tattiana@mail.ru 0,0

Вышивка на конкурс «Био/Мол/Текст»: Эта работа — попытка отразить единство и многообразие жизни на Земле через символы генетического кода. Четыре буквы кода ДНК (A, T, G, C) превращены в художественные образы царств живой природы: Животные, Растения, Грибы и Бактерии. Каждая буква населена представителями царств и представляет визуальную метафору того, что универсальный язык ДНК лежит в основе всего биологического разнообразия.

Статья на конкурс «Био/Мол/Текст»: Шизофрения — одна из самых загадочных болезней в психиатрии. Она встречается примерно у 1% людей во всем мире — стабильно, независимо от страны, культуры или эпохи. При этом за единым диагнозом скрывается поразительная неоднородность: у разных пациентов болезнь проявляется по-разному, течет по-разному и по-разному отвечает на лечение. Наследуемость оценивается в 60–80% — цифра, которая звучит как приговор. Но это ловушка интерпретации. Психические заболевания — это не поломка одного гена. Это тысячи вариантов, разбросанных по геному, каждый из которых сам по себе безвреден. Вместе они формируют не судьбу, а порог уязвимости. В этой статье мы разбираем, почему такая генетическая архитектура ставит в тупик классические методы анализа данных — и как машинное обучение вместе с искусственным интеллектом помогают находить закономерности там, где привычная статистика бессильна.

Статья на конкурс «Био/Мол/Текст»: Представь: редкие генетические синдромы, которые годами остаются нераспознанными врачами, теперь диагностируются с помощью одного фото. Исследуй роль ИИ в анализе генома, с акцентом на синдроме Кабуки — названном в честь японского театра кабуки из-за поразительного сходства черт лица с драматическим гримом кумадори. Узнай, как нейросеть DeepGestalt, обученная на тысячах снимков, с точностью 91% распознает мутации в генах KMT2D или KDM6A, помогая установить диагноз на основе симптомов. Открой синергию биологии, математики, программирования и медицины в инструментах вроде Face2Gene, которые ускоряют поиск, облегчают жизнь пациентам и ведут к эре персонализированной медицины. А впереди? ИИ, прогнозирующий болезни, оценивающий риски и подбирающий терапию под каждого — это уже реальность!

Статья на конкурс «Био/Мол/Текст»: В 1990-х казалось, что аптамеры вот-вот вытеснят антитела. Спустя десятилетия — всего несколько препаратов, а в обзорах все чаще звучит: «высокий потенциал, но мало реализован». В этой статье мы разбираемся, что дело может быть не в самих аптамерах, а в способе их поиска — методе SELEX, который на практике напоминает лотерею. На фоне успехов AlphaFold мы объясняем, почему прямой перенос этого подхода на аптамеры не работает, и как вместо случайного отбора перейти к рациональному дизайну. Наконец, мы рассказываем, как платформа Xelari заменяет месяцы лабораторного перебора полным компьютерным проектированием аптамеров и почему у этих почти забытых молекул снова появился шанс.