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.

Учёные из «Сколтеха» разработали алгоритм на основе генеративного искусственного интеллекта, способный восстанавливать недостающие данные о расположении генов в ДНК. Этот метод позволяет с высокой точностью определять расстояния между генами даже при неполных исходных данных, что может значительно ускорить исследования в области генетики и медицины.

Как пояснил старший преподаватель «Сколтеха» Кирилл Половников, задача определения расстояний между генами по ограниченному набору данных сводится к математической проблеме, которую теперь можно решать с помощью генеративных моделей.

Геном человека состоит из длинных нитей ДНК, упакованных в хромосомы. Понимание их трехмерной структуры важно для изучения работы генов и их влияния на развитие заболеваний.

Традиционные методы, такие как флуоресцентная микроскопия (FISH), не всегда позволяют получить полные данные из-за технических ограничений. Российские ученые предложили использовать генеративный ИИ для заполнения этих пробелов, аналогично тому, как нейросети дорисовывают изображения.

В ходе эксперимента алгоритм DDRM успешно восстановил пропущенные данные на участке 21-й хромосомы человека, превзойдя классические методы. Это открывает перспективы для более быстрого и точного анализа генома, что критически важно для разработки новых лекарств и методов диагностики наследственных заболеваний.

Рак поджелудочной железы остается одним из самых агрессивных и трудноизлечимых. Важный шаг к пониманию его устойчивости сделали ученые из Калифорнийского университета.

Исследование, опубликованное в Cell Reports, показало, что предраковые клетки умеют справляться со стрессом и воспалением благодаря белку STAT3. Именно он помогает им выжить и со временем превращаться в опухоль.

Ключевой механизм: STAT3 активирует ген ITGB3, запускающий быстрый рост и агрессивное поведение опухоли. Даже химиотерапия, создающая дополнительный стресс, усиливает этот процесс — это объясняет резистентность многих опухолей.

Когда исследователи заблокировали этот путь у лабораторных животных, рост опухоли заметно замедлился.

🆕 Теперь по анализу крови можно отличить пациентов с психическими расстройствами от здоровых.

Это подтвердило исследование (поддержано грантом РНФ) учёных из Сколтеха и их российских коллег из медицинских исследовательских центров и психиатрических больниц. Результаты опубликованы в журнале Biomolecules.

Анна Ткачёв, один из авторов исследования, научный сотрудник Центра нейробиологии и нейрореабилитации имени Владимира Зельмана Сколтеха: «Известно, что серьёзные психические расстройства оставляют молекулярный след в организме, но до сих пор любой психиатрический диагноз основывается на симптомах и оценке состояния пациента врачом. С внедрением в психиатрию объективных биологических маркеров болезней врачи получат прежде недоступные им инструменты, которые будут дополнять их субъективную оценку. Кроме того, биомаркеры сделают возможным более раннее выявление заболеваний в режиме скрининга или в тех случаях, когда на ранней стадии заболевания симптомы слабо выражены либо одинаковы у разных расстройств».

Болезнь Альцгеймера (БА) — нейродегенеративное заболевание нервной системы, наиболее распространенная форма деменции. Оно вызывает прогрессирующее ухудшение памяти, мышления, поведенческих навыков.

Заболевание в основном поражает пожилых людей, но может встречаться и в раннем возрасте. Ее прогрессирование сопровождается накоплением в головном мозге агрегатов белков двух типов — бета-амилоидов и тау-белков, что приводит к дегенерации нейронов. Однако одно лишь накопление этих белков не полностью объясняет патогенез, и методы лечения, таргетирующие эти агрегаты, дают ограниченный эффект.

Группа исследователей из нескольких институтов США объединила глубокое протеомное секвенирование и методы сетевого моделирования, чтобы построить масштабную карту изменений белковых сетей, ассоциированных с болезнью Альцгеймера.

Ученые проанализировали посмертные образцы парагиппокампальной извилины (PHG) 198 пациентов с БА либо легкими когнитивными нарушениями, а также контрольных лиц. В общей сложности рассмотрены взаимодействия более 12 000 белков. В частности, авторы исследования выявили 386 модулей коэкспрессируемых белков и среди них обнаружили те, которые могут быть связаны с БА. Их внимание привлек модуль M3, который включал взаимодействующие белки с подавленной экспрессией в нейронах, активированные белки микроглии и активированные белки астроцитов, что говорило о взаимодействиях между этими типами клеток, важными для патогенеза БА.

Исследователи выделили 580 белков, которые могут участвовать в развитии болезни Альцгеймера (ключевые драйверные белки, или KDP). Некоторые из них уже были известны по предыдущим исследованиям, но большинство ранее почти не изучались. Среди них обратили внимание на AHNAK, входящий в модуль M3, — астроцитарный белок, экспрессия которого возрастала у пациентов с более тяжелой формой заболевания.

Исследование показало, что снижение количества AHNAK влияет на белки, связанные с метаболизмом, воспалением и липидным обменом – признаками болезни Альцгеймера, что делает этот белок потенциальной мишенью для терапии.

Сегодня многие активно обсуждают внезапный и крутой факт.

Оказывается Виктор Цой оказал огромное влияние на Уильяма Гибсона (он в твиттере буквально об этом у себя написал).

Кто не в курсе, Гибсон — это человек, который изобрел жанр киберпанк (знаковая работа «Нейромант», в которой впервые появилось слово «киберпространство»).

И если бы Цой не умер, у них мог бы случиться коллаб.

Получается, что не было бы Цоя, не было бы Матрицы Вачовски и много другой культовой фантастики. Или возможно она была бы иной.

Ещё есть видео с подробностями

☝️Напоминаю, что авангард, конструктивизм, хай-тек и промышленный дизайн придуманы в России. 😃

Учёные Института биоинженерии Каталонии (IBEC) создали первую искусственную клетку, способную самостоятельно двигаться благодаря химическим реакциям — без участия ДНК, белков-рецепторов или активных моторов.

Минималистичная структура включает липидную мембрану, одиночный фермент и мембранную пору. При помещении в градиент глюкозы или мочевины фермент катализирует реакцию, создающий локальный дисбаланс концентраций внутри клетки. Это вызывает поток жидкости вдоль мембраны, инициируя направленное движение — процесс, напоминающий хемотаксис живых клеток.

Исследования на более чем 10 000 таких везикул показали, что наличие пор усиливает направленное движение.