Category: Наука

IV Школа молодых ученых «Применение синхротронного излучения для решения задач биологии» проходила в Новосибирском государственном университете с 1 по 3 октября. В ее работе приняли участие студенты и аспиранты из 11 городов России: Москвы, Санкт-Петербурга, Казани, Екатеринбурга, Тюмени, Пущино (Московская область), Владивостока, Красноярска, Барнаула. Программа Школы состояла из лекций и практических занятий, на которых молодые ученые имели возможность сформировать представление об использовании передовых исследовательских методов в области структурной биологии, а также получить навыки в области молекулярного моделирования и обработки первичных экспериментальных данных, полученных с помощью синхротронного излучения.

Участники Школы высоко оценили лекции от ведущих ученых активно использующих синхротронное излучение в своих работах. Особый интерес проявили к практическим занятиям связанным с молекулярным моделированием и определению структуры биополимеров методом рентгеноструктурного анализа. 

— Мы решили разделить практические занятия посвященные методу малоуглового рентгеновского рассеяния и рентгеноструктурного анализа (РСА) на два уровня: ознакомительный и углубленный. Оказалось, это было правильное решение. Ознакомительный мастер-класс по РСА прошли около 40 участников, его задачей было формирование общего понимания возможностей метода. Для этого участники работали с набором дифракционных данных полученных от кристаллов модельного объекта практически в идеальных условиях проведения эксперимента. На мастер-класс второго уровня пришли участники желающие получить опыт работы с дифракционными данными, которые были использованы для решения реальных научных задач. Аналогичным образом были построены мастер-классы по применению метода малоуглового рентгеновского рассеяния, где на втором практическом занятии обрабатывались наборы данных полученные в Шанхайском центре синхротронного излучения. На следующей школе мы планируем сделать двухуровневым и мастер-класс по молекулярному моделированию, а также добавить больше лабораторных работ. Отдельно хочется отметить ознакомительные практические занятия по применению метода рентгенофлуоресцентного анализа и компьютерной томографии. Ребята успешно провели реконструкцию данных и построили трехмерную модель скелета мыши, — рассказал заведующий лабораторией Учебно-методический центр «Кристаллизация» Института химических технологий НГУ, старший преподаватель кафедры химии твердого тела Факультета естественных наук НГУ, старший научный сотрудник ЦКП СКИФ Сергей Архипов.

По оценкам организаторов и участников, особенно насыщенным стал третий день Школы молодых ученых. На лекции «Фундаментальные основы взаимодействия синхротронного излучения с объектами биологической природы», которую прочел к.г-м.н. Сергей Ращенко (ИГМ СО РАН, НГУ), рассматривались основы взаимодействия синхротронного излучения с веществом и существующие фундаментальные ограничения экспериментальных методов. Большой интерес участников школы вызвала лекция д.ф-м.н. Константина Усачева (ФИЦ КазНЦ РАН, Казань) «Кристаллография макромолекулярных комплексов». На ней рассматривался рентгеноструктурный анализ таких крупных объектов, как рибосомы и значение этих исследований для создания антибиотиков. Приводились примеры сочетания метода криоэлектронной микроскопии на начальном уровне и расшифровки структуры с использованием метода рентгеноструктурного анализа на последующем этапе. Продолжением этой темы было выступление Анны Бурцевой (ФИЦ Биотехнологии РАН, Москва) «Метод криоэлектронной микроскопии в исследовании структур макромолекул. Метод выбора или один из элементов интегративной структурной биологии». Она рассказывала про основы метода криоэлектронной микроскопии  с рассмотрением реальных примеров, в частности, структуры фикобилисомы из древней цианобактерии. Анна также ознакомила слушателей с самыми новыми работами ученых ФИЦ Биотехнологии РАН.

