28 апреля 2026 г.
Сегодня предсказание генов, это не просто компьютерная игра в «угадалку», а важнейший инструмент, который лежит в основе геномных исследований, биомедицины, биотехнологий и даже агрономии. Современные алгоритмы позволяют не только находить гены в громадных последовательностях ДНК, но и выяснять, когда, где и насколько активно они работают. Ниже — подробный обзор методов, данных и примеров из российской науки.
Что такое «предсказание генов»?
В узком смысле это распознавание участков ДНК, которые кодируют белки или функциональные РНК. В широком — прогноз:
- структуры гена (экзоны, интроны, регуляторные элементы);
- уровня экспрессии (насколько активно он будет транскрибироваться);
- взаимодействий с другими молекулами (ДНК, РНК, белки, микроРНК);
- возможных мутаций и их последствий.
Исторический контекст
Ещё в конце XX века учёные вручную просматривали последовательности, опираясь на простые правила: длина открытой рамки считывания (ORF), консервативные мотивы, сигналы сплайсинга. Сейчас же, как отмечает российский учёный (интервью от ), «мы можем видеть взаимосвязь всех генов одновременно» благодаря:
- масштабным экспериментальным методам (RNA-seq, ATAC-seq, Hi-C);
- развитию биоинформатики, которая превращает терабайты сырых данных в понятные закономерности.
Основные методические подходы
Эмпирические (аб initio)
Модели строятся без предварительных экспериментальных данных, используя:
- скрытые модели Маркова (HMM),
- условные случайные поля (CRF),
- векторные машины поддержки (SVM).
Плюсы: высокая чувствительность (до 100 % на тренировочных наборах).
Минусы: рост ложных срабатываний при увеличении чувствительности.
Сравнительно-геномные
Используют сходство последовательностей между видами. Консервативные участки — потенциальные гены.
Машинное обучение и нейросети
LegNet от МГУ
В рамках конкурса DREAM 2022 команда Дмитрия Пензара из МГУ создала нейросеть LegNet, которая по регуляторным последовательностям ДНК предсказывает экспрессию генов. Ключевые факты:
- архитектура: свёрточные слои + attention-механизм;
- данные: ENCODE + Roadmap Epigenomics;
- точность: превосходит другие методы DREAM 2022 на 8–12 %.
Интерпретируемый ИИ
Эмилия Шаймуратова (ВШЭ, доклад апрель 2020) показала, что даже «чёрные ящики» можно разобрать: методы SHAP/Grad-CAM помогают понять, какие именно нуклеотиды движут прогноз, что особенно важно для клинических задач.
Практические кейсы
Генные сети коэкспрессии в онкологии
В диссертации по 03.01.09 «Математическая биология, биоинформатика» (автореферат доступен бесплатно) рассматривается анализ сетей коэкспрессии для опухолей мозга. Алгоритм:
- сбор транскриптомов из TCGA;
- построение сетей WGCNA;
- верификация предсказанных функций генов через Human Protein Atlas.
РНК-переключатели
Российские исследователи предсказали РНК-переключатели — структурные элементы, которые регулируют гены без участия белков. Сначала — компьютерно, затем — экспериментально (журнал «Наука и жизнь», спецвыпуск).
Агрономия: кукуруза и микроРНК
Используя транскриптом мутантной линии fuzzy tassel, учёные предсказали сеть взаимодействий длинных некодирующих РНК и микроРНК кукурузы. Это помогает в селекции на устойчивость к засухе (публикация январь 2026).
Как выглядит рабочий пайплайн (пример для начинающих)
- Сбор данных. Загрузка FASTA-файла генома и соответствующих BAM-файлов экспрессии.
- Предобработка. Очистка от адаптеров, калибровка качества.
- Тренировка модели.
- позитивные примеры — известные гены из RefSeq;
- негативные — межгенные интервалы.
- Предсказание. Запуск модели (например, AUGUSTUS или SNAP).
- Верификация. Сравнение с экспериментальными RNA-seq и протеомными данными из Human Protein Atlas.
- Интерпретация. Визуализация в IGV, построение графов в Cytoscape.
Актуальные вызовы 2026 года
- Гигантские геномы. Для сосны или лугового клевера (>20 Гб) требуются облачные решения и оптимизированные алгоритмы.
- Регулирующие элементы. Нужна точность до одного нуклеотида для клинических приложений.
- Интеграция данных. Одновременный анализ ДНК, РНК, метилома, хроматина — вызов для хранения и вычислений.
- Интерпретируемость ИИ. Врачи и регуляторы требуют объяснений, а не просто «чёрного ящика».
Где учиться и что читать
Курсы
- «Биоинформатика и геномика» на ПостНауке — лекции Михаила Гельфанда.
- Школа молодых учёных ВШЭ, Вороново — ежегодные сборы (март–апрель).
Литература
- Mount D.W. «Bioinformatics: Sequence and Genome Analysis» (рус. пер. 2024).
- Диссертационные авторефераты по спец. 03.01.09 — открытый доступ на сайте ВАК РФ.
- Журнал «Генетика и селекция» — последний выпуск 2026 г. с темой некодирующих РНК.
Предсказание генов стало объединённым фронтом биологии, медицины и информатики. Российские школы (МГУ, ВШЭ, ИБГ РАН) вносят значимый вклад: от нейросетей типа LegNet до анализа кукурузных транскриптомов. Следующий рывок — это интеграция всех уровней геномной информации в едином цифровом двойнике клетки и организма.
Полезная ссылка: Онлайн-калькулятор предсказания генов — запустите собственный эксперимент прямо в браузере!