🔴 C минуты на минуту начинается горячий вечер вторника с маэстро Иваном Поздняковым

Друзья, спешите занять ваши удобные кресла, налить себе чай (или что-то покрепче) и подзарядить ноутбуки. Программирование на R, анализ данных, статистика и, конечно, зарплатные ветки вилки ждут вас в прямом эфире 💰

Мы будем кодить в режиме риалтайм и проанализируем самые реальные данные, которых нет в свободном доступе. Вы сможете повторять все действия за опытным датасайентистом и учиться премудростям. Датасет зп уже доступен в личном кабинете всем зарегистрировавшимся. Джойнтесь скорее тоже: ссылка

Если у вас есть срочные вопросы по вебинару, то пишите нам в чат @blastim_chat или Варваре @varvara_blastim. Если вы столкнулись с неполадками в боте из-за блэкаутов, то мы рекомендуем перезапустить его (жмякните сюда для перезапуска)

И ждем всех в онлайне с вашими вопросами и готовностью включить мозги на 110% 🧠

Этот вечер не забудется никогда 🦁 Rrrrr...

⚡️ РАСПАКОВКА В БЛАСТИМ ⚡️

Друзья, прямо перед затяжными весенними выходными Александра из Бластим открывает у нас на канале новую рубрику #бластим_распаковка 🎁

И в первом выпуске — анбоксинг отзывов выпускников прошлого потока курса «Статистика, R и анализ данных» 🤩 Любопытно, как оценивают программу сами участники?

Тогда скорее включайте ролик здесь, в телеграм, или на рутуб. А также обязательно посмотрите вчерашний вебинаR с Иваном Поздняковым, если еще не. Идеально для майских каникул 🌼

Первомайский эксклюзив: человек наук подкинул нам не отдых, а работу 🚩

Владимир Шитов — машинлернер, синглселлщик, преподаватель ML в Blastim и просто человек наук — помогает подбирать крутые вакансии в биотехе специально для наших подписчиков. Спешим поделиться праздничной порцией:

📌 Scientist / Postdoc in Cell and Molecular Biology — Центр молекулярной медицины Макса Дельбрюка MDC (Германия)
Для желающих разрабатывать методы исследования синтеза белка в физиологически релевантных условиях с использованием геномного редактирования, синтетической биологии и сингл селл скрининга. Ищут кандидатов с PhD в молекулярной/клеточной биологии, опытом в работе с iPSC и NGS-методами.
Дедлайн: 31 мая 2025
Ссылка: clck.ru/3LnbkY

📌 Group Leader in AI and Image Analysis in Biology — Университет Лозанны UNIL (Швейцария)
Международный центр в области вычислительной биологии ищет молодого ученого с опытом в моделировании биологических систем и разработке вычислительных подходов с упором на AI и анализ изображений. Приветствуются проекты, связанные с эволюционным анализом, оmics-данными и large-scale датой.
Дедлайн: 29 июня 2025
Ссылка: clck.ru/3LnbmR

📌 Any career stage — IRCBC, Chinese Academy of Sciences, Шанхай (Китай)
Междисциплинарный исследовательский центр по биологии и химии (IRCBC) приглашает специалистов в области молекулярной и клеточной биологии, нейродегенеративных заболеваний, химической биологии, а также AI-дизайна молекул. Предлагается долгосрочная поддержка, высокая зарплата, современные лаборатории и международная рабочая среда. Особенно приветствуются заявки от молодых исследователей в AI-компьютейшнл биологии, желающих создать независимую группу.
Дедлайн: заявки принимаются до заполнения позиции, рассмотрение начнется в июне 2025
Ссылка: clck.ru/3Lnbov

📌 PhD Position in AI for Drug Discovery — Nanyang Technological University (Сингапур)
Проект посвящён разработке и применению методов диплернинга для задач в области медицинской химии, персонализированной медицины и здравоохранения. Ищут кандидата с опытом в машинном обучении, знанием языковых моделей и навыками программирования на Python.
Начало: август 2025
Ссылка: clck.ru/3Lnbpd

📌 Data Scientist — Scientific AI, Life Sciences, McKinsey (США)
Вакансия для специалистов, желающих применять передовые методы AI и машинного обучения для решения сложных задач в сфере здравоохранения, фармацевтики и материаловедения. Роль включает разработку моделей, участие в клиентских проектах, создание прототипов и развитие внутренних инструментов компании. Ищут кандидатов с опытом в ML/AI, математике и статистике, владеющих Python и современными ML-библиотеками.
Ссылка: clck.ru/3Lnbq4

