Исследователи ВШЭ научили нейросети различать происхождение из генетически близких популяций
В Институте искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ предложили новый подход, основанный на современных методах машинного обучения, для определения генетического происхождения человека. Графовые нейросети позволяют с высокой точностью различать даже очень близкие популяции.
Генетический анализ — услуга, ставшая популярной в последние 10–15 лет не только как инструмент медицинской диагностики, но и как возможность узнать больше о своем происхождении. Анализ ДНК позволяет оценить этнический состав, определить, где жили и куда переселялись предки, найти количество мутаций неандертальца в геноме.
Это стало доступно благодаря развитию современных технологий — генотипирования, систем хранения и обработки данных, машинного обучения — и значительного снижения их стоимости. Но при этом существующие методы тестирования не позволяют разделить генетически близкие, родственные популяции, которые долгое время жили на смежных территориях.
Исследователи Института ИИ и цифровых наук НИУ ВШЭ разработали метод, позволяющий различать происхождение людей из близкородственных популяций. В основе технологии — графовые нейронные сети. Алгоритм опирается не на саму последовательность ДНК, а на графы, которые обозначают генетические связи между людьми с общими участками генома. Такие участки отражают степень родства между людьми и указывают на то, сколько поколений назад у них были общие предки. Чем больше совпадений, тем ближе люди по происхождению. Вершины в модели соответствуют человеку, а ребра отражают степень родства.
Метод протестировали на данных из разных регионов. Особенно интересными оказались результаты по населению Восточно-Европейской равнины, по которым уже собрана большая база данных. Графовая нейросеть смогла точно определить популяционную принадлежность представителей генетически очень близких народов.
Алексей Шмелев
«Существующие методы генетического анализа решают иную задачу: они определяют принадлежность к крупным изолированным популяциям, например определяют, у кого в роду были французы, у кого немцы, у кого англичане. Наш метод позволяет работать с близкородственными популяциями, что особенно актуально для России, исторически многонациональной страны», — говорит Алексей Шмелев, один из авторов работы, стажер-исследователь Международной лаборатории статистической и вычислительной геномики Института ИИ и цифровых наук ФКН НИУ ВШЭ.
В дальнейшем исследователи планируют научить нейросеть предсказывать процентное соотношение различных популяций в геноме.
Исследователи зарегистрировали свою разработку под названием AncestryGNN — «Нейросетевое предсказание популяционной принадлежности по общим сегментам генома».
Владимир Щур
Как отметил заведующий Международной лабораторией статистической и вычислительной геномики Института ИИ и цифровых наук ФКН НИУ ВШЭ Владимир Щур, предложенный метод открывает новые перспективы для более точного определения популяционной истории людей и может применяться в генеалогических исследованиях и антропологии.
Работы выполнены по гранту Правительства Российской Федерации в рамках федерального проекта «Искусственный интеллект».
Вам также может быть интересно:
Ученые ВШЭ разработали DeepGQ — Google Maps для G-квадруплексов
Исследователи из Центра искусственного интеллекта ФКН НИУ ВШЭ разработали ИИ-модель, которая открывает новые возможности для диагностики и лечения тяжелых заболеваний, включая рак мозга и нейродегенеративные нарушения. Ученые применили искусственный интеллект для изучения G-квадруплексов — структур, которые оказывают значительное влияние на работу наших клеток и развитие различных органов и тканей. Статья с результатами исследования опубликована в журнале Scientific Reports.
Зеленый энергопереход: от мифов к реалиям
В 2025 году в Вышке стартовал стратегический технологический проект (СТП) «Национальный центр социально-экономического и научно-технологического прогнозирования». Институт экономики природных ресурсов и изменения климата ВШЭ формирует прогнозы развития мировой и российской экономики и энергетики с учетом фактора «зеленой трансформации». Игорь Макаров, директор института и руководитель департамент мировой экономики, рассказал о глобальном ландшафте климатического регулирования, «черных лебедях» и роли ИИ в борьбе с изменением климата.
