Kardymonchik Channel

От себя добавлю, что авторы AlphaGenome выложили код и веса! Бесценно ❤️

Несколько месяцев назад мы на этом канале разбирали препринт aGenome. А сегодня полноценная статья вышла в Nature! Для тех, кто не знаком - это модель, которая предсказывает тысячи биохимических и транскрипционных сигналов по последовательности ДНК. Одновременно вышло интервью от разработчиков: https://youtu.be/V8lhUqKqzUc?si=0MeT6Wc-nydRT24q Для меня самые интересные - последние 5 мин, где они обсуждают планы на будущее. П. С. Из интервью: у топовой команды гугла ушло около 2 лет на разработку этой модели

Друзья, у меня постоянно спрашивают не знаю я того или иного профиля специалиста, подходящего под конкретные проекты в разных странах. Плюс в Quantori тоже регулярно появляются позиции под проекты. Если вы ищете работу биоинформатиком/датасайнтистом/датаинженером для работы с биологическими/лабораторными данными - присылайте ваши CV на bioinfo.srb@gmail.com . Ну а сегодня на проект в крупную известную западную фармкомпанию ищут джуна-мидла, для автоматизации экспериментов через лабсистему и курирование/создание БД инвитро/инвиво экспериментов. Пора это все структурировать и помогать хорошим людям друг друга находить.

Когда я была «маленькая», жила в ДАСе, и ходила на перекур в «целовальники» с другими студентами. И периодически там фантазировали о том, что можно сделать, накапливая современные биологические знания. Это всегда было очень увлекательно. Коллеги из Бластим придумали очень новогоднюю активность, даже с призовым фондом. Курить не нужно - это вредно, а вот оформить свои фантазии в мечты вполне себе полезно и увлекательно. Даже если они оторваны от жизни пока, это упражнение поможет понять насколько далеко вы от реальности и как ее приблизить. Коллеги, конечно, попросили поделиться информацией, но я правда считаю, что участие может быть полезным и занимательным. Link

Дошли руки до AlphaGenome - модель от Google, способная по последовательностям ДНК в 1 млн "букв" делать предсказания среди 11 модальностей, включающих экспрессию генов, элементы сплайсинга, состояние хроматина и карты хроматиновых контактов. Плюсы: - очень простой и понятный тьюториал. Для коллег, занимающихся образованием, очень рекоммендую попробовать готовые блокноты. - для запуска ничего не надо, кроме API ключа (нет никакой проблемы получить) - отдельные треки предсказывает очень хорошо Минусы: - не все обещанные треки умеет хорошо предсказывать, периодически выдает ерунду - доступ только через API, вы не можете у себя установить и что-либо еще с ней поделать - можно запускать небольшими регионами для исследования, целый геном в нее сразу не воткнете - использование разрешено только в некоммерческих целях и в исследовательских задачах (для медицины нельзя) Если более 100 страниц статьи читать не хочется, был неплохой семинар под запись, где Алена Аспидова и Вениамин Фишман, в открытой дискуссии с коллегами, разобрали статью. Как по мне, самая интересная часть в конце :)

James Watson , нобелевский лауреат, открывший с коллегами двойную спираль ДНК, умер 6 ноября в 97 лет. Очень много разного про него было и сказано, и написано последние 15 лет. В том числе под сомнение был поставлен его вклад в открытие спирали, продажа самой медали, ее возврат обратно (например тут кратко собрали отдельные любопытные этапы). Но это точно была долгая, яркая и интересная жизнь от начала и до конца. Nature news RIP

Люблю когда разработанные модели реально используются в работе с клиническими данными. Последни полгода читала заключения по экзомам и геномам из разных клиник и приятно отметила (не удивилась), что DeepVariant в целом достойно занял свое место в биоинформатических пайплайнах (не прошло и 10 лет). А тут на днях опубликовали DeepSomatic - коллер для опухолевых вариантов под любую платформу (но на длинных ридах лучше работает). Здорово, что тут скажешь. И статья хорошая. (если кто про DeepVariant не читал, то здесь)

🧬 Anthropic вчера рассказал, что прикрутил к Claude несколько конекторов для более эффективной работы в Life Sciences добавил агентов для нескольких задач. Утверждается, что Claude лучше понимает лабораторные протоколы, чем человек (их создавший). Теперь подключается к Benchling, BioRender, PubMed и даже 10x Genomics. Можно буквально написать: «сделай QC по scRNA-seq» — и он сделает. Якобы смоделирует молекулы с заданными свойствами (врут скорее всего, либо что-то очень простое). А вот что полезно и сэкономит тучу времени - это напишет SOP'ы и даже в слайды положит информацию. Кстати, ChatGPT еще ни разу не смог мне сделать ни одного нормального драфта презентаций. 🔗 anthropic.com/news/claude-for-life-sciences

