В Nature Machine Intelligence представили scDiffEq — генеративную модель на нейронных стохастических дифференциальных уравнениях, которая учится одновременно «дрейфу» и «шуму» в одноклеточных данных, точнее восстанавливает траектории и предсказывает судьбу клеток, а также правдоподобно имитирует CRISPR-пертурбации.
Учёные адаптировали техники машинного перевода для генерации TCR по заданному эпитопу. Их трансформер TCRT5 превзошёл конкурентов на бенчмарках и выдал функциональный рецептор к опухолевому антигену WT1, хотя выявил перекрёстную реактивность — напоминание о сложной природе специфичности TCR.
Учёные превратили задачу подбора TCR к эпитопам в «машинный перевод»: модель TCRT5, построенная на архитектуре T5, генерирует антиген-специфичные последовательности CDR3β и превосходит существующие подходы в бенчмарках. Главное — в лаборатории подтвердили функциональность одной из сгенерированных последовательностей против не-вирусного эпитопа WT1, хотя и с заметной полиспецифичностью. Работа демонстрирует потенциал ускорения персонализированной иммунотерапии и одновременно честно показывает ограничения: скудные данные, смещение к «простым» мотивам при beam search и недобор разнообразия.