All issues

Изоформный состав гена CD44 тесно связан с прогрессированием злокачественных опухолей и формированием раковых стволовых клеток. Хотя механизм альтернативного сплайсинга обеспечивает выборочное включение вариабельных экзонов этого гена, общий регуляторный ландшафт данного процесса до сих пор остается малоизученным.

В настоящей работе предложен новый вычислительный подход к анализу регуляции сплайсинга, основанный на моделировании долей экспрессии транскриптов с помощью аппарата бета-регрессии. Автор реализовал математическую модель в виде глубокого нейросетевого регрессора, который совместно оценивает параметры вероятностного распределения и применяет регуляризацию методом эластичной сети для отбора наиболее значимых биологических признаков. Разработанный метод успешно применен для идентификации рибонуклеиново-связывающих белков, выполняющих роль факторов сплайсинга и напрямую управляющих выбором сайтов сборки гена CD44 в клетках колоректального рака. В построенных регрессионных моделях целевыми переменными выступают строго нормированные доли экспрессии изоформ, а в качестве признаков используются уровни экспрессии потенциальных регуляторов.

В ходе исследования детально сопоставлены две схемы постановки задачи машинного обучения. Первая схема реализует классический подход «один против всех», предполагающий построение отдельной изолированной модели для каждой рассматриваемой изоформы. Второй подход представляет собой метод дерева изоформ, базирующийся на последовательном иерархическом разбиении транскриптов по наличию вариабельных экзонов с независимым подбором регуляторных белков на каждом этапе алгоритма. Вычислительная корректность программной реализации была предварительно подтверждена на искусственно сгенерированных данных: модель продемонстрировала высокую точность восстановления параметров при полном отсутствии систематического смещения оценок. Последующий сравнительный анализ на клинических данных выявил явное преимущество схемы «один против всех» с точки зрения итогового качества и стабильности предсказаний.

Биологический анализ результатов не только подтвердил участие известных регуляторов гена CD44, но и позволил выявить новые потенциальные факторы регуляции, среди которых выделяются белки ACO1, NUDT21 и AGO2. Для фактора ACO1 автор сформулировал оригинальную гипотезу, напрямую связывающую внутриклеточный метаболизм железа и регуляцию изоформного состава гена CD44. Полученные выводы существенно расширяют текущее понимание молекулярных механизмов онкогенеза.

Aberrant alternative splicing of the CD44 gene drives colorectal cancer progression and facilitates the emergence of cancer stem cells. Although biomedical research recognizes this transmembrane glycoprotein as a major catalyst of malignancy, deciphering its multi-isoform regulatory networks remains a complex analytical challenge. To address this knowledge gap, this study presents a machine learning framework designed to decode these biological mechanisms. The author constructed a neural network regressor based on beta regression to model bounded isoform proportions. This computational architecture jointly estimates both the mean and the precision parameters of the underlying probability distribution. Furthermore, the system employs elastic net regularization to perform quantitative feature selection from highdimensional molecular expression data.

The investigation evaluates the proposed framework using gene expression profiles from colorectal cancer patients. The primary objective involves identifying specific ribonucleic acid-binding proteins acting as regulatory splicing factors. The experimental design contrasts two distinct mathematical modeling strategies. The first configuration incorporates an independent ”one-vs-all” approach that treats each transcript variant as an isolated regression target. The second formulation utilizes a structured ”isoform tree” method that directly mirrors hierarchical exon inclusion relationships. Validation experiments on synthetically generated datasets confirmed the mathematical integrity of the network. The model recovered true distribution parameters with precision and exhibited no systematic bias. Comprehensive empirical comparisons subsequently demonstrated that the independent ”one-vs-all” layout consistently outperforms the hierarchical tree configuration in predictive stability and accuracy.

The computational analysis maps the regulatory landscape of the CD44 gene. The framework validates several established splicing factors while uncovering new candidate proteins, including ACO1, NUDT21, and AGO2. Based on these statistical associations, the paper introduces a biological hypothesis. This concept functionally connects intracellular iron metabolism via the ACO1 protein with the shifting balance of CD44 variants. These discoveries provide deeper insights into oncogenic splicing regulation. Ultimately, they highlight molecular targets for future therapeutic interventions aimed at suppressing the cancer stem cell phenotype.

