ИИ и сложнейшие проблемы мира · Науки о жизни · Nature (computational biology) · 2026-10-21
Фреймворк глубокого обучения, направляемый пространственной метаболомикой, для анализа механизмов уклонения от иммунного ответа в микроокружениях грибковой инфекции
Оригинальное название: Spatial metabolomics-guided deep learning framework for dissecting immune evasion mechanisms in fungal infection microenvironments
Работа нацелена на пространственно организованные метаболические контуры, которые позволяют грибковым патогенам уклоняться от иммунитета хозяина при инвазивных инфекциях, вызывающих высокую смертность среди пациентов с ослабленным иммунитетом. Объединяя пространственную метаболомику высокого разрешения ткани лёгких мышей при инвазивном лёгочном аспергиллёзе с мультимасштабной свёрточной сетью, усиленной механизмом внимания, фреймворк сегментирует ядро инфекции, зону иммунной инфильтрации и переходную пограничную зону со средним коэффициентом Dice 0.887 относительно аннотаций экспертов-патологов. Затем вариационный графовый автоэнкодер с нейронными обыкновенными дифференциальными уравнениями определяет, как сети взаимодействий «метаболит–иммунитет» эволюционируют на протяжении 24–72 часов, присваивая кинуренину ранг метаболита-хаба с наивысной центральностью и помещая предполагаемую метаболическую точку перелома между 36 и 48 часами.