Новый метод машинного обучения помогает ответить на вопрос «кто кого заразил?» — и это может спасти жизни
Представьте: вспышка туберкулёза на ферме. Заболели несколько коров и обнаружены заражённые барсуки. Ветеринары хотят знать — кто был первым? Кто кого заразил? От ответа зависит, каких животных изолировать, какие маршруты перевозок перекрыть и как остановить распространение болезни. Эту задачу традиционно решали методами эпидемиологии, но новое исследование учёных из Эдинбургского университета показывает: графовые нейронные сети (GNN) справляются с ней значительно лучше.
Геном патогена как улика
Когда бактерия или вирус переходит от одного хозяина к другому, она «мутирует» — в её ДНК накапливаются случайные изменения. Это похоже на испорченный телефон: чем больше передач, тем больше отличий. Учёные умеют измерять это расстояние в единицах SNP (single-nucleotide polymorphism — однонуклеотидный полиморфизм): грубо говоря, количество «опечаток» в геноме патогена.
Если у двух заражённых животных патогены различаются всего на 1–2 SNP — скорее всего, один заразил другого или оба заразились от одного источника. Если на 50 SNP — они, вероятно, совершенно независимые случаи. Это и есть ключ к «детективному расследованию» эпидемиологов.
Именно такими данными располагают исследователи, работающие с бычьим туберкулёзом (bovine tuberculosis, bTB) в Великобритании. Возбудитель — бактерия Mycobacterium bovis — крайне медленно мутирует: примерно одна «опечатка» в геноме раз в 1–10 лет. Это делает задачу ещё более сложной: слишком мало данных для разграничения цепочек передачи.
В чём проблема старых методов?
Стандартный подход звучит просто: берём всех заражённых животных попарно и для каждой пары смотрим на их характеристики — расстояние между фермами, время контакта, вид животного — и пытаемся предсказать генетическую дистанцию между их патогенами. Этакая таблица с миллионами строк.
Но есть принципиальный изъян. Представьте трёх друзей: Алису, Бориса и Веру. Вы знаете, что Алиса и Борис — близкие друзья, а Алиса и Вера — почти незнакомы. Что можно сказать про Бориса и Веру? Скорее всего, они тоже не слишком близки. Но если смотреть на каждую пару независимо — вы теряете этот контекст. Именно это и происходит в «попарных» (pairwise) моделях: они игнорируют связи между всеми участниками системы одновременно.
Кроме того, в реальных вспышках часть животных не имеет анализа генома патогена. Нужно уметь делать прогноз для «неохваченных» особей — предсказывать, насколько близко они связаны с известными случаями.
Граф вместо таблицы
Авторы статьи предложили иначе организовать данные. Вместо плоской таблицы — граф: математическая структура из узлов (nodes) и рёбер (edges). Каждое заражённое животное — узел. Каждая пара животных соединена ребром, которому присвоен «вес» — генетическая дистанция между их патогенами.
Аналогия: представьте карту социальной сети. Люди — узлы, а дружеские связи — рёбра. Только здесь «дружба» означает генетическое сходство патогенов, а значит — вероятную эпидемиологическую близость. Чем «короче» ребро, тем вероятнее передача инфекции.
Что такое графовая нейронная сеть (GNN)?
Обычная нейронная сеть обрабатывает данные как набор независимых строк. Графовая нейронная сеть (graph neural network, GNN) — это специализированная архитектура, которая «понимает» структуру графа и учитывает связи между узлами.
Ключевой механизм — передача сообщений (message passing). Представьте деревню, где жители передают друг другу новости через соседей. Каждый узел собирает информацию от всех своих «соседей» в графе и формирует обновлённое представление о себе — эмбеддинг (embedding). Этот процесс повторяется несколько раз, позволяя «новостям» распространяться всё дальше.
В данном исследовании каждое животное-«узел» собирает сведения о всех других: где они жили, когда были взяты пробы, насколько генетически близки их патогены. Механизм внимания (attention) позволяет сети автоматически определить, кто из соседей несёт наиболее полезную информацию. Например, корова с той же фермы и в тот же год — более «информативный сосед», чем корова с другого конца страны пятью годами ранее.
