Лаборатория биологии и медицины

Направления исследований

Донозологический мониторинг

Мы рассматриваем каждого человека как датчик, реагирующий на внешние воздействия (эпидемии, изменение климата, условия окружающей среды). Анализируя данные, собранные в рутинных лабораторных исследованиях, мы реконструируем происходящие с популяцией изменения. Например, это позволяет отслеживать эпидемии, в том числе вызванные новыми патогенами. Рассматривая широкие временные интервалы, мы можем наблюдать изменения, происходящие на популяционном уровне. Практической задачей данного направления является создание веб-приложения, позволяющего отслеживать тренды, пространственные и временные аномалии, изменения в структуре гематологических и биохимических показателей популяции РФ.

Моделирование эпидемий

Компьютерное моделирование позволяет наблюдать и экспериментировать с распространением инфекций в человеческих популяций.

Задачи данного направления:

поиск закономерностей эпидемического процесса,
определение оптимальных способов реагирования на возникающие угрозы,
краткосрочный прогноз развития ситуации.

Практическая цель: разработка веб-приложения, которое позволяет задавать параметры модели и визуализировать результаты моделирования, отслеживать эффекты ограничительных мер, подбирать оптимальный режим их введения.

Анализ вирусных геномов

Большинство новых инфекционных агентов, вызывающих эпидемии и пандемии, - РНК-содержащие вирусы, которые циркулируют в животных, контактирующих с людьми. Целью данного направления является разработка автоматического метода поиска вирусных последовательностей в результатах метагеномного секвенирования. Метагеномный подход позволяет получать информацию о множестве вирусов в одном образце, но определение вирусных последовательностей остается проблематичным ввиду высокой изменчивости вирусов и их низкой представленности в базах данных. Поэтому мы применяем множество подходов, основанных на различных принципах (картирование, сборка de-novo, HMM модели), для решения данной задачи.

Используемые методы

Базовый статистический анализ.
Машинное обучение, снижение размерности, анализ временных рядов (random forest, boosting-подходы, PCA, UMAP, SARIMA).
Методы компьютерного моделирования (компартментные модели, агентные модели).
Биоинформатическая обработка (сборка геномов, выравнивание, поиск полиморфизмов определение их гетерогенности, HMM-модели).

Публикации

Galeeva JS, Starikov EV, Fedorov DE, Manolov AI, Pavlenko AV, Konanov DN, Krivonos DV, Babenko VV, Klimina KM, Veselovsky VA, Morozov MD, Gafurov IR, Gaifullina RF, Govorun VM, Ilina EN. Microbial communities of the upper respiratory tract in mild and severe COVID-19 patients: a possible link with the disease course. Front Microbiomes 2023, Vol. 2 doi: 10.3389/frmbi.2023.1067019

Старикова ЕВ, Галеева ЮС, Андреев ДН, Соколов ФС, Федоров ДЕ, Манолов АИ, Павленко АВ, Климина КМ, Веселовский ВА, Заборовский АВ, Евдокимов ВВ, Андреев НГ, Девкота МК, Фоменко АК, Харьковский ВА, Асадулин ПО, Кучер СА, Черемушкина АС, Янушевич ОО, Маев ИВ, Крихели НИ, Левченко ОВ, Ильина ЕН, Говорун ВМ. Состав микробиоты ротоглотки у пациентов с пневмонией различной степени, вызванной вирусом SARS-CoV-2. Терапевтический архив 2022, 94 (2). doi: 10.26442/00403660.2022.08.201780

Gorodnichev RB, Volozhantsev NV, Krasilnikova VM, Bodoev IN, Kornienko MA, Kuptsov NS, Popova AV, Makarenko GA, Manolov AI, Slukin PV, Bespiatykh DA, Verevkin VV, Kulikov EE, Veselovsky VA, Malakhova MV, Dyatlov IA, Ilina EN, Shitikov EA. Novel Klebsiella pneumoniae K23-specific bacteriophages from different families: similarity of depolymerases and their therapeutic potential. Front Microbiol. 2021, 12, 669618. doi: 10.3389/fmicb.2021.669618.

Manolov A, Konanov D, Fedorov D, Osmolovsky I, Vereshchagin R, Ilina E. Genome complexity browser: visualization and quantification of genome variability. PLoS Comp Biol. 2020, 16(10), e1008222. doi: 10.1371/journal.pcbi.1008222

Glushchenko OE, Prianichnikov NA, Olekhnovich EI, Manolov AI, Tyakht AV, Starikova EV, Odintsova VE, Kostryukova ES, Ilina EI. VERA: agent-based modeling transmission of antibiotic resistance between human pathogens and gut microbiota, Bioinformatics 2020, 35(19), 3803-3811. doi: 10.1093/bioinformatics/btz154.