Надежная диагностика болезней растений компьютерным зрением требует не только высокой точности классификации, но и стабильной обобщающей способности и интерпретируемого принятия решений. При этом механизмы внимания безусловно полезны для моделей глубокого обучения, но эффективность решения задачи зависит от места и способа интеграции этих механизмов в архитектуру нейронной сети. В данном исследовании представлен классификатор на базе оптимизированной архитектуры YOLOv11m, а также результаты анализа результатов диагностики болезней растений в зависимости от сверточных блоков CBAM (Convolutional Block Attention Module), внедренных на разных уровнях архитектуры. Выполнен сравнительный анализ трех архитектурных вариантов модели: базовой архитектуры YOLO11m-Cls без механизма внимания, варианта с добавлением CBAM только в магистральную часть backbone и гибридной архитектуры, сочетающей сокращенное внимание в магистральной части backbone с дополнительным блоком CBAM на уровне классификационного слоя head. Все модели были обучены и протестированы в одинаковых экспериментальных условиях с использованием обширного набора данных, содержащего около 90 тысяч изображений 38 типов болезней растений. Экспериментальные результаты ясно показывают, что равномерное внедрение CBAM в магистральную часть backbone снижает устойчивость модели и ухудшает ее способность к обобщению, что проявляется в повышении валидационной функции потерь и понижении точности (Top-1 ≈ 90,5%) по сравнению с базовой архитектурой. Напротив, гибридная архитектура обеспечивает баланс между устойчивостью и способностью детектировать с повышением параметров точности Top-1 до 99,71% и Top-5 до 99,99% на этапе валидации, близким по значениям к параметрам базовой модели. Анализ интерпретируемости на основе метода Grad-CAM также положительно характеризует гибридную модель, которая формирует улучшенные и биологически обоснованные карты активации, четко фокусирующиеся именно на признаках заболевания и практически исключающие отвлечение внимания на фоновые элементы изображения. Важно отметить, что целью данной работы является не достижение наилучшей производительности среди всех классификаторов, а предоставление доказательств на уровне архитектурного проектирования относительно того, каким образом размещение механизма внимания влияет на устойчивость и интерпретируемость в классификационных моделях на базе YOLO. Полученные результаты предоставляют практические рекомендации по проектированию надежных и интерпретируемых систем искусственного интеллекта для агропромышленного сектора.

Reliable plant disease diagnosis requires not only high classification accuracy, but also stable generalization and interpretable decision-making. Although attention mechanisms are useful to these deep learning models, the performance also depends on where and how they are integrated into the network architecture. This study presents a design-optimized YOLO11m-based classification framework that systematically investigates the impact of Convolutional Block Attention Module (CBAM) injection at different architectural levels for plant disease diagnosis. We perform a comparative modelcontrolled analysis of three model architectures: (i) the baseline YOLO11m-Cls architecture lacking attention, (ii) only adding the backbone block along with CBAM and (iii) a hybrid architecture that includes reduced backbone attention combined with CBAM added at classification head. All models are trained and tested under the same experimental settings using a largescale dataset with around 90 000 images of 38 types of plant diseases. Experimental results clearly show that the uniform injection of CBAM into the backbone reduces stability but causes generalization to worsen with a higher validation loss and significantly lower Top-1 accuracy (≈ 90.5%), while the hybrid attention design balances stability and discrimination, with Top-1 accuracy up to 99.71%, Top-5 accuracy up to 99.99% and near-baseline validation behavior respectively Grad-CAMbased interpretability analysis also demonstrates that the hybrid model generates enhanced and biologically interpretable activation maps, which are more disease-specific with less distraction from background. Notably, the aim of our work is not for achieving superior performance over all classifiers but instead only to provide design-level evidence on how placing attention modulates rigidity and interpretability in YOLO-based classification models. The results provide practical architectural considerations for building dependable and interpretable AI systems in agriculture.