Множество положительных отзывов получила экскурсия на кафедру химии твердого тела ФЕН НГУ и в лаборатории Института химических технологий НГУ. Для участников школы были подготовлены кристаллы модельного объекта, на примере которых им рассказали о методах кристаллизации. Также молодые ученые познакомились с оборудованием для роботизированной и ручной кристаллизации и необходимыми для выполнения этой работы расходными материалами. 

— В следующем году мы хотим внести некоторые изменения в работу Школы — провести ее как школу-конференцию и издать сборник тезисов. Концептуально лекционная часть и практические занятия останутся прежними, но мы намерены ввести в программу Школы флеш-доклады молодых ученых и, возможно, постерную сессию. Поэтому не исключено, что Школа будет займет не три дня, как сейчас, а четыре. Уверен, данные изменения позволят привлечь еще большее количество участников, хотя и сейчас явно прослеживается тенденция к увеличению числа участников. Также для удобства слушателей мы рассматриваем вероятность ее переноса на летние месяцы, однако решение об этом еще не принято, —  сказал Сергей Архипов.

Отзывы участников IV школы молодых ученых «Применение синхротронного излучения для решения задач биологии»

Екатерина Молоткова, выпускница Физического факультета МГУ им. М. В. Ломоносова:  

— Объектом моего научного интереса является структурная биология. Мне интересна коллаборация физики высоких энергий и биологии. Мне концептуально очень нравится слияние фундаментальной физики и практической биологии. К сожалению, мероприятия, нацеленные на данную тематику, проводятся достаточно редко. Поэтому решение об участии в Школе молодых ученых было очевидным. Я хотела послушать лекции и поучаствовать в мастер-классах, а заодно посетить новосибирский Академгородок. Впечатления о Школе остались самые приятные. Было много мастер-классов практической направленности, и теперь я намерена свой нынешний профиль работы несколько сдвинуть в сторону структурной биологии, поэтому для меня были важны и теоретические знания, и практические навыки, дающие углубленное понимание теории, которая стоит за всеми этими методами.  

Алексей Иванов, 4 курс Факультета естественных наук НГУ:

— Я давно слежу за развитием проекта СКИФ. Мне интересны различные направления биологии, но особенно — структурная биология, потому что она относится к биоинформатике, которой я занимаюсь. О Школе молодых ученых «Применение синхротронного излучения для решения задач биологии» я узнал в прошлом году, а с ее тематикой обзорно ознакомился на Школе системной биологии и на Школе синтетической биологии и промышленной информации. В этом году подаю заявку на участие в данной школе. Здесь я хотел узнать побольше о текущем состоянии строительства ЦКП СКИФ, новейших научных исследования и коллективах, занимающихся исследованиями в области структурной биологии в России, а также освоить ряд практических навыков, связанных с молекулярным моделированием, рентгенофлуоресцентным анализом, молекулярным докингом и методами обработки данных рентгеноструктурного анализа.

На лекции Анны Бурцевой я открыл для себя процесс подготовки образцов для криоэлектронной микроскопии, узнал, как проходит пробоподготовка и какие при этом производятся расчеты для восстановления трехмерной структуры. Не менее интересна была лекция по рентгеноструктурному анализу. Ранее для меня это все было просто названиями методов, я знал, что они дают, а теперь у меня сформировалось комплексное понимание, как можно применять их при интегративных подходах и как они друг друга дополняют.

Самым ярким впечатлением стал мастер-класс по обработке данных малоуглового рентгеновского рассеяния, когда мы из двухмерных данных своими руками получили трехмерную структуру молекулы в растворе, сопоставили с данными рентгеноструктурного анализа и сами убедились, как можно применять данные методы в сочетании. Это похоже на какую-то магию, но это наука.

