Cancer 3D — это открытая научная инициатива по изучению и моделированию процессов опухолевой инвазии, миграции и метастазирования. Проект основан админами и редакторами Медача, совместно работавшими над недавней статьей в Cancers. По сути – это масштабное продолжение той статьи и её переосмысление.

Наша миссия заключается в разработке цифровых двойников опухолей и анализе детальных микротомографических и гистологических изображений. На основе этих данных в рамках данного проекта будет выполнено моделирование процессов инвазии, метастазирования и коллективной миграции опухолевых клеток.

Проект не является коммерческим и использует открытые данные, предоставляемые его участниками.

Все участники проекта, внесшие достаточный вклад в разработку, анализ или написание статей, становятся равноправными соавторами научных публикаций и патентов.

White paper проекта

Подать заявку

🌌 ИИ, который читает статьи за вас

В npj Computational Materials вышла статья: Agent-based multimodal information extraction for nanomaterials

На повестке — автоматизация научного чтения. Не в смысле «реферат за 3 секунды», а в смысле: вытащить формулы, каталитические параметры, и кристаллические системы из PDF так, как это делает химик с блокнотом и часом свободного времени. Только здесь — без блокнота и без химика.

🧠 Что внутри nanoMINER

Система мультиагентная:
— Main-агент (GPT-4o) управляет процессом,
— NER-агенты (Mistral-7B, Llama-3-8B) достают параметры из текста,
— Vision-агент (YOLOv8 + GPT-4o) разбирает графики и неформатные таблицы.

Агенты работают на основе ReAct подхода: синхронизируются, уточняют друг у друга информацию, и выдают единый JSON на выходе.

📊 Зачем всё это?

Чтобы снимать экспериментальные параметры (в том числе по нанозимам) из текста, даже если они:
• только в подписях к графикам,
• разбросаны по разным разделам,
• не указаны явно (например, crystal system — система угадывает её по формуле с точностью 86%).

💥 Результаты впечатляют:
• precision до 0.98 на параметрах активности нанозимов,
• recall до 0.86 на наноматериалах,
• F1 score выше, чем у GPT-4.1, o3-mini и o4-mini.
(просто скармливали PDF без координации — и всё сломалось)

📎 А зачем человеку?

Это шаг к полноценным машиночитаемым статьям, где вместо ручной разметки — автоматическое заполнение баз знаний. Подход масштабируется на медицину, биохимию, фарму и любые области, где не хочется руками копировать цифры из графиков.

📂 Код: github.com/ai-chem/nanoMINER

🔮 Моделька предсказала crystal system по формуле — просто так
Это не feature, это баг… или всё-таки emergent reasoning? 😉 В статье пишут, что система предсказывает тип кристаллической решётки, даже если она не указана, с 86% точностью. Возможно, это эффект обучения на корпусах, где такие ассоциации частотны. Но в любом случае — повод переосмыслить, насколько хорошо LLM умеют химическую интуицию.

ПС
А также подписывайтесь на канал автора статьи Карины Романовой - https://xn--r1a.website/nadlskom

🚀 Уважаемые коллеги, кому интересна математика и машинное обучение, приглашаем Вас принять участие в неформальном научном проекте.

Мы разрабатываем новые методы и опен-соурс библиотеку CayleyPy, которая на основе МЛ/РЛ методов позволяет решить математические задачи, которые были не доступны ранее. Как пример наша система уже по всем параметрам на порядки превсходит аналогичные методы в системе компьютерной алгебры GAP (де-факто стандарт) - использующую алгоритмы доработанные самим Д. Кнутом.

Если у Вас есть желание поучаствовать в проекте, есть знание Питона и несколько свободных часов в неделю - то присоединяйтесь к нам - при активной работе - Вы будете соавтором научных публикаций. (Напишите @alexander_v_c - к.ф.-м.н. Александр Червов).

Краткая суть задачи может быть описана несколькими способами - нахождение пути на графе размером 10^20-10^200 (из-за размера обычные методы не применимы - только МЛ/РЛ). Решение пазла типа кубика Рубика, задача сортировки, математически - разложение элемента группы по образующим - все это в реальности одна и та же задача. Задача близка к прошедшему конкурсу Каггл Санта 2023. Более общо - это задача планирования - типичная для реинфорсмент ленинг - спланировать действия так чтобы кумулятивный эффект давал лучший результат - управлением манипулятором робота, системы АльфаГо, АльфаТензор, успех DeepSeek - это задачи - тесно связанные с тем, что мы делаем.

