Ученые установили, что фермент PARP2 точнее своего «старшего брата» PARP1 сигнализирует о разрывах в ДНК. Полученные данные позволяют лучше понять, как восстанавливается ДНК после повреждений, и будут полезны при разработке препаратов для лечения онкологических и нейродегенеративных заболеваний, поскольку некоторые существующие лекарства нацелены именно на ферменты PARP. Результаты исследования, поддержанного грантом Российского научного фонда, опубликованы в журнале Nucleic Acids Research.

При воздействии различных факторов, например, активных форм кислорода, ультрафиолета, радиации и токсичных веществ в молекулах ДНК могут возникать повреждения, в том числе разрывы. Они способны привести к гибели клетки или к ее перерождению в раковую. Однако существуют сложные системы восстановления (репарации) ДНК, в которых задействовано множество ферментов. Одни из них — PARP1 и PARP2 — распознают разрывы ДНК и синтезируют отрицательно заряженный полимер — поли-АДФ-рибозу, — который привлекает белковые комплексы, непосредственно восстанавливающие ДНК.

Кроме того, PARP1 и PARP2 совместно с белком HPF1 участвуют в модификации гистонов — белков, обеспечивающих плотную и компактную укладку ДНК в ядре. Образуя с HPF1 совместный активный центр, ферменты присоединяют к гистонам поли-АДФ-рибозу, которая приводит к «разрыхлению» структуры нуклеосом (комплексов ДНК с гистонами). Это, в свою очередь позволяет ферментам, участвующим в репарации, приблизиться к месту повреждения ДНК. Хотя общие закономерности этого процесса были известны, не было понятно, насколько специфичный сигнал о повреждении создают PARP1 и PARP2 и зачем клеткам нужны два таких похожих фермента. 

Ученые из Института химической биологии и фундаментальной медицины СО РАН (Новосибирск) выяснили, что фермент PARP2 специфичнее, чем PARP1, распознает разрывы ДНК и создает более точный сигнал о повреждении. 

Авторы провели эксперимент с искусственно синтезированной последовательностью ДНК, связанной с белками-гистонами и организованной в нуклеосому. В определенные участки ДНК исследователи внесли модельное повреждение — одноцепочечный разрыв. Это позволило изучить, как расположение разрыва в ДНК влияет на активность ферментов PARP1 и PARP2 в присутствии их партнера — белка HPF1 на нуклеосоме. 

Оказалось, что PARP1 и PARP2 работают совершенно по-разному. PARP1 в первую очередь модифицирует сам себя, создавая длинные сигнальные цепи поли-АДФ-рибозы. Гистоны этот фермент модифицирует всегда с одинаковой не очень высокой эффективностью. 

PARP2 модифицировал гистоны эффективнее и точнее: он создавал более прицельный сигнал о повреждении, взаимодействуя преимущественно с белками, находящимися в непосредственной близости к разрыву. Это указывает на то, что PARP1 создает общий сигнал “SОS”, информирующий клетку о проблеме, а PARP2 работает как высокоточный инструмент, отвечающий за более специфичную настройку систем репарации в месте разрыва ДНК.

«Ферменты PARP1 и PARP2 представляют собой мишени для некоторых противоопухолевых препаратов. Хотя препараты-ингибиторы этих ферментов применяются в клинической практике уже больше десяти лет, механизмы возникновения побочных эффектов или развития устойчивости к этим лекарствам до конца не ясны. Зная функциональные различия между изучаемыми ферментами, можно будет создавать более эффективные препараты для терапии онкологических и нейродегенеративных заболеваний», — рассказывает руководитель проекта), поддержанного грантом РНФ, заведующая лабораторией биоорганической химии ферментов ИХБФМ СО РАН академик Ольга Ивановна Лаврикак.

Пресс-служба ИХБФМ СО РАН

На сегодняшний день данная тема в каком-то смысле является «еретической». Правда, никакого секрета в ней нет, но ее популяризация совсем не приветствуется теми, кто определяет на нынешнем этапе стратегии «безуглеродного» развития.

Тем не менее, о положительном влиянии углекислого газа на рост растений пишут достаточно много. Ученые и аграрии на этот счет осведомлены достаточно хорошо. Доказывать такое влияние – всё равно, что ломиться в открытую дверь. Углекислый газ, например, весьма широко используется в развитых тепличных хозяйствах в качестве «углеродного» удобрения, содействуя повышению урожайности почти на треть.

Логично было бы предположить, что и повышение концентрации CO₂ в атмосфере также благоприятно сказывается на урожайности. В принципе, данный тезис особо не оспаривается. И всё же ему не придается серьезного значения при выработке стратегий развития, за которые отвечают политики. В контексте нынешнего глобального курса на достижение углеродной нейтральности углекислый газ оценивается исключительно как «загрязнитель» атмосферы, и любые попытки искать в нем какие-либо положительные моменты на корню пресекаются как «ересь» борцами с глобальным потеплением.

Именно по этой причине общественность широко информируют о страшных угрозах усиления парникового эффекта, намеренно упуская из виду положительные стороны. По крайней мере, этим положительным моментам не приписывается какого-либо социального и экономического значения. Дескать, углекислый газ благоприятен для роста растений, но это никак не отражается на улучшении ситуации в сельском хозяйстве, поскольку-де хорошо будут расти не только сельскохозяйственные культуры, но также и сорняки. А кроме того, глобальное потепление, возникшее из-за роста концентрации CO₂, усиливает влияние целого комплекса негативных факторов: вредителей, болезней, аномальной жары, засухи и т.д.

Как правило, борцы с глобальным потеплением сосредотачиваются именно на этих негативных факторах, которые якобы не просто нивелируют положительные эффекты, но и многократно их превосходят. Вся политика декарбонизации строится именно на этом нарративе – ничего хорошего об углекислом газе. Несомненно, здесь мы сталкиваемся с отклонением от научной объективности. По этой причине все исследования, показывающие положительное влияние парникового эффекта на сельское хозяйство, не принимались во внимание руководителями многих стран и, соответственно, не оказывали серьезного влияния на принятие решений на международном уровне (например, в руководящих структурах ООН).