Наталья Смольянова, Научный сотрудник НИЦ «Курчатовский институт», аспирант Института белка РАН:

— Основные методы, которые я использую в своей работе, — кристаллография и рентгеноструктурный анализ, а также метод БиоМУРР, но мне была очень интересна лекция, посвященная криоэлектронной микроскопии. Я задумалась о том, можно ли использовать данный метод для моего объекта — ферментов целлюлазы, — который достаточно мал для этого. Для меня было важно обсудить с коллегами, насколько это возможно. Также полезным для меня стал мастер класс по РСА, поскольку кристаллизация объекта и последующая обработка данных — процесс достаточно трудоемкий. Для меня были важны и интересны встречи с единомышленниками, знакомство с оснащением Учебно-методического центра «Кристаллизация» Института химических технологий НГУ.

Каждый день Школы приносил яркие впечатления, положительные эмоции, бесценные знания и полезный опыт.

Владимир Андрейцев, лаборатория структурных исследований аппарата трансляции Института белка РАН:

— Школа молодых ученых заинтересовала меня мастер-классами, которые проводят высококлассные специалисты. Они акцентируют внимание на тонкие моменты, которые молодому исследователю освоить самостоятельно довольно сложно. Для меня было важно получить некий багаж знаний и опыта, который можно применять в дальнейшем для своих научных изысканий и в перспективе передавать их студентам, которые приходят к нам в институт.

На этой школе полезно все: и лекции, и мастер-классы, но самым ярким впечатлением для меня стало общение с коллегами. После таких встреч понимаешь, к чему следует стремиться. Для меня очень важна была встреча с доктором химических наук Софией Борисевич (ЦКП «СКИФ», УфИХ УФИЦ РАН, Уфа), которая прочла лекцию «Совместное применение экспериментальных методов и методов молекулярного моделирования для решения задач структурной биологии» и мастер-класс по молекулярному докингу и молекулярному моделированию с учетом полученных методом РСА экспериментальных данных. Вне этой Школы у меня вряд ли была бы возможность связаться с ней и пройти такой мастер-класс.

Интеллектуального робота-манипулятора для автоматического сбора томатов в промышленных теплицах, отличающий спелые плоды от несозревших, создал студент Факультета информационных технологий Новосибирского государственного университета Антон Власенко. Его робот способен анализировать время созревания различных сортов томатов и собирать только спелые плоды. Недозревшие он оставляет на кустах и возвращается к ним по мере созревания. В настоящее время молодой исследователь проводит тестирование своего устройства в домашних условиях, в дальнейшем планируются промышленные испытания на объектах тепличного комбината «Толмачевский», о чем уже достигнута предварительная договоренность.

— Для анализа состояния плодов и принятия решений мы использовали алгоритмы компьютерного зрения. Также в систему заложены ультразвуковые датчики. Они помогают роботу оценивать расстояние до объектов и избегать столкновений с ними. Чтобы манипулятор, снимая томаты с ветвей, случайно не раздавил их, мы снабдили устройство датчиками которые регулируют силу сжатия. Интересный момент связан с самим алгоритмом «time to harvest» (время собирать урожай). Мы не просто классифицируем томат на «зеленый» или «красный», а пытаемся оценить, сколько дней осталось до оптимального сбора. Для этого берем данные по цветовым каналам и насыщенности. На их основе система прогнозирует время сбора плодов. Это позволит не только собирать урожай «здесь и сейчас», но и планировать, когда именно отправлять робота к определенному кусту. Наш робот-манипулятор определяет не просто цвет томата в целом, а делит его изображение на сетку, как шахматную доску. Каждую клетку анализирует отдельно с учетом сорта плода, разделяя участки красного, зеленого или желтого цветов. Таким образом система понимает: плод спелый, частично спелый или пока зеленый и далее прогнозирует оптимальное время для сбора плодов, — объяснил Антон Власенко.

