Мария Королева проходит обучение по новой магистерской программе Томского НИМЦ «Биоинформатика: мультиомика единичных клеток». В интервью она рассказала, как удается совмещать науку с профессиональным спортом, а также о планах на будущее и перспективах применения знаний из области биоинформатики в своих исследованиях.
- В 2025 году Мария Королева стала победителем конкурса на назначение стипендии Правительства РФ.
— В годы учебы в бакалавриате МГУ мне удалось пройти несколько интересных стажировок. Во время одной из них состоялось мое первое знакомство с биоинформатикой. В Лаборатории молекулярной физиологии клетки ИБК РАН я занималась анализом экспрессии генов обонятельных рецепторов в поджелудочной железе мышей. Тогда мне пришлось самостоятельно осваивать биоинформатические методы с нуля.
Для меня биоинформатика — это не просто область по интерпретации сырых биологических результатов, а ключевой инструмент для работы с данными, которые невозможно проанализировать вручную.
Этот опыт показал, какой огромный потенциал скрыт в омиксных данных, и я поняла, что хочу заниматься этим профессионально. Узнав о программе в Томске через сообщество ASCA, я решила поступить в магистратуру, чтобы получить системные знания и перейти на экспертный уровень.
«Маскировка» опухоли: как помешать раковым клеткам сохранять неуязвимость к терапии
— Тема моей будущей диссертации «Расшифровка фенотипической пластичности опухолевых клеток мелкоклеточного рака легкого и её влияния на прогноз заболевания». Иначе говоря, я изучаю, как раковые клетки меняют свои свойства и «маскируются», становясь неуязвимыми для лекарств. С помощью биоинформатических методов я определяю типы клеток на основе их генной активности.
Почему это важно: пластичность клеток — главная причина устойчивости к терапии. Мое исследование поможет выявить гены, которые запускают этот процесс. В перспективе это знание позволит создавать таргетные препараты, «выключающие» защиту опухоли. Кроме того, использование алгоритмов псевдовремени поможет построить ИИ-модель, способную предсказывать риск прогрессирования заболевания.
Стипендия Правительства РФ: почему поддержка молодых ученых важна
— Стипендию Правительства РФ я получила благодаря победе во Всероссийской олимпиаде студентов "Я — профессионал" по направлению "Биоинженерия и биоинформатика". Также роль сыграли красный диплом бакалавриата и активная научная работа.
Для молодого ученого такая поддержка крайне важна. Она избавляет от необходимости искать простую подработку ради бытового обеспечения и позволяет полностью сфокусироваться на исследованиях, которые на ранних стадиях редко приносят доход. Такие стипендии создают условия, в которых хочется оставаться в науке и развивать ее именно в России.
Сегодня я полностью сфокусирована на учебе и исследованиях. Главный плюс магистратуры для меня — формат обучения. Он позволяет мне, находясь в Москве, успешно совмещать программу Томского НИМЦ с очной магистратурой на ФББ МГУ и выступлениями за Национальную сборную по академической гребле.
Еще одно важное преимущество — уникальный материал лекций: нас учат ведущие ученые, которые строят курсы на основе актуальных мировых статей, а не базовых учебных пособий. Программа очень интенсивная — порой поток информации кажется запредельным, однако при подготовке к экзамену или зачету по конкретным темам как будто все встает на свои места. Особенно ценно, что Томский НИМЦ делает ставку на практику и активно развивает сотрудничество между научными центрами Томска и Москвы.
Будущее за биоинформатикой: от терапии рака до борьбы со старением
— По окончании обучения в магистратуре я планирую работать по специальности, выбирая задачи на стыке анализа биологических данных. Рынок сейчас активно развивается, и мне интересно применять глубокое обучение для решения прикладных задач.
Одно из перспективных направлений — терапия старения. Например, российский стартап Open Longevity ставит перед собой амбициозные задачи по исследованию долголетия при помощи нейронных сетей, опираясь на клинические данные пациентов. Это именно та область, где знания в биоинформатике омиксных данных и машинном обучении аккумулируются для решения глобальных проблем здравоохранения.