А зачем это нужно биологам ? А чтобы превращать людей в мышей ))) (А капусту в репу). Так назвал свои статьи известный биоинформатик П.Певзнер - оказывается эволюционная дистанция - соответствует дистанции на определенных графах - и наша цель улучшить ее оценку через МЛ/РЛ. Зачем нужно нужно в сетях - задержка сигнала (latency) сети определяется диаметром сети - оценка диаметра графов - одна из наших целей. В теории квантовых вычислений тоже нужны подобные графы и приложения этим не ограничены. И, кроме того, а знаете чем знаменит Билл Гейтс ?)) Он отлично сортировал блины ! Наша задача - побить его - через МЛ/РЛ)))

В нашем коллективе есть профессора математики, Каггл градмастеры, и легендарные иностранные специалисты - Tomas Rokicki , Herbert Kociemba - Вам будет у кого поучиться.

Подробнее о проекте вы можете узнать в наших статьях https://arxiv.org/abs/2502.18663 https://arxiv.org/abs/2502.13266 и в нашей группе https://xn--r1a.website/sberlogasci/1 и ⭐ СТАВЬТЕ СТАРС ⭐ (звездочки) на наш гитхаб: https://github.com/cayleypy/cayleypy

Вдогонку к предыдущему посту и лекции о том, что машинное обучение – не серебряная пуля, поделюсь ещё одним занимательным примером. Учёные смоделировали 10 миллионов солнечных систем. Без каких-либо ухищрений – просто поставили в центр каждой системы звезду, вокруг поместили планеты разных масс и запустили всё это дело вращаться по закону Ньютона. Возможно, на седьмой день они почили от дел своих, но в статье об этом не упоминается

Дальше на каждую из солнечных систем натравили нейросеть-трансформер. Она должна была предсказывать движения планет. Похожим образом тренируется модель в основе ChatGPT. Справилась ли нейросеть? Да, предсказание траекторий планет было идеальным. Но вот законы, которые она предложила для объяснения движения – совсем не похожи на тот, что вы учили в школе. Например, один из них выглядит как cos(cos(m)). Возможно, именно по этому закону сейчас вращается в могиле Ньютон

Кроме того, несмотря на идеальное предсказание траектории планет, предсказанные силы у нейросети выглядят ну очень абсурдно. На видео силы показаны стрелками: слева – настоящий закон, справа – предсказанный трансформером. Для других солнечных систем предсказания, как правило, вовсе не работали

Стартапер в области ИИ утверждает, что 10 миллионов примеров – это слишком мало. Физик отвечает, что у Ньютона был один

Помимо физиков и программистов, случай обсуждают и биологи. Сейчас много шума вокруг моделей, обещающих решить все проблемы биологии, если научиться предсказывать поведение генов. Верно ли это предположение? Как показывает этот пример (и ещё больше в статье), даже отличные предсказания не означают понимание

#программирование@chelovek_nauk #физика@chelovek_nauk #биология@chelovek_nauk

От наших друзей с песней и юмором и о науке:

Дорогие друзья, специально для вас! Желаем вам отличных выходных и, как сказано в этом видео, таки следующий шикарный физмат-лайв-стрим с супер-крутыми гостями 23-го июля.

Официальный анонс


#LiveStream #НастроениеСубботы #Culture

@easy_about_complex

🧠 Лайв-стрим — 23 июля

В 18:00 по немецкому времени (19:00 по Киеву/Москве) у нас в гостях —
Михаил Коробко, старший научный сотрудник Института квантовой механики Университета Гамбурга и популяризатор науки.

Telegram-канал Михаила: @homeostatic_universe

📡 Стрим открытый — можно слушать, задавать вопросы и участвовать в разговоре.

🔬 Поговорим о теоретической и экспериментальной физике, квантовых технологиях, академической жизни и научной карьере в Германии.
Возможно, затронем междисциплинарные темы — философию науки и стыки с другими областями знаний.

📍Присоединиться можно будет 23 июля в указанное время — кнопка «Присоединиться к стриму» появится вверху этого канала.

🗓️ Отметьте у себя в календаре — будет интересно не только физикам.

