МОСКВА, 15 июля. /ТАСС/. Российские ученые создали систему искусственного интеллекта на базе графовых нейросетей, способную различать происхождение людей из очень близких друг к другу популяций, живших долгое время на смежных территориях. Данная разработка поможет генетикам более полно изучать историю эволюции населения многонациональных стран, сообщила пресс-служба НИУ ВШЭ.
"Существующие методы анализа решают иную задачу: они определяют принадлежность к крупным изолированным популяциям, например, у кого в роду были французы, у кого немцы, у кого англичане. Наш метод позволяет работать с близкородственными популяциями, что особенно актуально для России, исторически многонациональной страны", - пояснил исследователь из НИУ ВШЭ (Москва) Алексей Шмелев, чьи слова приводит пресс-служба вуза.
Разработанный исследователями подход опирается в своей работе на графовые нейронные сети. Так математики называют подтип нейросетей, которые представляют решаемую задачу в виде графа, математической структуры, состоящей из связанных друг с другом узлов и соединяющих их ребер. В данном случае графы обозначают генетические связи между людьми с общими участками генома, отражают степень родства и указывают на то, сколько поколений назад у них были общие предки.
Анализ структуры подобных графов позволяет с очень высоким уровнем точности определить, насколько близки друг к другу различные индивиды по происхождению, что часто недоступно для уже существующих алгоритмов, используемых для анализа геномных данных. Работу нового алгоритма ученые уже успешно протестировали на данных, собранных в разных регионах России и всего мира в целом.
По словам исследователей, особенно интересными оказались результаты по населению Восточно-Европейской равнины, по которым уже собрана большая база данных. Графовая нейросеть смогла точно определить популяционную принадлежность представителей генетически очень близких народов. В перспективе, как надеются исследователи, созданный ими подход научится определять процентное соотношение различных популяций в геноме, а также будет активно использоваться для более точного определения популяционной истории человечества.