Однако совсем недавно наметились признаки некоторого перелома в этом отношении. Таким признаком стал нашумевший отчет Министерства энергетики США, посвященный проблеме парниковых выбросов. Документ вызвал большой резонанс среди ученых и политиков, причем, не только в США. В частности, там ставились под сомнение катастрофические сценарии развития климатической ситуации. Дескать, климатические модели преувеличивают скорость и масштабы негативных изменений. Сам парниковый эффект и его глобальное влияние не отрицаются, однако оценки по дальнейшему развитию ситуации достаточно сдержанные. По сути, доклад (на который, безусловно, будет ссылаться действующая администрация при выработке стратегических решений) в определенной степени отражает хорошо известную позицию критиков климатического алармизма.

Нас, в данном случае, интересует аспект, связанный с сельским хозяйством и шире – с глобальной продовольственной безопасностью. В указанном отчете использовались некоторые выкладки недавнего исследования ученых Гарвардского университета, специально изучавших влияние глобального роста концентрации CO₂ на продуктивность сельскохозяйственных культур на территории США.

Авторы обращают внимание на одну странную особенность: послевоенный рост урожайности заметно превышал рост американской экономики в иных секторах, не связанных с сельским хозяйством. Почему именно в сельском хозяйстве произошел такой взрывной рост производительности? Обычно это связывают с так называемой «зеленой революцией» в сельском хозяйстве, где начали активно использоваться минеральные удобрения, пестициды и новые продуктивные сорта.

Однако, по мнению авторов исследования, современные агротехнические приемы, включая борьбу с вредителями, не в состоянии объяснить реальную прогрессию в плане роста урожайности. К примеру, урожайность кукурузы в США с 1940 года увеличилась в шесть раз! Урожайность бобовых и пшеницы – в три раза. До середины прошлого столетия урожайность оставалась неизменной.

Рост производительности в фермерском секторе США был в два раза ниже, чем в иных отраслях, но, начиная с 1950-х годов, ситуация стала резко меняться в противоположную сторону, и в конце концов производительность на американских фермах на 62% превысила показатели роста остальных секторов. В итоге производство сельхозпродукции в Америке увеличилось в несколько раз, хотя совокупное количество используемых для этого ресурсов осталось почти на прежнем уровне. В данном случае речь идет о земле, о рабочей силе и капитальных затратах.

Понятно, что ирригация, механизация, химизация и успехи в области селекции способствовали росту производительности в сельском хозяйстве. С этим никто не спорит. Однако указанная прогрессия, полагают авторы, слишком высока для того, чтобы списать всё на более совершенную агротехнику и более совершенные сорта. Должен быть какой-то дополнительный природный фактор, который создавал весьма благоприятные условия для столь фантастически успешного применения революционных технологий. 

Таким фактором, по их убеждению, как раз и стал рост концентрации углекислого газа в земной атмосфере. Если сопоставить данные, то выяснится, что рост производительности в сельском хозяйстве определенным образом коррелирует с параллельным ростом концентрации углекислого газа в земной атмосфере (на который обращают внимание ученые-климатологи). При этом авторы допускают, что сама индустриализация в сельском хозяйстве дополнительно содействовала росту углеродных выбросов.

Задача исследования как раз и заключалась в том, чтобы подтвердить данный тезис соответствующими лабораторными и полевыми экспериментами. Надо сказать, что подобные эксперименты на территории США уже проводились ранее. Как мы говорили выше, для науки влияние CO₂ на рост растений хорошо известно. Оно было наглядно продемонстрировано еще в начале позапрошлого века. Если говорить об опыте современных тепличных хозяйств, использующих газообразный углекислый газ в качестве удобрения, то он показывает, что для растений оптимальные уровни концентрации составляют примерно 800 – 1000 ppm, что более чем в два раза превышает текущую концентрацию CO₂ в атмосфере. Такое удвоение концентрации повышает урожайность от 24 до 43 процентов (в зависимости от типа культур и при нормальном достатке воды, тепла и света).

Как указывают авторы, в последние десятилетия проводятся аналогичные испытания с использованием «углеродного» удобрения и в открытом грунте, когда углекислый газ подводится прямо в поля по трубам. Конечно, такой способ не дает такого эффекта, как в закрытом грунте, однако он имеет и научную ценность, поскольку здесь условия в общих чертах повторяют то, что происходило в земной атмосфере за последние сто лет, когда росла концентрация парниковых газов. Так или иначе, но во всех случаях для CO₂ сделаны положительные оценки, отмечают авторы исследования. Согласно обобщенным расчетам, увеличение содержания углекислого газа на один промилле соответствует увеличению урожайности кукурузы на 0,4%, урожайности сои – на 0,6%, урожайности озимой пшеницы – на 1 процент.

Общий вывод таков – рост концентрации углекислого газа благоприятно посодействовал глобальной продовольственной безопасности. Этот вывод, как мы понимаем, крайне неудобен для политиков, ведущих борьбу за декарбонизацию. Впрочем, из сказанного совсем не вытекает, будто авторы подобных исследований призывают содействовать увеличению углеродных выбросов. В конце концов, они сами отмечают, что благоприятное воздействие «углеродного» удобрения наблюдается только при нормальных температурных значениях, тогда как сильная жара сводит этот эффект к нулю. Это значит, что глобальное потепление само по себе способно нивелировать данный эффект для многих регионов планеты, страдающих в последнее время от сильной жары.

Спрашивается, в чем тогда теоретическое значение таких исследований? Скорее всего в том, что они способны избавить нас от догматизма и обратить наше внимание на сложность и многогранность «парниковой» проблемы - в чем, собственно, и заключается научная объективность.

Николай Нестеров

В Новосибирском государственном университете создали прототип катализатора на основе бентонитовой глины, который найдет применение в органическом синтезе, а именно в катализе реакций алкилирования, а также в перспективе — в очистке нефтепродуктов и растительных масел. Благодаря высокой кислотности поверхности, а также доступности кислотных центров катализатора повышаются выходы продукта и селективность получения конкретного соединения в случае проведения реакций алкилирования, а в случае очистки нефтепродуктов и растительных масел увеличивается эффективность очистки и срок службы самого катализатора. Разработанный катализатор станет альтернативой более дорогих зарубежных аналогов, поставки которых сейчас затруднены. Проект выиграл грант в рамках федерального конкурса «Студенческий стартап». 