📌 PhD Position — AI for Environmental Decision-Making, Monash University (Австралия)
Лаборатория профессора Iadine Chades предлагает полностью финансируемые позиции для аспирантов, интересующихся разработкой AI-решений для задач охраны окружающей среды и биоразнообразия.
Ссылка: clck.ru/3LnbqZ

#бластим_вакансии

Безумный Макс, Каци трилогия, Матрица и Звездные войны. Список фильмов на выходные? Нет, кино для подопытных мышей 🎞

В начале апреля в журналах Nature-family вышло сразу 10 статей проекта MICrONS. Это кульминация семи лет работы нейробиологов, которые сделали крупнейший на сегодня коннектом участка мозга млекопитающего. Хотя фрагмент был размером с песчинку, кто-то уже сравнил проект по значимости с Геномом Человека, а другие окрестили его Google Map мозга.

Раньше о таком можно было только мечтать. В 1979 г. Фрэнсис Крик заявил, что невозможно создать точную схему соединений нейронов в мозге. 46 лет спустя — это реальность. И не последнюю роль сыграло развитие ИИ.

🪰 Нынешняя работа не просто больше, чем коннектом дрозофилы FlyWire 2023 г. Ныне речь идет о функциональной коннектомике! Коннектомику ругали за статичность, тогда как мозг динамичен. Вот сейчас ученые начали закрывать брешь между структурой и функцией.

🐀 Исследование стартовало в марте 2018 г. и проводилось международным консорциумом из 150 ученых из 22 институтов с разделением труда. Сперва ученые из Baylor College of Medicine с помощью двухфотонного кальциевого имиджинга записали in vivo активность 76 тыс нейронов 1 мм³ мозга зрительной коры одной ГМ-мыши, у которой нейроны флуоресцируют при возбуждении. Животное в это время получало зрительные стимулы — смотрело фильмы и видео на ютуб.

🔬 Далее грызуна отправили в Allen Institute. Специалисты извлекли мозг и буквально 12 дней и ночей потратили на то, чтобы нарезать тот же 1 мм³ участок на 28 тыс тончайших слоев! И следующие полгода изучали каждый срез с помощью просвечивающей электронной микроскопии, чтобы получить фотографии в высоком разрешении и разглядеть анатомию нейронов и глии.

🖼 Наконец, принстонские нейросайентисты под руководством Себастьяна Сеунга провели реконструкцию, превратив микроизображения в 3D-карту клеток и нейронных связей с помощью ИИ! Они использовали сверточные нейросети, чтобы выделить контуры и раскрасить каждую клеточку (задача сегментации).

Итоговая диаграмма — это 84 тыс нейронов, 500 млн синапсов, 4 км аксонов. В процессе пришлось создать ряд инноваций:

✍️ Автоматический пруфридинг
ML-алгоритмы сегментации хороши, но тоже ошибаются. Поэтому ученые потратили много часов на ручную корректуру. Однако им в помощь был разработан фреймворк на Python NEURD (Neuronal Decomposition) для автоматического разрешения ложных слияний нейронов.

🤖 ML для аннотации типов клеток
По молекулярным данным, в коре ~90 типов клеток. Поэтому классификация тысяч нейронов — архисложная задача. Ученые использовали кластеризацию и каскад классификаторов (SVM и многослойный перцептрон). Алгоритмы научились различать 10 типов по ультраструктурным свойствам — ядру и перисоматической области нейрона. Для обучения брали данные, вручную размеченные нейроанатомами. В итоге удалось узнать новое о тормозных нейронах, а также соотнести транскриптомные и морфологические цитотипы.

В обеспечении гибкой параллельной работы при корректуре и аннотации типов помогла специальная система контроля версий и управления данными коннектомики, CAVE.

🧠 Функциональная информация
Наконец, ученые сопоставили кальциевую визуализацию и 3D-реконструкцию. Это позволило проверить, склонны ли нейроны, паттерны активности которых скоррелированы, чаще соединяться синапсами. Оказалось, да, что подтверждает правило Хебба, важное как для нейронауки, так и для ИИ.

Еще машинлернеры обучили Brain Foundation Model предсказывать реакцию и тип нейронов на разные видео, а также создали цифрового двойника зрительной коры мыши, где каждый нейрон получил функциональный штрихкод.

