

МедХимики против ИИ🔥 #full


▪Почему ИИ — это как безалкогольное пиво? Вроде бы похоже на настоящее, а эффекта нет.
▪ Как начинающие дата-сайентисты «варят суп» из открытых данных и получают модели с «оху....ми метриками», но нулевой валидностью.
▪ Почему медицинские химики «нервно курят в сторонке», но продолжают держать фронт?
▪ Как ИИ генерит гусеничек, черепашек и яды против тараканов.
▪ Почему крупнейшие фармкомпании вроде Bayer, AstraZeneca и даже журналы с высоким импакт-фактором порой публикуют откровенно мусорные генерации?
▪ Как появился Даклатасвир — и мог ли ИИ сделать такое? (Спойлер: нет, но история шикарная!)
▪ Почему MCF (медхимические подструктурные фильтры) важны для фильтрации структур с потенциальной токсичностью, метаболической нестабильностью и неспецифичным связыванием!

⏳ Команда исследователей AIRI и Сколтеха представила первую в мире открытую платформу для объективного сравнения алгоритмов выявления биологического возраста — так называемых «часов старения».

Они могут использоваться для оценки эффективности новых препаратов в омоложении организма (например, метформина или семаглутида), кластеризации пациентов по рискам и мониторинга здоровья в клинических исследованиях, а также изучения фундаментальных механизмов старения.

Биологический возраст — это интегральная метрика здоровья человека, которая может отличаться от паспортного возраста. Если биологический возраст выше хронологического, это указывает на повышенные риски заболеваний и смертности. Сейчас такие метрики рассчитываются с помощью различных моделей, основанных на данных эпигенетики, транскриптомики, анализов крови и других источников. Однако до сих пор в науке не существовало единого эталона для их сравнения.

Авторы работы собрали более 17 000 образцов метилирования ДНК из 104 исследований, охватывающих 19 предполагаемых состояний, ускоряющих старение, унифицировали данные и создали основу для систематической оценки алгоритмов. В исследовании были протестированы 13 наиболее популярных моделей «часов старения», включая разработки ведущих лабораторий США и Европы.

Дмитрий Крюков, руководитель группы исследования биомаркеров лаборатории «Сильный ИИ в медицине» Института AIRI, младший научный сотрудник Центра молекулярной и клеточной биологии Сколтеха: «Теперь ученые и компании по всему миру могут объективно выбирать и улучшать алгоритмы, а значит, мы приблизились к тому, чтобы биологический возраст стал реальным инструментом медицины будущего».

Узнать, какая модель была признана лучшей, а также найти код, набор данных и ссылку на научную статью, посвящённую разработке бенчмарка, можно здесь.

В Китае всерьез взялись за проблему старения: запускают проект X-Age, направленный на сбор мультимодальных данных по китайской популяции для оценки факторов биологического возраста. Много разных биомаркеров, геномика, эпигеномика, транскриптомика, протеомика, метаболомика, визуализация — для создания часов старения.

“Используя передовые высокопроизводительные технологии и алгоритмы машинного обучения, проект стремится раскрыть сложное взаимодействие молекулярных путей, участвующих в старении. Эта интегративная стратегия не только повышает чувствительность и специфичность полученных часов старения, но и позволяет обнаружить новые биологические сигнатуры, которые могут не обнаруживаться при унимодальном анализе. Такой комплексный подход выводит данную область за рамки традиционного поиска биомаркеров в область предиктивной и персонализированной аналитики старения”.

На этом фоне вышел обзор по биомаркерам старения человека и нечеловекообразных приматов, от того же Biomarkers of Aging Consortium, который запускает X-Age.

#molbiol | #therapy

Ну, отпуск закончился. Пора делать эксперименты.

Одной из концепций современной эволюционной биологии являются т.н. главные эволюционные переходы — моменты, когда ранее независимые единицы, такие как гены или клетки, объединяются, формируя новый, более сложный уровень организации (примерами таких переходов эволюционные биологи называют объединение независимых репликаторов в хромосомы, переход от мира РНК к миру ДНК и белков, переход от эукариот к прокариотам, появление многоклеточных организмов и т.д.). Пол Рейни (Институт эволюционной биологии Макса Планка) и Майкл Хохберг (Университет Монпелье) в своей статье в журнале PNAS выдвинули смелую концепцию, согласно которой углубляющаяся взаимозависимость между человеком и искусственным интеллектом может представлять собой следующий такой переход, ведущий к возникновению нового эволюционного индивида — единого человеко-машинного целого.