Бентонит — природный глинистый минерал, обладающий свойством разбухать при гидратации (в 14—16 раз). В результате образуется плотный гель, препятствующий дальнейшему проникновению влаги. Его высокая адсорбционная способность, пластичность, химическая стойкость и способность образовывать вязкие растворы делают его незаменимым в промышленном производстве, строительстве и многих других сферах.

Сейчас на российском рынке нет подобного катализатора отечественного производства для тонкого органического синтеза; есть зарубежные аналоги, но они довольно дорогостоящие и их поставки затруднены. При этом для производства данного катализатора в нашей стране есть отличная сырьевая база — ориентировочные запасы бентонитовой глины в России составляют более 340 млн тонн. Также существует большой спрос со стороны промышленных предприятий, включая те, которые занимаются очисткой нефтепродуктов и растительных масел от нежелательных примесей.

«Разрабатываемый нами продукт по свойствам не только не будет уступать зарубежным аналогам, но и по некоторым параметрам их превосходить: например, он будет обладать увеличенным сроком службы благодаря возможности регенерации (возможности прокалки с практически полным восстановлением исходных параметров активированной глины).  Мы создаем доступный, стабильный и высоактивный катализатор на основе дешевого сырья — бентонитовой глины — посредством её модификации. Модификацию выполняем в трех направлениях: увеличение пористости (количества доступных для протекания реакции пустот в материале); увеличение числа кислых центров, являющихся ключевым каталитическим сайтом; введение дополнительных каталитически активных центров посредством выращивания между слоями глины «столбиков» из оксидов Al и Zr. Сочетание указанных подходов позволит обеспечить высокую активность и стабильность получаемого катализатора», — пояснил Рамис Житкеев, руководитель проекта.

Работу над проектом Рамис Житкеев, студент 5 курса Факультета естественных наук (ФЕН) НГУ, начал около года назад параллельно с подготовкой дипломной работы, под руководством научного руководителя, к.х.н. Артема Порываева. В команду проекта также входит Александр Ефремов, аспирант ФЕН НГУ. На данный момент разработана лабораторная методика активации исходной глины, получен прототип, а также проведены испытания в модельных химических реакциях. Далее команда планирует доработать прототип и перейти к его масштабированию.

Основной областью применения разрабатываемого материала является очистка нефтепродуктов от олефинов, но также продукт может применяться в катализе реакций алкилирования, которые являются базовыми в органическом синтезе. Именно разработка катализатора для этого направления является основным в рамках стартап-проекта.

«На первом этапе мы планируем выпускать небольшие партии катализатора, поэтому ориентируемся на научные организации и предприятия, занимающиеся производством микро- и малотоннажной химии. Далее мы планируем масштабирование производства для закрытия потребностей в промышленных сегментах, использующих кислотно-активированные глины, — речь идет о нефтеперерабатывающих предприятиях. Большинство используемых глин имеет достаточно короткий срок службы, что открывает простор для разработки и внедрения наших технологий, из-за возможности регенерации нашего продукта. Еще одна возможная сфера применения — это очистка растительных масел, где есть аналогичные проблемы с используемыми глинами», — рассказал Рамис.

Средства гранта команда планирует направить на закупку реактивов и оборудования, запуск сайта и аренду помещений. В перспективе планируется создать производство технологичных кислотно-активированных глин в тоннажном масштабе.

Пресс-служба Новосибирского государственного университета

В Новосибирском государственном университете прошла публичная лекция лауреата Научной премии Сбера-2024, профессора Сколтеха Евгения Бурнаева. Учёный рассказал о том, как сегодня искусственный интеллект помогает инженерам и учёным решать сложнейшие задачи, какие тренды определяют развитие этой области и почему большие языковые модели меняют не только науку, но и нашу повседневность.

Евгений Бурнаев стал обладателем Научной премии в номинации «Цифровая вселенная». Эта награда присуждается за выдающиеся достижения в области компьютерных наук и искусственного интеллекта.

Каждый лауреат в течение года должен выступить с лекциями в ведущих университетах страны (их организацией также занимаются представителии Сбербанка, но сами вузы выбирают ученые-лауреаты). Темой лекции для новосибирских студентов и преподавателей стало обсуждение того, что происходит в мире ИТ прямо сейчас и какие технологии окажут влияние на инженерию и науку в ближайшее десятилетие.

«Мы находимся на этапе, когда искусственный интеллект перестал быть исключительно предметом научных дискуссий и превратился в реальный инструмент инженера и исследователя. С его помощью можно проектировать самолёты, предсказывать сложные природные процессы и даже менять экономику отраслей», – отметил Бурнаев.

Один из наиболее наглядных примеров – авиастроение. При проектировании пассажирских самолётов важнейшую роль играет форма крыла: от неё зависят аэродинамика и расход топлива. Раньше инженеры могли проверять только ограниченное число вариантов в аэродинамических трубах. Это дорого и долго.

Сегодня же искусственный интеллект позволяет создавать цифровые модели, которые просчитывают сотни комбинаций формы крыла. Алгоритмы анализируют геометрию, внутренние зависимости параметров и выдают прогнозы по безопасности и эффективности. Это экономит время, снижает затраты и даёт возможность создавать более надёжные и экологичные самолёты.

«Мы можем автоматизировать целые этапы работы инженеров. Это означает, что сложные задачи будут решаться быстрее и точнее. И именно это открывает дорогу к новому уровню автоматизации труда», – подчеркнул профессор.

Подобные подходы уже применяются и в других сферах – от автомобилестроения до энергетики. Искусственный интеллект перестал быть экспериментальной технологией и превращается в «цифрового коллегу» инженера.

Однако сегодня внимание широкой публики приковано не только к инженерным приложениям, но и к большим языковым моделям (Large Language Models, LLMs), к которым относится и ChatGPT. По словам Евгения Бурнаева, это один из главных трендов развития ИИ, и именно он определит, какими будут системы будущего.

Во-первых, идёт стремительный рост масштаба моделей: нейросети обучаются на триллионах слов и становятся всё более универсальными. Во-вторых, на смену «чисто текстовым» системам приходят мультимодальные – способные работать одновременно с текстом, изображениями, звуком и даже видео. Такие модели можно использовать, например, для анализа медицинских снимков вместе с историей болезни пациента или для комплексного сопровождения научных проектов.