🔍 Все данные в свободном доступе. Открыт MICrONS Explorer — виртуальная обсерватория, где можно всё покрутить-повертеть. А также доступны инструменты на Python. И хотя получилась карта менее 1% мозга, данных собралось 1,6 петабайта, что эквивалентно 22 годам нон-стоп видео 🤯 Как и всякий прорыв в нейросайенс, исследование пригодится для изучения и излечения Паркинсонизма, шизофрении, аутизма.

естественный + искусственный нейрон = 💪

#бластим_технологии

⚡️ Понедельник. И опять: статьи, отчеты, заявки, анализ данных, поиск литературы, перевод... Вся рутина обрушивается на вас и пожирает ресурсы и фокус? А ведь еще хочется оставить время для личной жизни?

Blastim подготовил мини-курс по интеграции AI в научную деятельность, чтобы показать, как искусственный интеллект уже сейчас может существенно облегчить многие этапы повседневной рутины 🤖

Вы узнаете о ситуации в AI-сфере, получите представления о взаимодействии с чат-ботами и увидите, как AI может стать вашим подспорьем в решении однообразных задач.

На практике это значит:
📍 Литературное ревью, отчеты, письма пишутся быстрее
📍 Не нужно отдельно гуглить сложные термины
📍 Перевод и шлифовка текстов на английском — в пару кликов
📍 Генерация кода и дебаггинг — теперь с поддержкой нейросети
📍 Данные визуализируются автоматически
📍 Время на рутину сокращается в разы

Чтобы получить доступ к мини-курсу — нужно просто заполнить короткую анкету (3–5 минут).
Мы собираем обратную связь от нашей аудитории, чтобы делать еще более полезные продукты — а за ваше мнение дарим готовый инструмент.

✅ Ссылка на анкету

⏳ AI в науке — давно не будущее, а настоящее

Настоящие ученые не скроллят бездумно ленту, не смотрят рилсы и тиктоки. И даже в свободное время их мысли — только о науке, свежих публикациях, которые надо скорее прочесть, и новых знаниях. Не так ли? 😏

🎉 Именно поэтому в честь праздников сегодня мы открываем доступ к разным видеоурокам и другим образовательным материалам в личном кабинете на сайте Blastim! Совершенно бесплатно угощаем кучей полезностей по Python, статистике, искусственному интеллекту, анализу NGS и карьерным стратегиям. Переходите по ссылке и забирайте всё это счастье: ссылка

Всем отличного отдыха — ну и будьте бдительны к ИИ-фейкам 🍢

Короче, рекомендуем 👍

Воспользуемся релаксированной атмосферой соцсетей и вспомним о нашей (не)постоянной рубрике #про_карьеру_по_субботам. Героиня сегодняшнего выпуска — Зоя.

Зоя — ученица мегаполезного курса Бластим «Карьера в науке и не только» с Витой Степановой и командой «неудержимых» коучей. Там, по Зоиным словам, она получила много нетворка и инсайтов про возможные карьерные треки, когда они не так однозначны.

И, действительно, на людей с биомед бэкграундом где только не натолкнешься. К примеру, звезды ТВ Константин Эрнст и Владимир Познер — тоже ведь выпускники биолого-почвенных факультетов ЛГУ и МГУ соответственно 😱

✍️ А Зоя трудится научным журналистом! Она закончила биофак МГУ и теперь пишет классные, очень профессиональные тексты про биологию, медицину, фарму. Зоя даже поделилась на своем канале «Короче, нашла» честной инструкцией о том, что стоит предпринимать, чтобы ступить на тернистый, но захватывающий путь научного писательства. Почитайте, если вы тоже не желаете работать в офисе/лабе https://www.tg-me.com/duozoidnoe/511 А еще в телеге много любопытных заметок о животных, жизы и мемов — всё как мы любим

Короче, не грех и подписаться на канал Зои 🔗

А вы подумывали о том, не начать ли писать/снимать о science и зарабатывать этим?

♠️ У нас есть сильные карты: AI достал PICI

Мы слишком умны, чтобы видеть очевидное. А вот AI не стесняется быть наивным

📇 Чтобы совершать открытия нобелевского уровня, нужны междисциплинарные знания. Пример — технология редактирования генома CRISPR/Cas9. Разработка стала возможной только благодаря объединению микробиологии, молекулярной генетики, биоинформатики и ученых из самых разных областей. Но сможет ли искусственный интеллект заменить такие кооперации?