Статья описывает три условия, которые способствуют такому слиянию. Во-первых, социальные структуры: ИИ уже глубоко встроен в ключевые аспекты жизни (образование, финансы, здравоохранение, отношения). Он наследуется не биологически, а культурно и институционально — дети наследуют от родителей не только устройства, но и алгоритмы, формирующие их поведение, что создает новую "среду обитания". Во-вторых, обратная связь: возникает петля взаимного влияния, где люди обучают ИИ, а ИИ, в свою очередь, формирует человеческое мышление, язык и действия. Например, ИИ-модели генерируют текст, который становится новым стандартом языка, на котором затем обучаются следующие модели ИИ, создавая взаимозависимость. В-третьих, обязательная зависимость: по мере того как ИИ становится незаменимым для памяти, навигации и принятия решений, люди могут утратить способность функционировать без него. Отбор будет благоприятствовать тем индивидам, которые лучше интегрированы с ИИ и эффективнее используют его. Последнее утверждение вызывает у меня большие сомнения. Я убеждён, что всё в точности наоборот, наиболее успешными будут те люди, которые в условиях всеобщей деградации когнитивных способностей и роста зависимости от ИИ сохранят навыки независимого мышления.

Хотя в целом характер самой статьи носит спекулятивный характер, она является любопытным примером того, как принципы и концепции, заимствованные из биологии, могут быть использованы для изучения социально-экономических процессов. Авторы считают, что результатом этого процесса будет уменьшение человеческой автономии, и предупреждают о рисках потери контроля при переходе ИИ от управляемого, «ламарковского» развития (направляемого человеком) к непредсказуемой «дарвиновской» эволюции (самостоятельной и конкурентной). Цифровизация может иметь как положительный характер, так и регрессивный характер, угрожая реализацией самых мрачных антиутопий.

За ссылку на статью благодарю одного приятеля из Англии. Люди работают. 😏

Это не совсем трансгуманизм, т.к. прямого призыва к технологической трансформации человека зднсь нет, авторы скорее рассматривают существующее взаимодействие человека и цифровых технологий как уже существующий "симбиоз", описывая возможные сценарии его дальнейшей эволюции как независимый от человека процесс, а не как желаемый результат, к которому следует целенаправленно стремиться.

Хотя, конечно, сомнительные пассажи о том, что люди, более эффективно использующие ИИ, будут более успешны с точки зрения естественного отбора, отдают трансгуманистическим душком.

Не люблю Новый Арбат, но дом книги позволяет мириться с его существованием.

Учёные из Калифорнийского университета обнаружили, что уровень белка FTL1 в мозге повышается с возрастом и буквально мешает работе гиппокампа — области, отвечающей за обучение и воспоминания.

У мышей повышение FTL1 приводило к потере синапсов и ухудшению памяти, а снижение его уровня возвращало когнитивные функции на уровень молодых животных.

Более того, исследователи нашли способ частично компенсировать вредное действие FTL1 с помощью метаболического соединения NADH — это помогло восстанавливать работу нейронов

Гуляя по Ленинскому проспекту, обнаружил, что здесь, в 60-ые гг. жил сын известного художника и мистика, востоковед и разведчик Юрий Рерих.

За это и люблю Ленинский проспект. Куча старых НИИ, музеев, лабораторий, квартир великих учёных и т.п.. А в его дворах обязательно найдётся какая-нибудь вывеска "клуба любителей африканской энтомологии им. 50-летия СВР" или "Кружка ветеранов фольклористики народов Севера при институте Прикладной геофизики им. Кристобаля Хунты". При попытке узнать о них что-то подробнее, на улице в тот же день хватает за руку безумный попрошайка в клетчатом костюме и кричит: Дай миллион! Дай миллион! А на следующий день вывеска исчезает.

Подобного рода новости напоминают нам о том, каким сложным механизмом является старение, и как наивны надежды найти одно универсальное лекарство для лечения старения. Про удлинение теломер все слышали.

Но кроме удлинения теломер нужно ещё внести кучу изменений в организм, чтобы защитить его от старения:
1. Повысить эффективность защиты от мутагенеза;
2. Снизить уровень воспаления;
3. Снизить уровень окислительного стресса;
4. Снизить степень перекисного окисления липидов;
5. Повысить устойчивость к возрастной нейродегенерации;
6. Блокировать активность транспозонов;
7. Повысить стабильность генома;
8. Повысить стабильность протеома;
9. Контролировать сплайсинг РНК;
10. Снизить активность пути инсулина;
11. Обеспечить более эффективную аутофагию;
12. Активировать метаболизм липидов;
13. Снизить клеточное старение;
14. Поддерживать нормальную функцию кроветворной системы.