Третье направление – мультиагентные системы. В них несколько специализированных ИИ могут взаимодействовать между собой, решая разные части одной задачи. Пользователю достаточно поставить цель, а дальше система сама организует поиск, анализ и даже выполнение действий.

«Представьте, что вы хотите купить авиабилеты. Сегодня вы сами ищете сайты, сравниваете цены, тратите время на выбор. В мультиагентной системе достаточно сказать: “Нужны два билета в Москву завтра и обратно через два дня”. Алгоритмы сами найдут оптимальный вариант, оплатят билеты и пришлют их вам на почту. Это уже не просто чат-бот, а настоящий цифровой помощник», – объяснил Бурнаев.

Кроме того, в научном сообществе обсуждается вопрос энергоэффективности. Современные модели требуют огромных вычислительных ресурсов, и одним из ключевых вызовов ближайших лет станет создание «зелёного ИИ» – систем, которые будут работать быстрее и дешевле, потребляя меньше энергии.

Разрабатываемые в Центре искусственного интеллекта Сколтеха проекты показывают, что ИИ полезен не только в промышленности. Так, созданная там система «пространственного интеллекта» анализирует спутниковые и наземные данные и может прогнозировать вероятность лесных пожаров. Первым заказчиком технологии стало МЧС России.

Другая разработка помогает прогнозировать ледовую обстановку на Северном морском пути. Для судоходства это критически важно: своевременное предупреждение позволяет сократить риски и потери.

Подобные технологии уже находят применение в медицине. Большие языковые модели могут выступать как инструмент поддержки врачей: собирать воедино данные из научных статей, подсказки по редким случаям и облегчать работу там, где специалистам просто не хватает времени на анализ тысяч публикаций.

В экспертной среде не утихают споры о том, каким будет будущее искусственного интеллекта. Некоторые, как, например, Наталья Касперская, прогнозируют скорый кризис больших языковых моделей. Евгений Бурнаев же уверен, что они станут частью более сложных систем, и их развитие только ускорится.

«Я думаю, что впереди нас ждёт интеграция разных технологий. Языковые модели будут частью больших интеллектуальных комплексов, которые решают задачи человека комплексно, а не по отдельным шагам. И именно это изменит экономику и образ жизни людей», – считает профессор.

История ИИ перестала быть уделом только программистов и исследователей. Сегодня это инструмент, который уже меняет инженерные практики, промышленность, медицину и даже быт. Важно, что этот инструмент становится доступным всё большему числу специалистов – от инженеров и врачей до учёных самых разных областей.

И хотя впереди остаются вызовы – от энергоэффективности до регулирования, – именно сейчас формируется будущее, в котором искусственный интеллект будет не просто вспомогательным инструментом, а полноправным участником решений, принимаемых человеком.

Сергей Исаев

Сотрудники Института теплофизики им. С. С. Кутателадзе СО РАН разрабатывают методику отбора частиц биологических жидкостей, которая может использоваться в медицине, в том числе во вспомогательных репродуктивных технологиях. Способ основан на методе детерминированного бокового смещения (DLD), считающегося одним из самых перспективных, универсальных и доступных инструментов для гидродинамической сортировки объектов микронных и субмикронных масштабов.

Разделение, выделение и детектирование частиц в суспензии важны для широкого спектра применений, включая биомедицинские исследования и клиническую диагностику. Метод детерминированного бокового смещения (англ. Deterministic Lateral Displacement) считается перспективной технологией благодаря своей способности непрерывно разделять частицы по размеру, форме, деформируемости и электрическим свойствам с высоким разрешением. Благодаря высокому разрешению и широкому динамическому диапазону разделения по размеру DLD широко используется для сортировки, концентрирования и выделения многих биологических частиц. Метод DLD сегодня используется в первую очередь для выявления циркулирующих опухолевых клеток в крови для диагностики рака на ранней стадии, а также для разделения лейкоцитов и эритроцитов при диагностике малярии, сортировки стволовых клеток, ДНК и других частиц. 

В рамках выполнения гранта Российского научного фонда под руководством старшего научного сотрудника лаборатории процессов переноса в многофазных системах ИТ СО РАН кандидата физико-математических наук Анны Александровны Ягодницыной проводятся исследования по разработке управляемых DLD-чипов, повышению эффективности метода DLD, а также применению метода DLD для репродуктивной медицины.

«В нашей лаборатории метод DLD уже реализован в виде чипа с массивом столбиков диаметром до 50 микрометров, который позволяет сортировать мельчайшие объекты до 20 микрометров. С помощью современных оптических методов диагностики потоков с микронным разрешением мы исследуем гидродинамику течения в таких устройствах с целью повышения их производительности», — рассказал старший научный сотрудник лаборатории процессов переноса в многофазных системах ИТ СО РАН кандидат физико-математических наук Александр Владиславович Ковалев. 

Микрофлюидный DLD-чип представляет собой массив столбиков, расположенный под небольшим углом: каждый следующий ряд сдвинут относительно предыдущего. Благодаря такой геометрии частицы разных размеров движутся по разным траекториям: частицы меньше критического размера следуют линиям тока, в то время как частицы размером больше, как правило, движутся вдоль рядов столбиков, таким образом, траектории разных по размерам частиц разделяются. «В такой конфигурации чип имеет широкий диапазон разделяемых частиц, например уже сейчас мы можем разделять опухолевые клетки и эритроциты. В числе преимуществ DLD: простота конструкции, высокая скорость работы и отсутствие активных элементов управлении потоком, то есть без внешнего электрического и механического воздействия на сортируемый объект. Однако современные DLD-чипы имеют существенное ограничение: характерный диаметр частиц, которые могут быть отсортированы, строго определяется геометрией чипа. Это означает, что, если вы захотите изменить диапазон сортируемых частиц, вам понадобится новый DLD-чип с другими геометрическими параметрами. В рамках первого года реализации проекта мы создали прототип настраиваемого DLD-устройства, позволяющего гибко регулировать диапазон размеров разделяемых объектов», — отметил основной исполнитель проекта старший научный сотрудник лаборатории физических основ энергетических технологий ИТ СО РАН кандидат физико-математических наук Максим Владимирович Шестаков.