Представляем один из крупнейших независимых каналов в научно-образовательном сегменте отечественного Телеграма – «Наука и университеты» (https://xn--r1a.website/naukauniver).

Канал легендарный, на его автора оказывали давление, но он остался несгибаем. С искренним восхищением рекомендуем Вам этот канал !

Ежедневные информационные и аналитические материалы о правовых, кадровых, организационных и методических проблемах науки и образования .
Среди более 40 тысяч подписчиков канала – преподаватели колледжей и вузов, научные работники, аспиранты и студенты, менеджеры в сфере науки и образования.
Советуем подписаться!

Каталог каталогов по ML и ИИ.

1. Мини-проекты по машинному обучению с Python
Небольшие проекты для понимания основных концепций. Создание моделей машинного обучения с Scikit-learn для регрессии и классификации.

2. Анализ данных и библиотека проектов машинного обучения
Учебные материалы, код и наборы данных для проектов анализа данных и машинного обучения.

3. Идеи для проектов машинного обучения
Идеи проектов: машинное обучение, НЛП, компьютерное зрение, рекомендательные системы.

4. 500+ проектов машинного обучения и ИИ с кодом
500+ реальных проектов: машинное обучение, глубокое обучение, компьютерное зрение, НЛП.

5. Проекты генеративного ИИ
Современные проекты и сервисы генеративного ИИ. Инструменты для генерации текста, изображений, аудио, видео.

6. Инструменты и проекты LangChain
Инструменты и проекты с фреймворком LangChain для приложений на основе больших языковых моделей и ИИ-агентов.

7. Решения Kaggle
Решения и идеи соревнований Kaggle. Лучшие подходы к решению задач машинного обучения.

8. Топ проектов глубокого обучения на GitHub
Популярные проекты глубокого обучения, ранжированные по количеству звезд. Фреймворки, инструменты и ресурсы.

9. Справочник по машинному обучению
Ссылки, учебные материалы и ресурсы по машинному обучению и глубокому обучению.

10. Ресурсы глубокого обучения
Учебники, проекты, книги и сообщества по глубокому обучению. Нейронные сети, обучение с подкреплением, исследования ИИ.

Обычно такое не люблю, но тут реально собраны тысячи полезных ссылок.
Тут и обучение и фреймворки и инструменты.
Все что может пригодиться в мире ИИ.
Подборки курируемые с десятками, а иногда и сотнями контрибьюторов.
И всё бесплатно. Лет на 5 обучения хватит.

#обучение #каталоги
———
@tsingular

#ИИ #фарма #подкасты

Фарма, генеративный искусственный интеллект (ИИ) и стартапы

С каждым годом фармацевтические компании инвестируют миллионы долларов в стартапы сферы искусственного интеллекта (ИИ) в медицине. Это логично: разработка лекарств — очень долгий и дорогой процесс, а ИИ, как ожидают все игроки рынка здравоохранения, может сильно удешевить и ускорить вывод новых препаратов на рынок.

Как фармацевтические компании выбирают стартапы для финансирования? Какие направления ИИ им наиболее интересны? Могут ли рассчитывать на поддержку от фармы стартапы в России? На все эти вопросы в новом эпизоде подкаста «Искусственный интеллект в здравоохранении» ответит Василий Светлов, лидер по развитию политик в сфере цифрового здравоохранения и доступа к данным компании «Рош»

Этот выпуск будет полезен как профессионалам в области здравоохранения, так и всем, кто интересуется внедрением инновационных технологий в медицинскую практику. Слушайте, чтобы узнать больше о том, как ИИ может изменить будущее медицины и повысить уровень здоровья и благополучия людей по всему миру.

Слушайте на Яндекс.Музыке и смотрите на популярных площадках видеоконтента:

📹RuTube

📹VK

Делитесь подкастом с друзьями и берите полезное на заметку!

Жду обратной связи от вас, эксперты.

@medicalksu

🤖Прими участие в закрытом тестировании ИИ от Медача

Медач запускает собственный ИИ-ассистент для врача и нам нужна ваша помощь! За участие - PRO подписка на год.

IQDOC– это интеллектуальный ассистент врача, который помогает ему на всех этапах работы: от приема пациента и до заполнения документации. Мы проводим закрытое бета-тестирование одного из компонентов – умного поиска по клиническим рекомендациям.