Интересная статья, в которой попробовали оценить насколько ИИ влияет на скорость работы программистов [1]. Разработчики предполагали, что ИИ ускорит работу на 20%. На деле же ИИ замедлил их на 19%. Важно, что это были зрелые, хорошо знакомые программистам проекты с накопившимся неявным знанием. В статье приводятся ссылки на другие исследования вне таких рамок и там эффект ИИ положительный. [1] https://arxiv.org/pdf/2507.09089

Мы тут юбилей пропустили, оказывается. 2 дня назад исполнилось 70 лет понятию «искусственный интеллект»

Маша Синдеева, которая большая молодец, написала хорошую статью на Хабр про дизайн белков и наш новый инструмент для него. Кажется, что достаточно просто и понятно. https://habr.com/ru/companies/airi/articles/933238/ «Почувствуй себя рибосомой» вместе с Машей :)

«Крепитесь люди, скоро лето!» и не просто лето, а уже четвертная школа «Лето с AIRI». Тысячи заявок на участие каждый год, 10 дней погружения в ИИ в формате 24/7, ведущие спикеры из самых популярных областей, работа над своим проектом. И все это в этом году в Томске! Советую не тормозить и осознанно поработать над заявкой. До 29 апреля еще есть время. Без должной мотивации вряд ли получится пройти отбор. Все подробности в посте Института.

23andMe подала на банкротство в США, рассказывает сегодня русский Forbes . Вот я очень сильно хочу, чтобы инвестиции в генетические компании продолжались и увеличивались. Но сейчас наступает время, когда инвесторы начинают задумываться о пользе и достоверности тестов из группы «развлекательной» генетики и больше оценивают компании, ведущие разработки вакцин, занимающиеся дизайном белков, подбором персонализированной терапии. Отдельно успехом здесь пользуются стартапы, использующие либо геномное редактирование, либо AI, либо и то, и другое. И сколько бы именитые популяризаторы не рекламировали различные компании на букву «Г», образованных по образу и подобию 23andMe, бизнес этот похоже все равно останется убыточным. «Как отмечает FT*, 23andMe так ни разу и не принесла прибыли, а ее стоимость на бирже, достигавшая $5,8 млрд, упала до менее $50 млн.» * Financial Times

Вы заметили с какой скоростью мы живем? Лидерство в ИИ сменяется за месяцы и как следствие - сложность долгосрочного планирования Скорость как новая константа: почему технологическое лидерство больше не измеряется годами. Сегодня произошло нечто примечательное: компания, существующая всего год, представила ИИ-модель, превзошедшую разработки организаций с десятилетней историей. xAI не просто догнала, а во многих аспектах превзошла OpenAI и Google. Это событие заставляет нас переосмыслить наше понимание технологического прогресса. Исторически технологическое превосходство измерялось десятилетиями. Microsoft Windows доминировала на рынке операционных систем более 30 лет. Intel оставалась лидером процессорной индустрии почти четверть века. iPhone определял стандарты мобильной индустрии 15 лет. Это создавало иллюзию стабильности и предсказуемости технологического развития. Но что-то фундаментально изменилось. В современном мире ИИ мы наблюдаем, как лидерство может перейти из рук в руки за считанные месяцы. GPT-4, Claude, Gemini, Grok-3 – каждая новая модель не просто улучшает предыдущую, а переопределяет границы возможного. Китайские компании, начавшие позже других, уже создают модели, конкурирующие с лидерами рынка. DeepSeek, Qwen, Kimi – эти имена еще год назад мало кто знал. Это не просто ускорение – это новая парадигма развития технологий. Почему это происходит? Дело не только в количестве инвестиций или вычислительных мощностей. Ключевой фактор – изменение самой природы инноваций. Раньше технологические прорывы требовали накопления опыта и ресурсов. Сегодня благодаря открытому исходному коду, глобальному обмену знаниями и, что иронично, помощи самого ИИ в разработке, новые игроки могут начать с передовых позиций. Это создает интересный парадокс: чем дольше компания существует на рынке, тем больше у нее багажа "устаревших" подходов и решений. Новые компании, напротив, могут строить свои решения на самых современных принципах, не отвлекаясь на поддержку унаследованных систем. Мы переходим от модели "создай и доминируй" к модели "постоянно развивайся или умри". В этом новом мире важнее не размер компании или ее история, а способность быстро адаптироваться и внедрять инновации. Это создает новые вызовы. Как планировать развитие бизнеса в мире, где технологическое преимущество может испариться за месяцы? Как регулировать индустрию, где каждый новый день может принести революционные изменения? Как инвестировать в технологии, которые могут устареть еще до выхода на рынок? Но в этих вызовах скрываются и новые возможности. Мы видим, как открытость и коллаборация становятся ключевыми факторами успеха. Компании, которые делятся своими наработками с сообществом, часто получают взамен больше, чем теряют. Это создает позитивный цикл инноваций, который только ускоряет прогресс. Возможно, самое важное изменение происходит в нашем мышлении. Мы учимся воспринимать постоянные изменения не как угрозу, а как новую нормальность. В мире, где технологическое превосходство измеряется месяцами, важнее быть гибким, чем большим; важнее уметь учиться, чем знать; важнее уметь меняться, чем иметь стабильную позицию. Это новая эра технологического развития, где скорость стала новой константой. И те, кто поймет и примет эту новую реальность первыми, получат преимущество в гонке, которая, похоже, будет только ускоряться.