Помимо сортировки опухолевых клеток, технология новосибирских ученых может использоваться во вспомогательной репродуктивной медицине. В репродуктивном тракте движение сперматозоидов определяется рядом факторов: реотаксисом — движением против течения, термотаксисом — движением по температурному градиенту и хемотаксисом — движением по градиенту концентрации химических веществ. Одна из задач сотрудников ИТ СО РАН — воссоздать в микрочипе условия, максимально приближенные к естественным. Необходимо снабдить массив столбцов в чипе определенным химическим составом и подобрать температурный диапазон, что в итоге позволит существенно повысить эффективность процедур искусственного оплодотворения.

По словам руководителя проекта А. А. Ягодницыной, такой метод отбора сперматозоидов может стать важным инструментом для репродуктивной медицины и продемонстрировать новые возможности и преимущества перед технологиями, которые применяются сегодня в этой области: «В нашей работе важно тесное сотрудничество с медиками. Мы планируем создать микрофлюидный чип, в котором будут воспроизведены характеристики среды репродуктивного тракта. Совместно с врачами-репродуктологами мы сравним нашу технологию со стандартными методами. Точность отбора сперматозоидов в нашей системе минимизирует влияние человеческого фактора на итоговый результат, а также исключает механическое воздействие, которое может привести к повреждению отбираемых клеток». 

Результаты работы были изложены в докладе на XII Российском форуме биотехнологий OpenBio-2025.

Работа поддержана грантом РНФ 24-79-10291 «Разработка управляемых микрофлюидных систем сортировки для фармацевтических и вспомогательных репродуктивных технологий». 

Материал подготовлен при поддержке гранта Минобрнауки России в рамках Десятилетия науки и технологий.

Кирилл Сергеевич

Каждый день в мире публикуются тысячи научных статей о генах, белках и механизмах заболеваний. Поток информации растёт лавинообразно, и даже опытным исследователям всё труднее удерживать в поле зрения всё новое, что появляется в их области. Разобраться в этом океане данных помогает интеллектуальная система ANDSystem – инструмент, который умеет «читать» научные тексты, извлекать из них знания и связывать их между собой. Его создали учёные Института цитологии и генетики СО РАН – подробности в очередном материале, посвященном 10-летию образования ФИЦ ИЦиГ СО РАН.

Когда в конце прошлого века к.б.н. Владимир Иванисенко (ныне заведующий лабораторией компьютерной протеомики ИЦиГ СО РАН) пришел работать в институт, здесь, под руководством академика РАН Николая Александровича Колчанова развивалось направление по исследованию генных сетей (молекулярных систем, состоящих из взаимодействующих друг с другом генов, белков и метаболитов, которые координированно работают для выполнения определенных функций организма и формирования его фенотипических признаков).

Чтобы построить такую сеть требовалось собрать воедино данные, разбросанные по многим тысячам научных статей и отчетов об исследованиях, проводимых по всему миру. Первые сети исследователи делали практически вручную и эта работа занимада очень много времени.

Задача, поставленная перед Иванисенко – придумать, как на основе этих сетей выявлять новые мишени для создания новых лекарств от различных болезней требовала обработать еще большие объемы информации.

«Поиск мишеней для действия лекарств требует систематизации всех данных о механизмах патологии, – рассказал заведующий лабораторией компьютерной протеомики ИЦиГ СО РАН, к.б.н. Владимир Иванисенко. – А эта информация разбросана по тысячам публикаций. Прочитать вручную хотя бы 20 тысяч статей невозможно. А в случае с рядом заболеваний, таких как ревматоидный артрит или диабет – счет идет на сотни тысяч текстов, в которых разбросана нужная информация. Поэтому мы решили научить компьютер делать это за нас».

Так появилась система, которая объединяет методы анализа генетических последовательностей и технологии обработки естественного языка. ANDSystem (Associative Network Discovery System) автоматически анализирует тексты научных публикаций, патентов и баз данных, извлекая из них факты о взаимодействии генов, белков, заболеваний и лекарств. Все найденные связи представляются в виде наглядных семантических сетей, которые можно визуализировать и анализировать.

Используя ANDSystem и её веб-модуль ANDDigest, учёные ИЦиГ могут не просто искать данные, но и видеть, как развивается интерес к тем или иным биомаркерам или заболеваниям, какие направления науки набирают популярность. Программа сортирует результаты по цитируемости, дате публикации, индексу Хирша журнала и даже показывает, какие термины встречаются чаще других.

«Мы столкнулись с тем, что авторы часто используют разные термины для одного и того же процесса, – отметил Иванисенко. – ANDDigest решает эту проблему, распознавая синонимы и повышая точность поиска на 13 %, что делает анализ данных гораздо надёжнее».

С помощью этих инструментов новосибирские исследователи анализируют огромные массивы информации, строят модели взаимодействия белков, выявляют новые потенциальные мишени для лекарств и исследуют генетические механизмы сложных заболеваний – от нейродегенеративных до аутоиммунных. За последние десять лет результаты, полученные с помощью ANDSystem, легли в основу более 150 научных статей.

Когда искусственный интеллект помогает врачу

Постепенно технологии, созданные для фундаментальных исследований, нашли применение и в медицине.

«Мне всегда было интересно, смогут ли обычные врачи пользоваться нашими наработками, – поделился Владимир Иванисенко. – Ведь читать тысячи научных публикаций и ездить по конференциям могут далеко не все. Особенно врачи в районных клиниках, где на одного специалиста приходится десятки пациентов в день».

Так появилась идея цифрового помощника врача «Доктор Пирогов» – системы поддержки клинических решений, основанной на сочетании нейронных и смысловых сетей, которую Владимир Иванисенко создал уже с коллегами по Центру искусственного интеллекта Новосибирского государственного университета.

«Доктор Пирогов» содержит сведения более чем о 250 заболеваниях и объединяет знания по двадцати врачебным специальностям – от терапии и кардиологии до эндокринологии, неврологии и онкологии. Система способна анализировать жалобы пациента, лабораторные и инструментальные данные, результаты генетического тестирования и на основе семантических графов формировать вероятные диагнозы, рекомендации по обследованию и терапии.

