Совместная работа Центра искусственного интеллекта для стран ШОС+ и Института экспериментальной медицины задает новые стандарты в области вычислительной вирусологии, эпидемиологического прогнозирования и рационального дизайна вакцин.
Коллектив исследователей Центра искусственного интеллекта для стран ШОС+ совместно с учеными Института экспериментальной медицины (ИЭМ) опубликовал фундаментальную статью в рецензируемом журнале BioMedInformatics (издательство MDPI). Издание входит в первый квартиль (Q1) и обладает строгим процессом слепое рецензирование, что подтверждает высочайший уровень, новизну и международную значимость представленного исследования. Публикация доступна в формате открытого доступа (Open Access) для глобального научного сообщества.

Центральным элементом работы стала презентация архитектуры EpitopeGNN — графовой нейронной сети нового поколения. Традиционные биоинформатические алгоритмы, как правило, ограничиваются анализом линейных аминокислотных последовательностей (первичной структуры). Разработанная российскими учеными модель совершает качественный скачок, обучаясь распознавать патогены по их реальной трехмерной пространственной конформации.
Оперирование объемной «архитектурой» белка вместо его «текстового» представления позволило кратно повысить глубину вирусологического профилирования и точность классификации.

Валидация модели EpitopeGNN продемонстрировала выдающиеся результаты, подтверждающие ее конкурентоспособность на мировом уровне:
Предиктивная точность: Модель обеспечивает точность классификации подтипов вируса на уровне 95–100%, сохраняя высокую эффективность даже на изолированных выборках, исключающих дублирование данных.
Превосходство над базовыми методами: Показатели результативности в 10 раз превышают возможности классических алгоритмов, работающих исключительно с линейными последовательностями.
Интерпретируемость (Explainable AI): Система обеспечивает полную прозрачность вычислений. Нейросеть не только генерирует итоговый ответ, но и точно идентифицирует ключевые молекулярные контакты, критически важные для дифференциации штаммов, что позволяет биологам понимать механистику принятых алгоритмом решений.

Исследование стало ярким примером успешной междисциплинарной коллаборации. Авторский коллектив сформирован из ведущих специалистов двух институций:

• Центр искусственного интеллекта для стран ШОС+: Андрей Тимофеев, Александр Ануфриев;
• Институт экспериментальной медицины: профессор Олег Эргашев, Ирина Исакова-Сивак.

Именно такой союз инженерных компетенций в области машинного обучения и глубоких фундаментальных биологических знаний позволяет переводить сложнейшие биологические вызовы в плоскость решаемых вычислительных задач, реализуя подходы, которые ранее считались недостижимыми.

Прикладной фокус работы сосредоточен на глубоком анализе структуры гемагглютинина — ключевого гликопротеина вируса гриппа. Понимание его пространственной организации является фундаментальным ключом к прогнозированию эпидемий, дизайну высокоэффективных вакцин и поиску уязвимостей патогена. Разработанный инструментарий позволяет моделировать эволюционные траектории вируса и выявлять точки для его превентивной нейтрализации на самых ранних стадиях.
Данная публикация не только укрепляет позиции отечественной науки на глобальной арене, но и вносит весомый вклад в обеспечение биологической безопасности и развитие превентивной медицины.