ИИ ускоряет науку: как нейросети помогают делать открытия

Искусственный интеллект (ИИ) уже не просто расширяет горизонты фундаментальных исследований, а напрямую влияет на их качество и скорость. Новые инструменты анализируют генетические мутации, возвращают телескопам кристальную четкость и подсказывают экологам: вот песец, вот еще песец.

Медицина

В октябре исследовательское подразделение Google Research представило два инструмента, способных повысить точность и скорость анализа геномных данных в онкологии: ИИ-платформу DeepSomatic для выявления мутаций и нейронную модель Cell2Sentence-Scale 27B для анализа поведения раковых клеток.

DeepSomatic специализируется на анализе генетической последовательности (секвенировании) ДНК. Ключевое преимущество — ​умение обнаруживать редкие мутации, которые остаются незамеченными при использовании других методов. Точность детекции мутаций достигает 98 %. Платформу применяют для поиска генетических нарушений при таких заболеваниях, как детский лейкоз и глиобластома. Например, DeepSomatic выявила 10 вариантов мутаций, связанных с детским лейкозом, которые прежде с этой болезнью не ассоциировались. Важно, что система работает с разрозненными данными, полученными с разных устройств, и адаптируется в процессе обучения к поиску новых типов опухолей.

Cell2Sentence-Scale 27B, построенная на открытой архитектуре Gemma, обучена на данных об экспрессии генов отдельных клеток. Эта модель с 27 млрд параметров изучает взаимодействие генов и белков. Чтобы продемонстрировать ее возможности, ученые поставили задачу найти вещество, которое усилит иммунный ответ только в тех опухолях, где уже есть слабый сигнал интерферона — ​белка, управляющего иммунной реакцией. Cell2Sentence-Scale 27B проанализировала данные о тысячах клеточных линий и сотнях тысяч взаимодействий и смоделировала поведение живых клеток под воздействием препаратов. Виртуальный скрининг более 4 тыс. веществ выделил несколько кандидатов. Среди них — ​ингибитор фермента CK2 силмитасертиб, который не связывали с активацией иммунного ответа. Модель предсказала, что в комбинации с малой дозой интерферона он может повысить видимость опухолевых клеток для иммунитета. Лабораторные испытания на культурах человеческих клеток подтвердили: по отдельности ни силмитасертиб, ни малая доза интерферона не дают такого значительного эффекта, как в паре.

Астрономия

После запуска космического телескопа «Джеймс Уэбб» ученые столкнулись с проблемой. Интерферометр с маскировкой апертуры AMI получал размытые изображения. Выяснилось, что качество снимков снижают едва заметные электронные искажения в инфракрасном детекторе. Подобная проблема возникала и у телескопа «Хаббл». Тогда для ремонта пришлось отправить в открытый космос людей. В этот раз с призывом астронавтов решили не торопиться, а сначала опробовали систему AMIGO (Aperture Masking Interferometry Generative Observations, «генеративные наблюдения интерферометрии с маскировкой апертуры»), разработанную австралийскими учеными.

AMIGO использовала компьютерное моделирование и алгоритмы машинного обучения, чтобы воссоздать поведение оптики и электроники в космических условиях. Таким образом команда обнаружила, что проблема заключается в явлении, при котором электрический заряд слегка распространяется на соседние пиксели и очень яркие точечные источники света выглядят на изображении размытыми и искаженными, кажутся больше и светлее, чем есть на самом деле. AMIGO помогла вычесть размытие из данных, чтобы скорректировать изображения. Теперь «Джеймс Уэбб» дает самые четкие за все время работы снимки, с беспрецедентной детализацией фиксирует небесные объекты. Среди них — ​тусклая экзопланета и коричневый карлик, вращающийся вокруг звезды HD 206893 на расстоянии около 133 световых лет от Земли.

Экология

Томский государственный университет и Сибирский центр изучения искусственного интеллекта и цифровых технологий представили новый подход к учету редких животных в России. Наблюдение за животными, занесенными в Красную книгу, — ​это экспедиции, кропотливая работа с сотнями фотографий и видео. Из-за труднодоступности территорий обитания или плохого качества снимков некоторые группы животных зачастую не попадали в статистику. Сейчас алгоритмы компьютерного зрения определяют животных на изображениях, различают виды и даже отдельных животных, чьи уникальные признаки известны по снимкам фотоловушек. Такой подход полезен для мониторинга популяции алтайских зубров: камеры фиксируют животных, система определяет численность и различия особей без вмешательства в привычный образ жизни животных. Похожим образом анализируют численность песцов и росомах.

К проекту привлекают студентов и молодых исследователей. Они учатся строить выборки, анализировать массивы визуальной информации, проверять корректность работы ИИ.

Если раньше на анализ экспедиционной съемки уходили недели, сейчас базовые выводы искусственного интеллекта можно получить за несколько часов. Экологи подчеркивают: автоматизация не заменяет полевые исследования, а дополняет. Любые нестандартные снимки или необычное поведение животных требуют экспертной проверки. По словам авторов проекта, тандем ИИ и человека ускоряет сбор информации и делает защиту редких видов гибче и прозрачнее для исследовательского сообщества.