На любой из этих стадий можно случайно включить онкологию.

Ну, и стоит заметить, что все эти факторы зависят не от физического времени, а от образа жизни. Люди сдают кровь на теломеры, измеряют биологический возраст, капают себе всё новые и новые "волшебные" препараты в погоне за молодостью, а вот наладить режим дня, здоровое питание и прочие простые вещи не могут.

В волшебную таблетку по-прежнему верить проще.

В прошедшую пятницу профессор Джон Иоаннидис из Стэнфордского университета опубликовал обновленный рейтинг (с учетом 2024 года) по цитированиям на работы ведущих мировых ученых, входящих в top-2% по числу цитирований в Scopus. Рейтинг вычисляется на основе нормированных показателей для данной области науки, без учета самоцитирований. Всего ученых в опубликованных таблицах более 200 тысяч, по каждому представлены подробные наукометрические данные:

https://elsevier.digitalcommonsdata.com/datasets/btchxktzyw/8

Эту работу Иоаннидис ведет с 2019 года, так что он публикует эти таблицы уже в восьмой раз. Таблицы очень громоздкие, но для нас интересны, в первую очередь, данные по российским ученым. Если смотреть на результаты за всю научную карьеру, то всего в рейтинг входит 1069 российских ученых; для удобства привожу данные по ним в следующем файле:

https://disk.yandex.ru/i/i51WY6MgZ9QbPA

Здесь надо сделать замечание, что принадлежность ученого к той или иной организации определяется аффилиацией в последней по времени статье, так что традиционно в таблицах якобы российских ученых фигурирует определенное число «варягов», которые так или иначе аффилиированы с российской организацией, и в их последней по времени публикации указана эта аффилиация. Впрочем, число таких варягов в таблицах по результатам 2024 года существенно сократилось. Пожалуй, это наиболее заметное изменение по сравнению с рейтингом по результатам 2023 года.

Думаю, что другие коллеги смогут более детально проанализировать те тенденции, которые следуют из обновленного рейтинга наиболее цитируемых российских ученых. А я хотел бы поздравить тех, кто впервые вошел в этот престижный рейтинг.

В начале этого года я здесь описывал исключительно успешный китайский ИИ-инструмент DeepSeek. Так же, как и ChatGPT он основан на большой языковой модели, при этом на его обучение были затрачены на порядок меньшие финансовые ресурсы, а качество оказалось ничуть не ниже:

https://t.me/khokhlovAR/901
https://t.me/khokhlovAR/909

С тех пор, когда мне нужно обратиться к ИИ (обычно это случается, когда мне надо получить информацию по научному вопросу вне сферы моей специальности), я, как правило, использую именно DeepSeek. Мне нравятся четкие, полные и структурированные ответы, которые выдает эта модель. При этом я полностью отдаю себе отчет, что возможны «галлюцинации», поэтому перепроверяю полученные ответы. Практически всегда они вполне адекватны, хотя и не отклоняются от «научного мейнстрима».

После появления DeepSeek в различных СМИ стали распространяться мнения, что не может быть, чтобы китайская разработка была лучше американской, да при этом стоила намного дешевле. Наверное, мол, они чего-нибудь украли у компании Open AI, которая разработала ChatGPT. Более того, DeepSeek был оперативно запрещен для использования в государственных учреждениях США и ряда других стран, «чтобы секреты не утекли».

Но сильная сторона DeepSeek в том, что этот инструмент относится к категории Open Source. Там нет коммерческих составляющих, которые надо скрывать. Поэтому китайская компания пошла на необычный шаг: они написали научную статью о своей модели, в которой объяснили суть нововведений, которые позволили получить тот же результат, что и у ChatGPT, но с гораздо меньшими затратами, и послали ее в Nature. Эта статья прошла строгую процедуру рецензирования в Nature, и позавчера она была опубликована:

https://www.nature.com/articles/s41586-025-09422-z

Полученные результаты на русском языке коротко изложены здесь:

https://naukatv.ru/news/sekrety_modeli_iskusstvennogo_intellekta_deepseek_raskryty_v_epokhalnoj_state
https://tass.ru/ekonomika/25085633

Эти материалы я бы рекомендовал прочитать, не буду их здесь пересказывать. Мне понравилась метафора, что подход DeepSeek позволяет искусственному интеллекту осваивать новые навыки и знания без подсказок со стороны человека подобно тому, как маленькие дети учатся играть в незнакомые им игры. И то, на что многие обращают внимание: это первый случай, когда разработавшая инструмент ИИ компания «открыла все карты» и прошла процедуру независимого рецензирования в ведущем научном журнале.