Модели машинного обучения: OnSiteSeq TUB

🧠 Архитектура SynergyTBGraph

В основе нашего биоинформатического комплекса для анализа туберкулеза лежит проприетарная гибридная архитектура SynergyTBGraph. Она разработана специально для преодоления проблем нанопорового секвенирования (шумы) и сложной биологии возбудителя (эпистаз).

Архитектура представляет собой слияние трех модулей глубокого обучения:

1. LLMTB (Macro-tokenizer): Разделение генов на кодирующие (CDS) и промоторные зоны.
2. RGTFormer (Relational Graph Transformer): Сборка реляционных графов мутаций, учитывающих типы связей и метаболические пути в клетке.
3. VAMP-Net: Модуль на базе 1D-CNN для подавления шума секвенирования и механизма Set Attention для моделирования глобального контекста и поиска эпистатических взаимодействий.

🔬 TB-Res-Detector (Версия 2.0)

Флагманская модель для предсказания минимальной подавляющей концентрации (MIC) и множественной лекарственной устойчивости (МЛУ/ШЛУ).

• Механизм работы: Принимает на вход сгенерированные макро-токены и графы признаков. Рассчитывает индекс эпидемиологической опасности (OnSiteSeq Index v2.0).
• Спектр действия: Автоматическая валидация по 13 противотуберкулезным препаратам.
• Калибровка: Пороги принятия решений математически откалиброваны с использованием индекса Юдена для максимизации чувствительности и специфичности.

Поддерживаемые препараты и пороги SGI

Модель оперирует настраиваемыми порогами для каждого антибиотика:

🧬 TB-Lineage-Detector (Версия 2.0)

Модуль для точной классификации доминирующих генетических линий Mycobacterium tuberculosis (например, линий Beijing), в том числе специфичных для Российской Федерации.

• Тренировочная база: Обучение проводилось с использованием масштабной международной базы данных геномов (The CRyPTIC Consortium, 12 289 изолятов).
• Пайплайн: Парсинг исходных Parquet-файлов, векторизация и извлечение мутационных паттернов для формирования PyTorch-тензоров.

⚙️ Hyperparameters & BioMLOps

Мы придерживаемся строгих стандартов MLOps в биомедицине (BioMLOps), используя DVC для версионирования датасетов и графов data/processed/graphs.

Ключевые гиперпараметры обучения моделей:

• Размерность: embed_dim: 64, max_seq_length: 50
• Сверточные фильтры (1D-CNN): cnn_out_dim: 128 (поиск локальных мотивов резистентности)
• Механизм внимания (Self-Attention): num_heads: 4
• Регуляризация: dropout: 0.3, Early Stopping (patience: 10)
• Оптимизация: Обучение (50 эпох, Batch Size 32, learning_rate: 0.0005) с использованием функций потерь BCELoss и Huber Loss.

💡 Научная валидация: > Данные архитектуры и результаты их применения представлены на ведущей профильной конференции NGS-2026 (г. Москва).