С 20 по 22 августа на факультете компьютерных наук НИУ ВШЭ прошла седьмая ежегодная Летняя школа по машинному обучению в биоинформатике. Мероприятие объединило ведущих экспертов и молодых исследователей. Его главным итогом стала живая дискуссия о том, как фундаментальные алгоритмы ИИ превращаются в работающие инструменты для биологии и медицины.
Организатор школы — Центр биомедицинских исследований и технологий Института искусственного интеллекта и цифровых наук ФКН — с самого начала ставил перед собой амбициозную задачу: создать не просто лекционный курс, а полноценную экспертно-дискуссионную площадку. Школа стала хабом передовых знаний, где теория не существовала в отрыве от практики, а каждый доклад подкреплялся реальными кейсами на основе лабораторной и клинической работы.
В течение трех дней специалисты из НИУ ВШЭ, Института общей генетики РАН, МГУ им. М.В. Ломоносова и компании Genotek вовлекали аудиторию в разбор конкретных задач. Программа охватила широкий спектр тем — от предсказания эпигенетических сигналов и популяционной геномики до генеративных моделей для дизайна белков и нуклеиновых кислот. Но ключевым элементом стал формат живого обсуждения, в котором участники могли задавать вопросы, предлагать альтернативные решения и тут же получать обратную связь от лидеров отрасли.
«Мы стоим на пороге революции в биомедицине, и машинное обучение — это тот инструмент, без которого уже невозможно обрабатывать лавинообразно растущие массивы геномных данных, — отметила Мария Попцова, директор Центра биомедицинских исследований и технологий. — Актуальность нашей школы продиктована временем: если еще пять лет назад машинное обучение в биоинформатике было экзотикой, то сегодня это стандарт индустрии. Именно поэтому мы строим программу так, чтобы участники не просто узнали о новых алгоритмах, а поняли, как применить их к реальным биологическим задачам — от расшифровки эпигенетических сигналов до дизайна терапевтических молекул. Живой диалог между теоретиками и практиками на нашей площадке показывает: запрос на такие компетенции колоссален, и мы обязаны готовить специалистов, которые смогут отвечать на вызовы современной науки».
Особый интерес участников вызвала лекция, посвященная анализу генетических данных для персонализированной медицины. Ярким примером стал доклад «Наша настоящая “КардиоЖизнь”, зашифрованная в геномах». Галина Охрименко, младший научный сотрудник Центра биомедицинских исследований и технологий, на реальных клинических случаях показала, как машинное обучение помогает выявлять генетические маркеры сердечно-сосудистых рисков.
«Хотелось показать, как современные знания и геномные модели интегрируются в наши исследования и постепенно становятся частью созданного нами продукта “КардиоЖизнь”. Поскольку школа имела междисциплинарный формат, у студентов был очень разный бэкграунд, поэтому биологам было предложено небольшое введение в существующие модели, а тем, кто уже знаком с ML, представлены примеры их применения к реальным биомедицинским задачам. В итоге обсуждение вышло далеко за рамки лекции: студенты еще час после нее задавали вопросы про модели, наши проекты, публикации, научную карьеру и возможность работать в нашей команде. Было здорово видеть такой интерес, горящие глаза и желание разбираться в темах глубже», — говорит Галина Охрименко.
Участники также отметили пользу лекции «Введение в диффузионные модели». Сегодня эти алгоритмы активно применяются в биоинформатике для генерации новых белков и нуклеиновых кислот, а также для предсказания их структур, что делает их одним из самых востребованных инструментов в вычислительной биологии.
По словам Дениса Ракитина, научного сотрудника Центра глубинного обучения и байесовских методов Института ИИиЦН ФКН НИУ ВШЭ, диффузионные модели сейчас являются лидирующей парадигмой генеративного моделирования как в стандартных доменах (картинки, видео), так и в биоинформатике. «Мы разобрали их фундамент, который изначально строился для генерации изображений, продемонстрировали самые важные концепции и идеи, которые далее можно адаптировать и к биологическим данным, — рассказал Денис Ракитин. — Участники спрашивали про ограничения методов, переносятся ли свойства моделей с картиночных данных на молекулярные, как исправлять их ошибки и улучшать после обучения. Было очень интересно поучаствовать в дискуссии с участниками из биоинформатики, я много чего интересного узнал из их вопросов и, надеюсь, что-то полезное передал в лекции».
Школа подтвердила свой статус не только образовательной, но и коммуникационной площадки. Участники из разных городов активно обменивались контактами, обсуждали совместные проекты и возможности стажировок. В неформальной обстановке, в том числе во время кофе-брейков, рождались идеи для будущих коллабораций.
Участники — о школе
Даниил Кедров, НИУ ВШЭ «Блестяще организованное мероприятие! Максимально интересные и актуальные доклады настоящих исследователей в сфере биоинформатики. Стоит отметить и глубину раскрываемых тем, подается достаточно сложный материал на стыке ML, математики и биологии с генетикой, что может сбивать с толку новичков, однако показывает, насколько далеко продвинулась наука. В комплексе это все мотивирует на дальнейшее изучение направления и указывает ориентиры для новичков и усиливает знания для тех, кто уже является исследователем. Получил огромный заряд мотивации и много новой информации для дальнейшего исследования темы».
Полина Филипенко, МГУ им. М.В. Ломоносова «Круто, что даже без богатой биоинформатической базы можно узнать для себя что-то новое. Окончив только первый курс биофака, я поняла (хоть на абстрактном уровне) все концепции, озвученные лекторами на школе. Математическая часть понравилась больше всего (имею в виду лекции про диффузионные модели и тензоры). Собственно, и лекторы четко и последовательно излагали свои мысли».
По итогам мероприятия все слушатели, успешно прошедшие программу, получили сертификаты. Как отметили организаторы, полученные знания помогут участникам в их научной и профессиональной деятельности, а ежегодная школа претендует на статус одного из ключевых событий в области биоинформатики в России.