Bioinformatics Institute

Alpha в статьях [2/3]: Как AlphaFold и RFdiffusion создают противораковые белки de novo

Продолжаем нашу мини-серию разборов! Во втором выпуске показываем, как модели от Google DeepMind помогают не просто искать механизмы болезней, а с нуля проектировать новые лекарства.

Выпуск №2: AlphaFold

Авторы исследования* разработали de novo TCR-mimic – компактный белок, имитирующий работу Т-клеточного рецептора. Он способен распознавать опухолевые антигены на поверхности клеток и нацеливать иммунную систему на их уничтожение. В качестве мишени был выбран комплекс NY-ESO-1/HLA-A*02, а полученная молекула показала высокую эффективность как в составе биспецифических препаратов, так и в CAR-T терапии.

Основная роль AlphaFold заключалась в предсказании и проверке структуры белка в процессе его разработки:

• Сначала с помощью AlphaFold2 предсказали трехмерную структуру комплекса NY-ESO-1/HLA-A*02, которая затем использовалась как мишень для генерации новых белков с помощью RFdiffusion.

• После этого AlphaFold2 предсказывал, как каждый из сгенерированных белков будет связываться с этим комплексом, а по метрике iPAE исследователи отбирали наиболее перспективные кандидаты.

• После получения кристаллической структуры AlphaFold-модель сравнили с экспериментальными данными: общая геометрия комплекса была предсказана с высокой точностью.

Разбор показывает, как сочетание моделей помогает отсеять неперспективные варианты, сократить объем лабораторной работы и сфокусироваться на фильтрации и приоритизации наиболее перспективных кандидатных молекул.

Разбирать такие механизмы и применять нейросети от Google альфа, альфа»!

Регистрация открыта до 7 августа.

Ждем вас среди участников! ❤️

Karsten D. Householder et al. ,De novo design and structure of a peptide–centric TCR mimic binding module. Science389,375-379(2025).DOI:10.1126/science.adv3813

Какие навыки вы освоите на онлайн-воркшопе «Альфа, альфа, альфа»? | Регистрация до 7 августа

8 и 15 августа пройдет онлайн-воркшоп Института биоинформатики, посвященный моделям AlphaGenome, AlphaFold и AlphaMissense. Преподаватели Никита Ваулин и Александра Мамчур разберут принципы работы инструментов и их практическое применение.

Мы решили подробнее рассказать о том, какие конкретно прикладные задачи вы научитесь решать на воркшопе. Собрали ключевые навыки по каждому из трех блоков в карточках!

Стоимость:
• 9 000 рублей – при оплате до 4 августа 23:59 МСК
• 14 000 рублей – при оплате с 5 по 7 августа
• 25 000 рублей – для юридических лиц

Особая цена для выпускников Института биоинформатики на все время набора – 9 000 рублей. Специальная стоимость доступна всем, кто успешно окончил наши программы переподготовки или интенсивы и получил диплом.

Будем рады видеть вас среди участников!  

Alpha в статьях [1/3]: Как AlphaGenome находит причины болезни Альцгеймера

Запускаем мини-серию разборов! В ближайшую неделю покажем три реальных исследования, где ученые использовали модели семейства Alpha от Google DeepMind для решения сложных биологических задач.

Выпуск №1: AlphaGenome

Авторы исследования* искали генетические и молекулярные механизмы, стоящие за болезнью Альцгеймера. Они объединили данные GWAS и различных типов QTL, но некодирующие генетические варианты (SNP) всегда сложно интерпретировать функционально – непонятно, как именно точечная мутация влияет на развитие патологии.

Для валидации кандидатов и функциональной интерпретации регуляторных вариантов авторы применили AlphaGenome. Модель использовали как фильтр: она прогнозирует, как генетические изменения влияют на экспрессию, сплайсинг и активность регуляторных элементов, помогая перейти от широкого списка GWAS-сигналов к конкретным точечным механизмам.

Что нашли:

• Анализ с помощью AlphaGenome показал, что один из генетических вариантов SNP rs4233366 оказывает выраженный аллель-специфический эффект: он меняет экспрессию и нарушает нормальный сплайсинг гена FCER1G. AlphaGenome предсказал сразу два эффекта: падение уровня экспрессии и нарушение нормального сплайсинга (сборки итоговой мРНК).

• Раньше FCER1G был лишь одним из генов-кандидатов из GWAS-ассоциаций. AlphaGenome показал аллель-специфичный регуляторный эффект (разницу в работе гена при наличии мутации и без нее), что совпало с данными колокализации и менделевской рандомизации.