👋 В феврале 2025 года Google представил экспериментальный инструмент для ученых — AI Co-Scientist. Он умеет формулировать оригинальные гипотезы, составлять research proposals и даже планировать эксперименты, в отличие от классических систем, которые ограничиваются лишь анализом данных или генерацией текстов. В основе тула лежит Gemini 2.0 — мощная архитектура, адаптированная для научных целей (мы подробно разбираем различия современных моделей на курсе «Учёный будущего»)

☕️ Исследователь формулирует задачу на естественном для себя языке — как за чашкой кофе с коллегой — и далее в дело вступает AI. Он собирает релевантную литературу, выдвигает гипотезы, строит логические цепочки и предлагает, как можно проверить идею в лабе. Порой с потрясающей точностью.

📌 В одном из первых кейсов Google предложил сотрудничество профессорам Хосе Пенадесу (слева) и Тьяго Косте (справа) из Имперского колледжа Лондона. Изначально планировался тестовый проект с определенной научной задачей. Но она требовала длительной валидации. Тогда ученые решили использовать уже полученные, но еще не опубликованные данные. То были результаты многолетней работы над загадочными cf-PICIs — капсидообразующими фаг-индуцируемыми хромосомными островками (capsid-forming phage-inducible chromosomal islands). Эти генетические элементы «просыпаются» при заражении бактерий бактериофагами для «побега с тонущего корабля». Исследуемые вирусоподобные частицы, выходящие из клетки, оказались «дефектными»: у них отсутствовали хвосты, и они не могли заражать другие бактерии.

🤔 Долгое время оставалось непонятно, в чем заключается биологический смысл этого процесса. Ведь если частицы не могут заражать, они не могут закрепиться в новой бактерии и не обеспечивают свое дальнейшее распространение. Предполагалось, что в естественной среде эти частицы заражают какой-то другой штамм бактерий. Ученые чувствовали, что объяснение должно быть простым, но пасьянс никак не складывался.

🎯 AI Co-Scientist, не имея доступа ни к лабораторным записям, ни к экспериментальным данным, самостоятельно воспроизвел гипотезу, к которой команда шла годами — сквозь тернии многолетней работы с трудно интерпретируемыми результатами. Он предположил, что cf-PICIs могут выходить из клетки в виде капсидов без хвостов, а затем «подхватывать» хвосты от других, «случайных» фагов, присутствующих в окружающей среде. Это объясняет, почему cf-PICIs обнаруживаются у широкого спектра бактерий-хозяев: разные типы хвостов обеспечивают распознавание и заражение различных видов бактерий. А модульная природа этих элементов делает их потенциально мощным инструментом для фаговой терапии и генной инженерии.

🗣️ Позже профессор Пенадес признался: «Я был предвзят и знал слишком много. Именно поэтому мы не могли увидеть очевидный ответ, который был перед нами в течение многих лет». Глубокая экспертиза, как ни парадоксально, стала препятствием. Как отметил Тьяго Коста, AI Co-Scientist способен видеть то, что опытные умы игнорируют, когда слишком хорошо знают контекст 💡 В реальности «Эврика!» у профессоров случилась в ходе беседы с неискушенным студентом: а что, если для индукции нужен один фаг, а для захвата хвоста и распространения — другой?

🔗 Результаты исследования уже доступны в виде препринтов: первый — с подробным описанием открытия нового механизма мобильности cf-PICIs, второй — с описанием работы AI Co-Scientist.

🤫 Co-Scientist — непубличный продукт. Он доступен только ограниченному кругу академических партнеров в рамках пилотной программы Trusted Tester. Google объясняет это как техническими ограничениями, так и этическими рисками, связанными с автономной генерацией научных гипотез. Тем не менее, компания активно предлагает сотрудничество исследователям по всему миру — особенно в тех проектах, где важна стыковка дисциплин и нестандартное мышление. Google делает ставку не на автоматизацию, а на совместное творчество человека и машины — как на соавторство в процессе научного открытия.

💊 Co-Scientist показал себя и в других областях: предлагал перепрофилирование лекарственных веществ для лечения острого миелоидного лейкоза, находил эпигенетические мишени против фиброза печени. Но история с cf-PICIs показала, как искусственный интеллект не только ускоряет исследования, но и преодолевает один из самых фундаментальных барьеров в науке — человеческий фактор.

💬 А что думаете вы: Co-Scientist — угроза профессии ученого или ее эволюция?

Важно не путать Co-Scientist с Coscientist, о котором мы уже писали ранее. А если вы хотите вообще разобраться, какие нейросетевые модели сегодня доступны и как этично их использовать — приходите на мощный ребуст курса «Ученый будущего». Совсем скоро — обновленная программа 🆕

#выходные_у_бластим #бластим_технологии