Стратегические технологические проекты Вышки в 2025 году
В 2025 году Высшая школа экономики продолжила участие в программе стратегического академического лидерства «Приоритет-2030», обеспечив фокус на технологическое лидерство согласно новой рамке программы «Приоритет-2030». Важный элемент стратегии технологического лидерства университета — стратегические технологические проекты, направленные на создание востребованных наукоемких продуктов и услуг.
Переход к устойчивому развитию требует глубокой структурной трансформации бизнеса
Группа ученых предложила оценивать ESG-трансформацию бизнеса через коэффициент смены партнеров в цепочках сырьевых и сбытовых поставок. Исследователи отмечают, что путь к устойчивости требует глубокой и зачастую затратной перестройки партнерской сети. Этот и другие доклады были представлены на III Международной ежегодной конференции “ESG Corporate Dynamics: the Challenges for Emerging Capital Markets”.
Исследователи НИУ ВШЭ выяснили, как нейросети понимают каламбуры
Международная команда с участием исследователей ФКН НИУ ВШЭ представила KoWit-24 — корпус из 2700 русскоязычных заголовков «Коммерсанта» с игрой слов. Корпус позволил оценить, как искусственный интеллект распознает и объясняет языковую игру. Эксперименты с пятью большими языковыми моделями подтвердили: даже передовые системы пока ошибаются, причем интерпретация игры слов является для них более сложной задачей, чем ее выявление. Результаты работы были представлены на конференции RANLP, cтатья доступна в репозитории Arxiv.org, датасет и код для воспроизведения экспериментов — в GitHub.
МИЭМ и «ИнфоВотч» разработали сценарии для систем защиты информации от внутренних угроз
Сценарии позволяют моделировать инциденты, выявлять и анализировать действия инсайдеров, противодействовать фишинговым атакам, выстраивать политику защиты и готовить заключения по результатам расследований. Они прошли полномасштабную апробацию в рамках чемпионата профессионального мастерства «Профессионалы».
Вышка Онлайн в четвертый раз стала победителем премии «Эффективное образование»
Проект онлайн-кампуса НИУ ВШЭ «Обучаем навыкам будущего: ИИ-портал Вышки» стал победителем в номинации «Образовательная экосистема года в области ИИ». Награда «Эффективное образование» вручается с 2017 года за лучшие проекты и практики в области корпоративного обучения и развития образования.
ИИ в науке: страхи и чаяния российских ученых
Искусственный интеллект стал привычным инструментом в ряде стран, однако в российской науке его внедрение пока остается фрагментарным. К такому выводу пришли авторы первого в стране комплексного исследования использования технологий ИИ в научной деятельности. Они провели интервью с ведущими российскими учеными и расспросили их о сферах применения, возможностях и барьерах технологии.
«Снижает трудозатраты»: что дает разработанная в ВШЭ платформа поддержки природно-климатических проектов
В НИУ ВШЭ прошла презентация первой российской цифровой платформы для оценки природно-климатических проектов. Она была разработана в 2025 году в Центре цифровых технологий для природно-климатических проектов НИУ ВШЭ при поддержке Минобрнауки РФ в рамках программы карбоновых полигонов. Платформа помогает компаниям и госорганам оценить, где и каким образом реализовывать проекты и какова будет их экономическая эффективность. Инструмент снижает трудозатраты и позволяет принимать быстрые управленческие решения, отметили эксперты.
Ученые ВШЭ приняли участие в разработке постквантовой кольцевой подписи для Сбера
Новый криптографический механизм защиты данных был предложен совместно экспертами Московского института электроники и математики им. А.Н. Тихонова ВШЭ, Сбера и ООО «КуАпп». Российским ученым удалось создать постквантовую кольцевую подпись, которая позволяет обеспечить анонимность (с точностью до группы участников), целостность и аутентификацию источника цифровых транзакций в случае появления нарушителя, который обладает квантовым вычислителем.