С помощью компьютерной модели, основанной на методах многочастичного прямого моделирования и броуновской динамики, изучается кинетика образования комплекса между компонентами фотосинтетической электронтранспортной цепи — белком флаводоксином и мембранным комплексом фотосистемы 1. Моделируется броуновское движение нескольких сотен молекул флаводоксина, учитываются электростатические взаимодействия и сложная форма молекул. С помощью данной модели удалось воспроизвести экспериментальную немонотонную зависимость константы связывания флаводоксина с фотосистемой 1. Это говорит о том, что для описания такого вида зависимости достаточно учета только электростатических взаимодействий.

Kinetics of complex formation between components of the photosynthetic electron transport chain — flavodoxin and membrane complex photosystem I has been studied using computer model based on methods of multiparticle simulation and Brownian dynamics. We simulated Brownian motion of several hundreds of flavodoxin molecules, taking into account electrostatic interactions and complex shape of the molecules. Our model could describe experimental nonmonotonic dependence of the association rate constant for flavodoxin and photosystem I. This lets us conclude that electrostatic interactions are sufficient to form such kind of nonmonotonic dependence.

В данной работе при помощи методов молекулярной динамики и квантовой химии изучается механизм инициирования альфа-спирализации пептидных последовательностей. Показано, что ключевой вклад в запуск этого процесса вносят кислые аминокислотные остатки, расположенные на N-конце пептидной цепи. Полученные результаты не противоречат известным экспериментальным и статистическим данным и существенно дополняют имеющиеся в настоящее время представления о процессах, происходящих на ранних стадиях сворачивания пептидов и белков.

In present work we used the methods of molecular dynamics simulations and quantum chemistry to study the concept, according to which aspartic and glutamic residues play a key role in initiation of helix formation in oligopeptides. It has been shown, that the first turn of the alpha-helix can be organized from various amino acid sequences with Asp and Glu residues on the N-terminus. Thermodynamic properties of such a process were analyzed. The obtained results do not interfere with known experimental and statistical data and they substantially elaborate present views on the processes of early peptide folding stages.

Ранее нами был предложен и развит метод исследования ДНК, основанный на расщеплении двунитевых фрагментов ДНК под действием ультразвука. Были получены относительные частоты расщепления фосфодиэфирной связи во всех 16 динуклеотидах. Увеличение базы проанализированных данных до 20 тысяч нуклеотидов позволил получить относительные частоты расщепления для 256 тетрануклеотидов. Эти величины количественно характеризуют влияние последовательности нуклеотидов на конформационную динамику сахарофосфатного остова. Сейчас известны определённые типы гетерогенности сахарофосфатного остова ДНК, связанные с расщеплением ДНК различными химическими агентами или ДНКазой 1. Гетерогенность свойств молекулы ДНК может быть использована для физического картирования генома, то есть определения участков, отвечающих за регуляцию генетический экспрессии.

Recently we have developed a new method for studying DNA based on ultrasound - induced cleavage of DNA sugar-phosphate backbone. Relative cleavage rates of the phosphodiester bonds in all 16 dinucleotides have been determined. The increased amount of data sampling (of more than 20 000 nucleotides) made it also possible to obtain cleavage rates in all 256 possible tetranucleotides. These values quantitatively characterize sequence effects on conformational dynamics of DNA sugar phosphate backbone. Same type of DNA heterogeneity have been discovered and studied using its chemical cleavage induced by various chemical agents and DNAse I. The presence of essential heterogeneity in structural properties of DNA might be a key for physical mapping of the genomes, i.e. determining the structural profiles being responsible for DNA recognition by gene expression regulation machinery.

В работе предлагается численная модель седиментации и фильтрования суспензии, основанная на динамическом варианте метода дискретных элементов. Эта модель отражает поведение частиц на микро- и мезоуровне: образование пор, арок, хлопьев. Кроме того, предложенная модель качественно воспроизводит макроэффекты: осаждение слоя частиц, медленные процессы усадки этого слоя, уплотнения слоя под действием собственного веса частиц и приложенной извне силы.

The numerical model of sedimentation and suspension filtration is proposed in this paper. The model is based on dynamic variant of discrete element method. This model represents the particles behavior on microand meso-scales: pores, arches, flocks formation. In addition, the proposed model qualitatively reproduces macro phenomenon: sedimentation of particle layer, slow shrinkage of the layer, sealing of the layer under its own weight of the particles and the external applied force.