«Мы хотим, чтобы система не заменяла врача, а помогала ему, – подчёркнул Иванисенко. – Она может сократить длительность приёма без потери качества и снизить риск диагностических ошибок. Особенно важна её роль для врачей из сельской местности, где нет доступа к узким специалистам».

В кабинетах доврачебной помощи «Доктор Пирогов» способен проводить первичный опрос пациента, анализировать клинические данные и выдавать направление к нужному врачу. Это позволит разгрузить терапевтов и повысить качество первичной диагностики.

Сегодня уже создан рабочий прототип системы, который успешно прошёл тестирование основных функций. В дальнейшем разработчики планируют добавить голосовой и визуальный интерфейсы, чтобы сделать взаимодействие с «Доктором Пироговым» максимально естественным.

От медицины – к урожаю: система SmartCrop

Идея создания интеллектуальных инструментов для анализа данных оказалась востребованной не только в медицине. По словам Владимира Иванисенко, логика «Доктора Пирогова» легла в основу нового направления – сельскохозяйственной системы SmartCrop («Умный урожай»).

«Нет смысла заниматься здоровьем людей, если им нечего будет есть, – отметил учёный. – Мы решили применить те же принципы анализа знаний к задачам сельского хозяйства».

SmartCrop использует методы искусственного интеллекта для анализа генетических и физиологических данных растений. Система помогает селекционерам находить гены, отвечающие за урожайность, устойчивость к засухе и болезням, прогнозировать результаты скрещивания и ускорять создание новых сортов.

В первую очередь внимание разработчиков сосредоточено на пшенице и рисе – стратегически важных культурах, от которых напрямую зависит продовольственная безопасность многих стран. Проект реализуется в рамках российско-китайского гранта РНФ совместно с профессором Минь Ченом, руководителем национальной программы по биоинформатике в Китае.

«Фактически мы создаём систему, которая анализирует сельскохозяйственные публикации и данные о генетических особенностях культур так же, как “Доктор Пирогов” обрабатывает медицинские знания, – поясняет Иванисенко. – Это позволит ускорить разработку новых сортов и сделать процессы селекции более прогнозируемыми».

Сегодня в Институте цитологии и генетики СО РАН создаются технологии, способные соединить научные данные, клинический опыт и аграрные знания в единое цифровое пространство. Эти разработки показывают, что искусственный интеллект – это не отвлечённая тема для ИТ-компаний, а реальный инструмент, помогающий учёным, врачам и аграриям работать эффективнее и принимать решения на основе фактов.

Компании из Новосибирской области продемонстрировали беспрецедентную эффективность в первом потоке всероссийского конкурса «Бизнес-Старт» Фонда содействия инновациям. По итогам отбора, проходившего с 10 апреля по 26 мая 2025 года, семь местных технологических компаний привлекут 103 млн рублей грантов на развитие своих проектов.

Общий объем финансирования, распределенный между 32 малыми предприятиями из 12 регионов России, составил 514 млн рублей.

Результат Новосибирской области – 20% поддержанных проектов от общего числа победителей – является наивысшим в стране.

«Получение грантов региональными компаниями в конкурсе Фонда содействия инновациям демонстрирует успешную реализацию мер федеральной поддержки. Особенную ценность в линейке конкурсов ФСИ представляет программа «Бизнес-Старт», открывающая нашим предпринимателям путь к созданию, расширению, модернизации уже действующего производства, необходимого для серийного выпуска инновационной продукции, а также ее последующую коммерциализацию. Важно подчеркнуть, что в этом году размер гранта увеличился с 12 до 18 млн рублей, что существенно расширяет возможности для исследований и разработок. Экспертами были отмечены 32 проекта из разных регионов России и в их числе - 7 проектов из Новосибирской области. Это очень высокий показатель. Все поддержанные проекты новосибирских компаний относятся к ключевым направлениям развития — цифровым технологиям, медицине, новым материалам и энергетике. Эти средства позволят приобрести необходимое оборудование и комплектующие, укрепить позиции компаний на рынке высокотехнологичной продукции», — прокомментировала заместитель Губернатора Новосибирской области Ирина Мануйлова.

В списке победителей – компании «Смарт Алгоритмс», «НПО Гормаш», «Папийон», «СИА», «Вермилоджик», «Биолабмикс» и «ОГТ». Значительная часть поддержанных разработок направлена на импортозамещение.

В их числе проект ООО «ОГТ» (резидент Сколково) для модернизации оборудования – компания является единственным в России серийным производителем автомобильных электрохромных стекол с регулируемым затемнением по собственной запатентованной технологии.

«Победа в конкурсе открывает новые перспективы для модернизации производственных мощностей и внедрения передовых технологий. Полученные средства  будут направлены на приобретение современного оборудования, автоматизацию производственных процессов и повышение качества продукции. Это позволит увеличить объемы выпускаемой продукции, расширить продуктовую линейку и повысить ее качество», – рассказал Артем Липов, директор ООО «ОГТ».

Консультационную и методическую поддержку компаниям на всех этапах подготовки заявок оказывал Новосибирский областной инновационный фонд, выступающий региональным представителем Фонда содействия инновациям.

Успешная динамика новосибирских инноваторов демонстрируется и в других специализированных конкурсах Фонда содействия инновациям. В конкурсе «Старт-Мед», направленном на поддержку проектов в области медицины и здравоохранения, из 9 победителей двое представляют Новосибирскую область. Это проект по разработке универсального гибридного протеза клапана сердца с уникальной возможностью «роста», а также проект по созданию опытного образца набора для клипирования бедренной артерии.

Аналогичный результат показан в конкурсе «Старт-Станкостроение», где из 11 компаний-победителей две из Новосибирска. Это разработка программно-аппаратного комплекса для повышения эффективности переработки древесины с использованием ЧПУ распиловки, нейросетей и машинного зрения (ООО «ПАУЭРКОР ТЕХНОЛОДЖИ») и проект по изготовлению и испытанию прототипа специализированного станочного комплекса для обработки внутренних объемно-сложных поверхностей рабочих камер трохоидных тепловых машин, выполненных из труднообрабатываемых материалов (ООО «ЛТМ»).

Эти достижения свидетельствуют о высоком качестве инновационных проектов, рождающихся в регионе, и об эффективности системы поддержки, выстроенной при участии Новосибирского областного инновационного фонда.

