Научный сотрудник факультета Антон Жиянов успешно защитил кандидатскую диссертацию по специальности "компьютерные науки"

27 февраля 2026 года научный сотрудник Лаборатории молекулярной физиологии факультета биологии и биотехнологии НИУ ВШЭ Антон Павлович Жиянов успешно защитил диссертационную работу на тему «Методы оценки качества линейных классификаторов для анализа последовательностей микроРНК», представленную на соискание учёной степени кандидата компьютерных наук на диссертационном совете по компьютерным наукам НИУ ВШЭ. Решением от 26 марта 2026 года диссертационный совет присвоил Антону искомую степень.

Линейный классификатор, отличающий гомогенное и гетерогенное расщепление на 5′-конце 3′-плеча по последовательности нуклеотидов в районе позиции расщепления микроРНК

Антон Жиянов

27 февраля 2026 года состоялась защита кандидатской диссертации научного сотрудника Лаборатории молекулярной физиологии факультета биологии и биотехнологии НИУ ВШЭ Жиянова Антона Павловича на тему «Методы оценки качества линейных классификаторов для анализа последовательностей микроРНК». Работа была представлена к защите на диссертационном совете по компьютерным наукам НИУ ВШЭ и высоко оценена членами Комитета по защите, которые единогласно рекомендовали присудить Антону Павловичу учёную степень кандидата компьютерных наук. Окончательное решение о присуждении Антону Павловичу учёной степени и выдаче диплома было принято диссертационным советом по компьютерным наукам НИУ ВШЭ на заседании 26 марта 2026 года.

Работа выполнена в Национальном исследовательском университете «Высшая школа экономики» под руководством доктора биологических наук, академика РАН, профессора Александра Григорьевича Тоневицкого. Диссертация находится на стыке машинного обучения, вероятностно-статистических методов и молекулярной биологии, фокусируясь на задачах, возникающих при анализе экспрессии микроРНК и их изоформ в биомедицинских исследованиях. Результаты, положенные в основу диссертации, были получены при выполнении научных задач Программы фундаментальных исследований НИУ ВШЭ в рамках проекта «Центры превосходства».

В первой главе диссертации предложен аксиоматический подход к оценке и сравнению метрик качества классификации. Автор формализует набор свойств (аксиом), которым должна удовлетворять «хорошая» метрика, и проверяет их выполнение для ряда широко используемых показателей — точности, сбалансированной точности, корреляции Мэтьюса, коэффициента Коэна, F-меры и других. Показано, что наиболее естественные свойства — монотонность, несмещённость и возможность интерпретации метрики как расстояния — принципиально несовместимы: не существует единой метрики, обладающей всеми этими свойствами одновременно. В качестве ответа на это ограничение предложен новый класс метрик — обобщённые средние, включающие в себя, в частности, корреляцию Мэтьюса и симметричную сбалансированную точность и удовлетворяющие большинству рассмотренных аксиом.

Вторая глава посвящена статистической верификации линейных классификаторов. Рассматривается вероятность почти линейной разделимости двух выборок в двумерном пространстве признаков, что позволяет оценивать, является ли качество классификатора следствием реальных различий между классами или результатом случайных флуктуаций и множественного тестирования. Автор получает новые, более точные верхние оценки вероятности почти линейной разделимости, в том числе для нормально распределённых выборок — важного частного случая для биомедицинских данных. На основе этих оценок построен критерий однородности, позволяющий по числу ошибок классификатора делать вывод о его статистической значимости.

Особое внимание в работе уделено линейным классификаторам с малым числом признаков, которые используются в биоинформатике для построения диагностических и прогностических тест-систем на основе экспрессии небольшого набора генов или микроРНК. Показано, что разработанные оценки и критерии позволяют корректно учитывать эффект множественного тестирования и подтверждать «неслучайность» таких классификаторов даже при относительно небольших объёмах независимых тестовых выборок. В качестве примера продемонстрировано применение методики к ранее предложенным классификаторам рецидива рака молочной железы у ER-положительных пациенток.

Третья глава носит прикладной характер и посвящена задачам предсказания формирования изоформ микроРНК (isomiRs). Используя данные RNA-seq из проекта The Cancer Genome Atlas (TCGA), автор анализирует экспрессию изоформ микроРНК в различных опухолевых тканях человека и исследует, как особенности последовательности при-микроРНК и структура шпильки связаны с точностью расщепления белком Dicer. На основе выделенных признаков строится линейный классификатор, который по нуклеотидной последовательности в окрестности позиции расщепления предсказывает, будет ли образована одна каноническая микроРНК или несколько изоформ.

Точность разработанного классификатора составила 0,71, при этом p-значение линейного критерия однородности оказалось ниже 0,05, что свидетельствует о статистической значимости выявленных закономерностей. Анализ весов классификатора позволил выделить нуклеотидные мотивы, ассоциированные с различным характером расщепления: мотив AGCU на 5′-конце 3′-плеча при-микроРНК связан с отсутствием изоформ, тогда как мотив CCAG — с их формированием. Эти мотивы были экспериментально подтверждены с использованием трансдукции клеточной линии MDA-MB-231 короткими шпилечными РНК, обрабатываемыми ферментами Drosha и Dicer по тем же молекулярным механизмам, что и эндогенные микроРНК.

Результаты диссертации легли в основу трёх публикаций, две из которых вышли в журналах из списка А, индексируемых Web of Science и Scopus, а одна — в материалах конференции уровня ACONF. Основные положения работы докладывались на международной конференции NeurIPS 2021, в журнале RNA Biology, а также представлены на ряде научных семинаров и конференций в России и за рубежом.

Коллектив Лаборатории молекулярной физиологии поздравляет Антона Павловича Жиянова с успешной защитой кандидатской диссертации и желает дальнейших научных успехов и новых ярких результатов!