Разработана двумерная математическая модель для оценки напряжений в сварных соединениях, формируемых при многопроходной сварке многослойных сталей. Основой модели является система уравнений, которая включает вариационное уравнение Лагранжа инкрементальной теории пластичности и вариационное уравнение теплопроводности, выражающее принцип М. Био. Вариационно-разностным методом решается задача теплопроводности для расчета нестационарного температурного поля, а затем на каждом шаге по времени – квазистатическая задача термопластичности. Разностная схема построена на треугольных сетках, что дает некоторое повышение точности при описании положения границ раздела структурных элементов.

A two-dimensional mathematical model was developed for estimating the stresses in welded joints formed during multipass welding of multilayer steels. The basis of the model is the system of equations that includes the Lagrange variational equation of incremental plasticity theory and the variational equation of heat conduction, which expresses the principle of M. Biot. Variational-difference method was used to solve the problems of heat conductivity and calculation of the transient temperature field, and then at each time step – for the quasi-static problem of thermoplasticity. The numerical scheme is based on triangular meshes, which gives a more accuracy in describing the boundaries of structural elements as compared to rectangular grids.

В статье рассмотрены примеры анализа спектров экспериментальных данных для выявления характерных структур процессов, формирующих турбулентность в плазме. Основу метода составляет использование оригинального алгоритма, идеологически близкого к бутстреппроцедуре для одновыборочной задачи. В качестве базовой модели для описания тонкой структуры стохастических процессов предлагаются конечные сдвиг-масштабные смеси нормальных законов. Для отыскания статистических оценок (максимального правдоподобия) предполагается использование широко известного EM-алгоритма. Для нескольких серий спектров, полученных для разных режимов низкочастотной плазменной турбулентности, демонстрируется эффективность использования предложенного метода исследования.

The article describes the examples of the analysis of the experimental data spectra for identifying typical structures of processes forming plasma turbulence. The method is based on the original algorithm which is close to the one-sample bootstrap. The base model for description of the fine structure of stochastic processes is finite local-scale normal mixtures. For finding the statistical estimates (maximum likelihood estimates) well known EM algorithm is used. The efficiency of the proposed research technique is demonstrated for a number of spectra’s set obtained in different modes of low-frequency plasma turbulence.

Проведено компьютерное моделирование пластической деформации нанокристалла ГЦК меди в процессе одноосного растяжения в направлении [001] с использованием методов молекулярной динамики и статической релаксации. Показано, что за пластическую деформацию ответственно термоупругое мартенситное превращение, решетка ГЦК перестраивается в решетку ГПУ. Установлены ориентационные соотношения контактирующих фаз.

Computer simulation of plastic deformation of FCC copper nanocrystal in the process of uniaxial tension in a direction [001] is performed by methods of molecular dynamics and a static relaxation. It is shown that thermoelastic martensite transformation is responsible for plastic deformation, FCC lattice is reconstructed into HCP lattice. Orientation relationship of contacting phases is identified.

Апробирован метод расчета границ классов качества вод для целей экологической диагностики и нормирования по данным Рыбинского водохранилища. В целях биоиндикации использованы показатели интенсивности флуоресценции фитопланктона и показатели содержания пигментов фитопланктона. Коэффициент существенности Чеснокова оказался наиболее предпочтительной мерой связи для анализа влияния факторов среды на индикаторы. Выявлены существенные для экологического состояния факторы окружающей среды. Проведено сравнение полученных границ классов качества, разделяющих «допустимые» и «недопустимые» значения факторов с границами из других классификаторов качества вод.

Approbation of calculation of borders of water quality classes for the purpose of ecological diagnosis and standardization by data of the Rybinsk reservoir is carried out. For bioindication indicators of phytoplankton fluorescence and the contents of pigments of phytoplankton are used. Chesnokov's importance coefficient proved to be the most preferred measure of connection for analyzing the effects of environmental factors on indicators. The factors important for environmental condition are identified. Comparison of borders between quality classes “valid” and “invalid” of factors values and boundaries of the classifications of water quality.