Нобелевскую премию по химии в 2025 году присудили Сусуму Китагаве (Университет Киото, Япония), Ричарду Робсону (Университет Мельбурна, Австралия) и Омару Яги (Калифорнийский университет, Беркли, США) «за разработку металл-органических каркасных структур». Как отметил заведующий лабораторией металл-органических координационных полимеров Института неорганической химии им. А. В. Николаева СО РАН академик Владимир Петрович Федин, химическое сообщество давно ждало этой награды: «На наш взгляд, решение Нобелевского комитета очень правильное, потому что это действительно та химия, которая открывает перспективы для создания новых функциональных материалов».

«Речь идет о структурах, в которых точно можно определить положение всех атомов в пространстве, и самым замечательным свойством этих структур является их рекордная пористость, — объяснил В. П. Федин. — Пористые материалы очень важны для катализа, очистки воды и многих других применений».

Классические пористые материалы обладают площадью поверхности максимум 2 000—3 000 квадратных метров на грамм, это считается хорошим показателем. «В случае MOF (metal-organic frameworks) — мы их называем металл-органические координационные полимеры — рекордные значения достигают более 7 000 м2/г, — рассказал Владимир Федин. — Рекордсмен среди таких материалов имеет площадь внутренней поверхности, сопоставимую с размером одного стандартного футбольного поля FIFA». Следовательно, эти соединения чрезвычайно важны в катализе: для сорбции и хранения летучих газов, таких как водород, метан, для разделения различных углеводородов, для чего в промышленности требуются большие энергии, — всё это можно легко и просто сделать при помощи MOF.

«В последнее время были выполнены блестящие работы по этой тематике, в том числе и с участием нынешних нобелевских лауреатов, по разделению тяжелой и легкой воды, тяжелого и легкого диводорода, по абсорбции воды и воздуха пустыни, когда эти материалы ночью напитываются влагой, а затем под солнцем выделяют абсолютно чистую воду, которую можно применять, — привел примеры В. Федин. — Такие работы ведутся и в ИНХ СО РАН, мы также принимаем участие в подобных исследованиях».

Одно из приложений этих материалов, которым занимаются специалисты Института неорганической химии СО РАН, — это разделение углеводородов на отдельные фракции, например бензола и циклогексана, легких углеводородов (метан, пропан, бутан). Следующее направление работы новосибирских химиков в этой области — создание сенсоров, позволяющих любому желающему без использования сложной аппаратуры, в домашних условиях определять опасные вещества в окружающих предметах, например содержание антибиотиков в мясе птицы и других продуктах. Еще одно приложение связано с созданием устройств для расшифровки, которые позволяют маркировать товары для того, чтобы было невозможно эту маркировку подделать.

«Надеюсь, присуждение Нобелевской премии в области металл-органических координационных полимеров привлечет внимание молодых исследователей, и это наплавление химической науки будет развиваться еще быстрее», — резюмировал Владимир Федин. 

Подготовила Елена Трухина

Интеллектуального робота-манипулятора для автоматического сбора томатов в промышленных теплицах, отличающий спелые плоды от несозревших, создал студент Факультета информационных технологий Новосибирского государственного университета Антон Власенко. Его робот способен анализировать время созревания различных сортов томатов и собирать только спелые плоды. Недозревшие он оставляет на кустах и возвращается к ним по мере созревания. В настоящее время молодой исследователь проводит тестирование своего устройства в домашних условиях, в дальнейшем планируются промышленные испытания на объектах тепличного комбината «Толмачевский», о чем уже достигнута предварительная договоренность.

— Для анализа состояния плодов и принятия решений мы использовали алгоритмы компьютерного зрения. Также в систему заложены ультразвуковые датчики. Они помогают роботу оценивать расстояние до объектов и избегать столкновений с ними. Чтобы манипулятор, снимая томаты с ветвей, случайно не раздавил их, мы снабдили устройство датчиками которые регулируют силу сжатия. Интересный момент связан с самим алгоритмом «time to harvest» (время собирать урожай). Мы не просто классифицируем томат на «зеленый» или «красный», а пытаемся оценить, сколько дней осталось до оптимального сбора. Для этого берем данные по цветовым каналам и насыщенности. На их основе система прогнозирует время сбора плодов. Это позволит не только собирать урожай «здесь и сейчас», но и планировать, когда именно отправлять робота к определенному кусту. Наш робот-манипулятор определяет не просто цвет томата в целом, а делит его изображение на сетку, как шахматную доску. Каждую клетку анализирует отдельно с учетом сорта плода, разделяя участки красного, зеленого или желтого цветов. Таким образом система понимает: плод спелый, частично спелый или пока зеленый и далее прогнозирует оптимальное время для сбора плодов, — объяснил Антон Власенко.

Для детекции объектов молодой исследователь в своей разработке применил основную нейросеть YOLOv8 (Ultralytics). Она находит ограничивающие рамки томатов в кадре. Программное обеспечение робота написано на Python. Библиотека компьютерного зрения OpenCV (cv2) решает несколько задач — чтение видеопотока с камеры, преобразование изображения (HSV, LAB), создание цветовых масок. Численные вычисления — средние значения каналов, операции с массивами, подсчет количества пикселей в масках, — производятся с применением библиотеки NumPy. Контроллер Orange pi 5 обеспечивает работу шаговых двигателей и драйверов управления. Благодаря этому манипулятор получает координаты томата из YOLO, пересчитывает в углы для сервоприводов и далее срывает плод.

Сам манипулятор изготовлен методом 3D печати. Он состоит из редуктора, сегментов «руки», кронштейнов и захвата. Всего в общей сложности было изготовлено 115 деталей. После завершения печати каждая из них подвергалась тщательной пост-обработке. Значительную часть этой работы выполнял второй участник проекта — студент Сибирского государственного университета геосистем и технологий Яков Губарев. Необходимо было на каждой детали удалить поддержки, вручную отшлифовать контактные поверхности, просверлить монтажные отверстия под крепеж и проверить точность посадочных мест.