Ћао, сербские! Ждём вас на лекции «Генетика и нейросети: новая эра в биологии»🧬 Современные языковые модели научились анализировать и генерировать текст, помогая нам в работе, творчестве и коммуникации. Но что, если их способности можно использовать не только для обработки человеческой речи, но и для понимания «языка жизни»? Ведь природа с нами разговаривает на своем языке, зашитом в последовательностях «букв» ДНК и считанных с них белков. На лекции обсудим, какие принципы работы современных нейросетей применимы к биоинформатике и как их адаптируют для изучения сложных биологических данных. Разберемся, как ИИ может ускорить разработку лекарств, найти причины заболеваний и даже предложить новые подходы к редактированию генома. Спикер: Ольга Кардымон — биолог, биоинформатик, руководительница группы «Биоинформатика» в Институте искусственного интеллекта AIRI. Ведёт telegram-канал Kardymonchik Channel о том, что интересного происходит в биологии, медицине, а также о применении AI в разрезе реальных задач. 📎 23 февраля, 18:00-21:00 🙂 1500 (RSD или RUB 1:1) ➡️ Регистрация по ссылке 📍 Сарајевска 48

Потихоньку начинаю отрываться от малышей

Завершаем второй сезон цикла лекций «Личный путь в сеньора биоинформатика» встречей с Ольгой Кардымон! 🧬 Ольга — биолог, биоинформатик, специализирующийся на применении языковых моделей в геномике и протеомике, руководитель группы «Биоинформатика» в Институте искусственного интеллекта AIRI. Не упустите возможность задать вопросы спикеру в прямом эфире! Встречаемся 18 февраля в 19:00 по Мск. Трансляции проходят в рамках курса «Машинное обучение в биологии и биомедицине» от OpenBio. До старта программы осталось всего 2 недели, а уже 13 февраля стоимость участия вырастет. ↗️ Оставьте заявку на консультацию, и мы предоставим вам демодоступ к курсу на 3 дня, чтобы вы могли изучить структуру курса и функционал платформы. На встрече мы обсудим детали карьерного трека спикера, лайфхаки трудоустройства, экспертное мнение по трендам отрасли, обзор «поляны» мира ML в биоинформатике и многое другое. ✔️ Зарегистрируйтесь, чтобы получить ссылку на эфир. ❔ Задавайте вопросы спикеру в комментариях к этому посту, чтобы они точно были озвучены. Увидимся на эфире! #openbio_career #openbio_webinar #openbio_interview #openbio_expert До старта курса: 1️⃣ 4️⃣ дней 📌 Машинное обучение в биологии и биомедицине | OpenBio.Edu — подписывайтесь!

Семейство языковых моделей ДНК GENA-LM наконец-то опубликовали в рецензируемом журнале. Пока я временно выпала из работы, выкармливая свою двойню, команда добила статью по GENA-LM до публикации. Это был сложный путь. Сразу мы год общались с ревьюерами и редактором Nature Methods, ответив на все вопросы и добавив запрошенные дополнительно задачи. Нас отклонили субъективным решением редактора. И вскоре стало понятно почему: вышла статья с моделью от наших конкурентов, которая так же не отличается от нашей по запрошенным требованиям, но проигрывает нам в ряде задач (да-да, вы все правильно поняли, я обиделась). Затем работа была отправлена в Nucleic Acids Research. Там получили один положительный отзыв и один реджект с комментарием «the authors put a pin on my suggestion….» (вообще думала, что это хамство, переведя на русский. Но чатгпт говорит, что вполне нейтральная фраза.) Но! Мы были приятно удивлены, что впервые в нашей практике редактор не просто прислал свое положительное решение, но и написал Вениамину личное письмо с благодарностью за проделанную работу. Поэтому выводы можно сделать разные, но лучше посмотреть на цифры. С момента публикации первых моделей и размещения статьи на биоархиве: 5️⃣1️⃣ цитирование препринта 3️⃣0️⃣5️⃣0️⃣7️⃣ скачиваний суммарно с Hugging Face 1️⃣ web-сервис для решения нескольких популярных задач GENA-Web