На выходе сеть выдаёт вероятность того, что два животных генетически близки — то есть связаны в цепочке передачи инфекции. И делает это не только для животных с известными геномами, но и для новых, «неохваченных» особей.
Бычий туберкулёз: полигон для тестирования
Модель тестировали на данных по bTB в Великобритании. Это особенно трудный случай: болезнь передаётся как между коровами, так и между коровами и дикими барсуками. Стандартный тест на туберкулёз у коров имеет низкую чувствительность, а сам патоген мутирует крайне медленно — всё это делает реконструкцию цепочек передачи настоящим испытанием для любой модели.
Авторы использовали три синтетических набора данных (по 2 000 животных каждый) и два реальных: долгосрочное исследование в Вудчестер-Парке (241 животное: 130 коров и 111 барсуков) и новую вспышку в Камбрии (63 животных). На синтетических данных правда известна заранее — это позволяет честно оценить точность модели.
Результаты: GNN выигрывает — но не всегда
GNN сравнивали с тремя «классическими» методами машинного обучения: логистической регрессией (logistic regression), случайным лесом (random forest) и градиентным бустингом (boosted regression tree). На больших синтетических датасетах GNN превзошла всех конкурентов.
Исследователи также применили анализ важности признаков (permutation importance), чтобы понять, за счёт чего GNN работает лучше. Оказалось: сеть научилась использовать контекст всего графа — информацию о связях между всеми животными одновременно. Именно это недоступно попарным моделям.
Однако есть и ограничения. На маленьких датасетах (особенно реальных) преимущество GNN существенно снижалось. Нейронные сети требуют много данных для обучения, а также значительно больших вычислительных ресурсов по сравнению с классическими методами.
Зачем это важно за пределами туберкулёза?
Метод носит универсальный характер. Авторы специально излагают его так, чтобы эпидемиологи без опыта работы с нейронными сетями могли его применять. Архитектуру можно адаптировать для любой инфекционной болезни, где есть данные полногеномного секвенирования: COVID-19, грипп, туберкулёз у людей, африканская чума свиней — список можно продолжать.
Потенциально это открывает возможность в режиме реального времени отслеживать эпидемиологические цепочки, даже когда часть заражённых особей не была охвачена мониторингом. По сути, GNN позволяет «дорисовать» недостающие части картины вспышки.
С учётом того что только в базе GISAID к середине 2025 года хранится уже более 15 миллионов геномных последовательностей SARS-CoV-2, инструменты для анализа таких масштабов данных становятся критически важными.
Ключевые термины
- Whole-genome sequencing (WGS): полногеномное секвенирование — метод определения полной ДНК-последовательности организма.
- SNP (single-nucleotide polymorphism): однонуклеотидный полиморфизм — замена одного «символа» в ДНК.
- Graph neural network (GNN): графовая нейронная сеть — архитектура глубокого обучения, работающая с данными в форме графа.
- Message passing: передача сообщений — механизм, при котором каждый узел графа собирает информацию от соседей.
- Embedding: эмбеддинг — компактное числовое представление объекта, обученное нейронной сетью.
- Attention: внимание — механизм, позволяющий сети автоматически взвешивать важность разных источников информации.
- Permutation importance: важность перестановки — метод оценки вклада каждого признака в предсказание модели.
- Transmission tree: дерево передачи — граф, описывающий «кто кого заразил» в рамках вспышки.
Резюме
Исследование Wood, Sanchez и Kao (2026) демонстрирует, что графовые нейронные сети — это не просто модное слово из мира AI, а реально полезный инструмент для эпидемиологии. Рассматривая вспышку инфекционной болезни как граф взаимосвязанных существ, GNN улавливает закономерности, недоступные классическим попарным моделям. В эпоху массового геномного секвенирования это может стать важным шагом к более точному контролю эпидемий — будь то туберкулёз у скота или следующая глобальная пандемия.
Подписывайтесь на канал чтобы не пропустить новые статьи