— Работая над распечаткой деталей манипулятора, мы столкнулись с серьезной проблемой. Он представляет собой довольно крупную конструкцию — если полностью вытянуть его «руку», ее длина составит около 1,5 метра. Имеющийся в нашем распоряжении принтер с такой задачей справиться не мог. Стали искать варианты, и выяснилось, что печать уже готовых 3D-моделей обойдется нам дороже нового принтера, обладающего необходимыми нам возможностями. Поэтому нам пришлось приобрести новый 3D-принтер, — рассказал Антон Власенко.  

В настоящее время манипулятор собран, и молодым исследователям предстоит корректная настройка его движения, а затем сборка мобильной платформы, которая позволит роботу перемещаться между рядами в теплицах. Далее можно будет перейти к пилотным испытаниям в реальных условиях. В будущем Антон Власенко защитит магистерскую диссертацию, в рамках которой он и реализует свой проект. Также он планирует выйти с ним на конкурс студенческих стартапов.

— Идея создать робот-манипулятор для выполнения данной задачи у меня возникла на хакатоне ТРК. Одним из его треков было создание небольшого робота, который с помощью компьютерного зрения будет собирать определенные виды плодов. Это задание было несложным — надо было сделать так, чтобы робот только коснулся выбранного им плода. В дальнейшем мы решили, что, и правда, неплохо было бы создать робота, который собирал бы томаты в промышленных теплицах. Пообщавшись с бывшим директором тепличного комбината «Толмачевский» Сергеем Евгеньевичем Ложниковым, мы узнали, что потребность в автоматических сборщиках урожая действительно существует. Сейчас этот процесс производится вручную, но рабочих рук не хватает, что становится для тепличных комбинатов серьезной проблемой. Наша идея создать робота, который выполнял бы данную задачу, нашла поддержку, и мы приступили к работе — сначала изучили существующие аналоги, а потом стали думать, какую архитектуру применить, чтобы правильнее осуществить сбор томатов, а также предусмотреть дальнейшее развитие. В дальнейшем мы планируем приспособить нашего сборщика томатов и для других овощных культур, — поделился планами Антон Власенко. 

Пресс-служба Новосибирского государственного университета

Нобелевскую премию по физике в этом году получили Джон Кларк, Мишель Э. Деворе и Джон М. Мартинис — за открытие макроскопического квантово-механического туннелирования и квантования энергии в электрической цепи. Как отмечает старший научный сотрудник Института физики полупроводников им. А. В. Ржанова СО РАН кандидат физико-математических наук Илья Игоревич Бетеров, на этот раз премия снова связана с тематикой квантовых компьютеров. Работы в этом направлении ведут и новосибирские ученые.

«Нобелевскими лауреатами по физике — 2025 стали Джон Мартинис и его коллеги за исследование сверхпроводящих переходов Джозефсона. Идея состоит в следующем: если мы возьмем электрическую цепь и сделаем в ней разрез, то через этот разрыв электрический ток протекать не будет. Однако если охладить цепь до температуры жидкого гелия, то сквозь это нарушение смогут туннелировать электроны, соответственно, электрический ток вновь будет течь, как ни в чем ни бывало», — поясняет Илья Бетеров. При этом интересная особенность явления состоит в том, что электричество может двигаться как бы в двух направлениях одновременно, являясь квантовой суперпозицией — именно такой эффект позволил использовать сверхпроводящие переходы Джозефсона как логические элементы квантовых компьютеров. 

«Сегодня именно сверхпроводящие квантовые компьютеры являются одной из наиболее развитых платформ для экспериментальных квантовых вычислений. Такого подхода придерживаются компании IBM, Google, Microsoft и многие ведущие исследовательские центры в Китае, которые выступают в этой области совершенно на равных», — добавляет Илья Бетеров.

Есть и другие физические платформы (например, нейтральные атомы, которыми занимаются в ИФП СО РАН), но тем не менее в том, что касается технологической реализации, именно для сверхпроводящих квантовых компьютеров сегодня достигнут наибольший прогресс. «Так, компания IBM смогла создать сверхпроводящий квантовый процессор, который содержит больше тысячи кубитов», — приводит пример ученый.

«Имя Джона Мартиниса постоянно встречается на страницах научных журналов в последние годы, и наиболее яркое достижение, которое с ним связано, — демонстрация квантового превосходства, которая состоялась в 2019 году (это было сделано, когда Мартинис возглавил исследовательский центр компании Google по квантовым вычислениям)», — рассказывает Илья Бетеров. 

Идея квантового превосходства состоит в следующем. Дело в том, что до 2019 года любой существующий квантовый компьютер можно было смоделировать на классическом. По этой причине даже речи не могло идти о том, чтобы рассматривать практическое применение квантовых вычислений. Однако в 2019 году было показано, что существуют такие математические задачи, пусть пока абстрактные и не имеющие практического приложения, которые могут быть эффективно решены только на квантовом компьютере, а классический эти задачи решить в принципе не может. «Это квантовое превосходство еще более убедительно было подтверждено в китайских исследовательских центрах», — отмечает исследователь.

Исследования в области квантовых компьютеров ведутся и в Новосибирске «К тематике, отмеченной Нобелевской премией, наиболее близки научные направления ИФП СО РАН по квантовым вычислениям и по магнитометрии с применением СКВИДов — сверхпроводящих интерференционных устройств (СКВИДы, например, используют наши геологи для палеомагнитных работ), — комментирует Илья Бетеров. — Мы занимаемся элементной базой квантовых вычислений на нейтральных атомах, и эту платформу рассматриваем в качестве альтернативы, но у нас есть опыт реализации квантовых алгоритмов и на настоящих сверхпроводящих процессорах IBM. Тематикой сверхпроводящих кубитов в России занимаются главным образом в Москве, но у нас в Новосибирске есть один из ведущих теоретиков в этой области — профессор Новосибирского государственного технического университета доктор физико-математических наук Яков Симхонович Гринберг». 

В целом, по словам ученого, достижения в этой области производят очень большое впечатление:  это связано с тем, что она сейчас наиболее динамично развивается и появляется всё больше возможностей для управления квантовыми состояниями многочастичных квантовых систем. «В каком-то смысле экспериментальные достижения выглядят как самая настоящая научная фантастика, хотя о практических приложениях пока еще говорить рано», — заключает Илья Бетеров.

Подготовила Екатерина Пустолякова