Мы делаем не очередной мод ChatGPT, а создаем собственную экосистему ориентированную на российского врача:
– Обучаем собственные модели под специфику русского языка и особенности российской медицины
– Полная и актуальная база нормативных медицинских документов
– Создано врачами для врачей: фокус на реальную помощь в клинической практике
– Полное соответствие законам РФ: персональные данные не отправляются за рубеж, а сам ИИ работает в парадигме российского здравоохранения

Что вы получите как тестер:

✅ Ранний доступ к ИИ без лимитов.

✅ Возможность влиять на развитие: вы можете предлагать улучшения и фичи, и ваш голос будет услышан

✅ Бесплатную PRO-подписку после запуска + упоминание в сообществе.

Мы ищем более 100 активных врачей разных специальностей и регионов. Участие: 1-2 часа в неделю, фидбек через кнопки в боте или чат.

Заинтересованы? Заполните короткую форму и получите приглашение на бета-тест. Места ограничены — присоединяйтесь, чтобы сделать жизнь врача лучше вместе!

Подписывайтесь также на телеграм-канал IQDOC, чтобы следить за обновлениями проекта

#medach #iqdoc #медицина #ai #ии

Топология против рака толстой кишки

Топология изучает устойчивые свойства форм и целых структур. Именно такой взгляд нужен, когда важно увидеть не отдельные клетки, а «архитектуру» ткани целиком и понять, где она теряет порядок.

В толстой кишке в норме всё организовано: клетки выстроены, роли распределены, структура держится. При мутациях этот порядок ломается — исчезают регулярные рисунки, рвутся связи, ткань ведёт себя иначе. По характеру таких сбоев патологи судят о наличии рака, его подтипе и о том, какое лечение выбирать.

Первую статью нашего проекта CayleyPy приняли на NIPS (наиболее престижная конференция и публикация в области машинного обучения)
https://openreview.net/forum?id=31CaYYw1Xz
Более того это spotlight - что примерно 3% от всех представленных статей (688 из 25000+).

Продолжаем и присоединяйтесь !
Все кому интересен МЛ, математика, биоинформатика...
См. предыдущий пост: https://xn--r1a.website/sberlogabig/581

А также пост одного из соавторов:

Нашу статью взяли на NeurIPS 2025!
arxiv:2502.13266

Статья "A Machine Learning Approach That Beats Large Rubik's Cubes" про то как находить путь на больших графах в принципе, и про то как with zero human knowledge собирать Кубик Рубика 3x3, 4x4, 5x5, пятнашки до 6x6, ... и другие перестановочные пазлы в частности. Для понимания масштаба: кубик 5x5 это 10⁷⁴ состояний, а мы там находим достаточно короткий (лучший из опубликованных) путь сборки. Код к статье доступен на git cayleypy-cube.

Забавно что для меня это началось с этого поста 2 года назад, а потом списались с @Alexander_V_C (огромное ему спасибо) и как-то так и пошла интернет коллаборация. Собственно про метод писал здесь, и потом ещё подробнее напишу. Красиво, что просто немного случайно блуждая по графу, можно обучить модель очень хорошей эвристике, достаточной для ориентирования на широком классе графов.

Мне очень давно хотелось, чтобы какой-нибудь такой сюжет существующий из любопытства в рамках хобби добрался до рецензий. А тут не просто добрался, но и на A* конференцию, ещё и выдвинули на spotlight (топ 15% от принятых работ).

Воот)

XV Международный Турнир Естественных Наук (ТЕН) открывает регистрацию на отборочный этап!

ТЕН — это уникальная возможность для молодых ученых превратить свои знания в практические кейсы и завести полезные знакомства с компаниями-партнерами.

На сайте уже опубликованы задачи нового сезона! Биологи, химики, физики, инженеры — выбирайте задачу по душе и собирайте команду 🧤

📍 онлайн-этап: 14-16 ноября
📍 очный этап: март 2026

В этом году очный этап пройдет на базе университетов ИТМО и ВШЭ, куда соберутся лучшие команды со всех регионов России и СНГ.

🔗 ссылка на регистрацию

Регистрируйтесь сейчас и участвуйте в Турнире! Желаем успехов!

scitourn.ru
@scitourn_ru

Генеральный партнер проекта — Газпром Нефть