• Вместо того чтобы вручную делать мутагенез в клеточных линиях и месяцами валидировать сотни некодирующих вариантов на ПЦР и вестерн-блотах, исследователи провели in silico скрининг. AlphaGenome сразу указал на конкретную точку rs4233366 и ее конкретную мишень, дав ученым готовый молекулярный механизм для проверки.

Разбирать такие механизмы и применять нейросети от Google DeepMind в собственных проектах мы будем на летнем онлайн воркшопе «Альфа, альфа, альфа»! Регистрация открыта до 7 августа.

Открыт набор на новую программу «Биоинформатика для биологов. Ступень III» | Прием заявок до 6 сентября, 23:59 МСК

В 2019-2020 году у выпускников программы переподготовки «Биоинформатика для биологов» была возможность присоединиться к «третьему семестру» – учебному блоку повышенной сложности. Мы переработали эту концепцию в самостоятельную двухмесячную программу с опорой на избранные главы практикума по биоинформатике и передовые вопросы машинного обучения.

Программа состоит из 5 дисциплин:
• Практикум по биоинформатике
• Избранные главы ML
• Продвинутый Python
• Архитектура Linux и контейнеры
• AI в биоинформатике

Этапы поступления:
• заполнить анкету до 6 сентября, 23:59 МСК
• решить отборочное тестовое задание до 10 сентября, 23:59 МСК (будет доступно с 3 августа)
• пройти собеседование (август – сентябрь). Комиссия проверяет тестовые задания по мере их поступления, поэтому раннее решение ускорит получение приглашения на интервью.

Стоимость:
• 85 000 рублей – для физических лиц
• 75 000 рублей – для выпускников Института биоинформатики. Специальная стоимость доступна всем, кто успешно окончил наши программы переподготовки или интенсивы и получил диплом или удостоверение о повышении квалификации.

Доступна беспроцентная рассрочка – оплату можно разделить на два равных платежа.

– По всем вопросам: [email protected]

Ждём ваших заявок! ❤️

Открыт набор на Летний онлайн воркшоп 2026 «Альфа, альфа, альфа»! | Регистрация до 7 августа

Модели семейства Alpha от Google DeepMind стали ключевыми инструментами современной биоинформатики. На воркшопе мы разберем принципы их работы и освоим их на практике: от анализа регуляторных свойств генома до предсказания структуры белков и оценки эффектов мутаций.

Воркшоп пройдет онлайн 8 и 15 августа и будет состоять из двух больших блоков:

• 8 августа – AlphaGenome (преподаватель Никита Ваулин): предсказание функциональных свойств генома по ДНК, variant scoring и in silico мутагенез.
• 15 августа – AlphaFold & AlphaMissense (преподаватель Александра Мамчур): предсказание белков и комплексов через AlphaFold Server/DB, оценка метрик качества и предсказание патогенности миссенс-вариантов.

Все задания выполняются в Google Colab. Для работы с AlphaGenome рекомендуется заранее получить API-ключ.

Стоимость:
• 9 000 рублей – при ранней оплате до 4 августа
• 14 000 рублей – при оплате с 5 по 7 августа
• 25 000 рублей – для юридических лиц

Особая цена для выпускников Института биоинформатики на все время набора – 9 000 рублей. Рады видеть наших студентов снова! Специальная стоимость доступна всем, кто успешно окончил наши программы переподготовки или интенсивы и получил диплом.

Будем рады видеть вас среди участников! ❤️

Завершился третий сезон открытого онлайн-лектория «Разрушители статистических мифов»!

За прошедшие три сезона преподаватели трека по биостатистике Института биоинформатики разобрали девять мифов, которые могут увести исследователя совсем не туда!

1 сезон:
🦖 Миф №1: Статистика – наука точная, и в ней нет места мифам | Евгений Бакин

🦖 Миф №2: Доверительные интервалы и p-значения — это то, чем они кажутся | Ольга Мироненко и Максим Кузнецов

🦖 Миф №3: Ненормальное распределение требует ненормальных решений | Матвей Славенко

2 сезон:
🦖 Миф №4: Категорически категорично, или «просто разбей на группы» | Алексей Глазков

🦖 Миф №5: Рандомизация — смешать и не взбалтывать | Артемий Охотин

🦖 Миф №6: Визуализация — это просто красивые графики | Елена Убогоева

3 сезон:
🦖 Миф №7: Автоматизированный выбор многофакторной модели: кто ищет, тот всегда найдет | Евгений Бакин

🦖 Миф №8: Придай нормальности описательной статистике | Алексей Глазков

🦖 Миф №9: Расчёт мощности: лучше поздно, чем никогда | Матвей Славенко

Записи всех лекций доступны:
- на сайте лектория
- на YouTube-канале Института биоинформатики

Благодарим вас за активное участие в лектории, до встречи! ❤️

Мы уже начали готовить кое-что интересное для вас!