Последнее десятилетие характеризуется активным развитием вычислительной биологии и генетики. Количество данных растет с каждым годом в геометрической прогрессии. В биомедицине для сбора и хранения данных используются распределенные отказоустойчивые системы хранения; для извлечения нового знания и анализа данных применяются математические алгоритмы и методы машинного обучения.

Руководители, проекты и темы:

Евгений КарпулевичАнтон НаумовАрам Аветисян
Биоинформатика: построение масштабируемых пайплайнов для анализа NGS данных. Прикладной анализ данных ДНК- и РНК-секвенирования. Картирование генома на граф, GWAS, PRSАнализ изображений: детекция клеточных ядер, нейросети с вниманием, семантическая сегментация сосудистого русла, анализ данных КТ и функционального МРТАнализ сигналов: Создание базовой модели для классификации сигнала ЭКГ, предобучение, выделение hand-crafted признаков, создание эталонного набора 12-канальных ЭКГ
– Исследование результатов полногеномных поисков ассоциаций (GWAS);
– Сравнение инструмента HISAT2 с ФМ-индексом и vg с GSCA индексом для задачи выравнивания генома человека;
– Улучшение точности работы генетического пайплайна посредством поиска ложноположительных мутаций методами машинного обучения;
– Анализ производительности и точности генетического пайплайна;
– Исследованием ассоциаций между геномными вариантами и фенотипическими признаками в графовом представлении;
– Улучшение модели детекции ядер на гистологических снимках за счет добавления дополнительной информации.
– Улучшение модели детекции ядер на гистологических снимках за счет добавления дополнительной информации.– Сегментация комплекса QRS сигнала ЭКГ (определение начала, конца и пика Q, R, S);
– Влияние добавления фильтрации на качество классификации записей 12-канальных ЭКГ.

Темы защищенных курсовых и дипломов:

Курсовые работы 3-го курса:

  1. Аксенова Елена. “Исследование и разработка метода кластеризации данных секвенирования РНК одиночных клеток.”
  2. Гугучкин Егор. “Сравнение существующих алгоритмов импутации генотипа в целях повышения эффективности последующего применения алгоритма предсказания наследуемых признаков.”

Курсовые работы 5-го курса:

  1. Кондратьева Олеся. “Интерпретирование вариантов генома человека с помощью полногеномной оценки.”

Бакалаврские дипломы:

  1. Акименкова Мария. “Кластеризация РНК экспрессии единичных клеток в гетерогенных наборах данных.”
  2. Андреев Павел. “Разработка алгоритма классификации ЭКГ в 12 отведениях.”
  3. Гугучкин Егор. “Предсказание резистентности M.tuberclosis к антибиотикам с помощью линейных смешанных моделей.”
  4. Бушенкова Ксения. “Классификация бактерий, выращенных в искусственной среде.”
  5. Иванов Андрей. “Семантическая сегментация эндометрия.”

Магистерские дипломы:

  1. Аветисян Арам. “Исследование методик предобучения нейросетей для классификации электрокардиограмм.”

Научные статьи:

  1. Kegeles E, Naumov A, Karpulevich EA, Volchkov P and Baranov P (2020) Convolutional Neural Networks Can Predict Retinal Differentiation in Retinal Organoids. Front. Cell. Neurosci. 14:171. doi: 10.3389/fncel.2020.00171
  2. Ананьев В.В., Скорик С.Н., Шаклеин В.В., Аветисян А.А., Терегулов Ю.Э., Турдаков Д.Ю., Глинер В., Шустер А., Карпулевич Е.А. Оценка влияния различных неархитектурных изменений предсказательной модели на качество классификации ЭКГ // Труды ИСП РАН. 2021. №4.
  3. Elchaninov, A.; Lokhonina, A.; Nikitina, M.; Vishnyakova, P.; Makarov, A.; Arutyunyan, I.; Poltavets, A.; Kananykhina, E.; Kovalchuk, S.; Karpulevich, E.; Bolshakova, G.; Sukhikh, G.; Fatkhudinov, T. Comparative Analysis of the Transcriptome, Proteome, and miRNA Profile of Kupffer Cells and Monocytes. Biomedicines 2020, 8, 627. https://doi.org/10.3390/biomedicines8120627
  4. Vishnyakova, P., Poltavets, A., Karpulevich, E., Maznina, A., Vtorushina, V., Mikhaleva, L., Kananykhina, E., Lokhonina, A., Kovalchuk, S., Makarov, A., Elchaninov, A., Sukhikh, G., & Fatkhudinov, T. (2021). The response of two polar monocyte subsets to inflammation. Biomedicine & Pharmacotherapy, 139, 111614. https://doi.org/10.1016/j.biopha.2021.111614.