Для детекции объектов молодой исследователь в своей разработке применил основную нейросеть YOLOv8 (Ultralytics). Она находит ограничивающие рамки томатов в кадре. Программное обеспечение робота написано на Python. Библиотека компьютерного зрения OpenCV (cv2) решает несколько задач — чтение видеопотока с камеры, преобразование изображения (HSV, LAB), создание цветовых масок. Численные вычисления — средние значения каналов, операции с массивами, подсчет количества пикселей в масках, — производятся с применением библиотеки NumPy. Контроллер Orange pi 5 обеспечивает работу шаговых двигателей и драйверов управления. Благодаря этому манипулятор получает координаты томата из YOLO, пересчитывает в углы для сервоприводов и далее срывает плод.

Сам манипулятор изготовлен методом 3D печати. Он состоит из редуктора, сегментов «руки», кронштейнов и захвата. Всего в общей сложности было изготовлено 115 деталей. После завершения печати каждая из них подвергалась тщательной пост-обработке. Значительную часть этой работы выполнял второй участник проекта — студент Сибирского государственного университета геосистем и технологий Яков Губарев. Необходимо было на каждой детали удалить поддержки, вручную отшлифовать контактные поверхности, просверлить монтажные отверстия под крепеж и проверить точность посадочных мест.

— Работая над распечаткой деталей манипулятора, мы столкнулись с серьезной проблемой. Он представляет собой довольно крупную конструкцию — если полностью вытянуть его «руку», ее длина составит около 1,5 метра. Имеющийся в нашем распоряжении принтер с такой задачей справиться не мог. Стали искать варианты, и выяснилось, что печать уже готовых 3D-моделей обойдется нам дороже нового принтера, обладающего необходимыми нам возможностями. Поэтому нам пришлось приобрести новый 3D-принтер, — рассказал Антон Власенко.  

В настоящее время манипулятор собран, и молодым исследователям предстоит корректная настройка его движения, а затем сборка мобильной платформы, которая позволит роботу перемещаться между рядами в теплицах. Далее можно будет перейти к пилотным испытаниям в реальных условиях. В будущем Антон Власенко защитит магистерскую диссертацию, в рамках которой он и реализует свой проект. Также он планирует выйти с ним на конкурс студенческих стартапов.

— Идея создать робот-манипулятор для выполнения данной задачи у меня возникла на хакатоне ТРК. Одним из его треков было создание небольшого робота, который с помощью компьютерного зрения будет собирать определенные виды плодов. Это задание было несложным — надо было сделать так, чтобы робот только коснулся выбранного им плода. В дальнейшем мы решили, что, и правда, неплохо было бы создать робота, который собирал бы томаты в промышленных теплицах. Пообщавшись с бывшим директором тепличного комбината «Толмачевский» Сергеем Евгеньевичем Ложниковым, мы узнали, что потребность в автоматических сборщиках урожая действительно существует. Сейчас этот процесс производится вручную, но рабочих рук не хватает, что становится для тепличных комбинатов серьезной проблемой. Наша идея создать робота, который выполнял бы данную задачу, нашла поддержку, и мы приступили к работе — сначала изучили существующие аналоги, а потом стали думать, какую архитектуру применить, чтобы правильнее осуществить сбор томатов, а также предусмотреть дальнейшее развитие. В дальнейшем мы планируем приспособить нашего сборщика томатов и для других овощных культур, — поделился планами Антон Власенко. 

Прототип первой в мире системы поддержки принятия врачебных решений «Цифровой помощник врача «Доктор Пирогов» разработали ученые Исследовательского центра в сфере искусственного интеллекта (Центр ИИ) Новосибирского государственного университета. В ее основе заложено гибридное техническое решение — комбинирование нейронных и семантических (смысловых) сетей. Цифровой помощник врача содержит информацию о 250 основных заболеваниях. В дальнейшем их количество увеличится – система будет дополнена информацией об остальных патологических состояниях. В настоящее время информация о них систематизируется, а данные верифицируются. Разработчики применили гибридный подход, сочетающий в себе нейросетевые методы и специализированный граф знаний ANDSystem для обеспечения интерпретируемости решений. При создании прототипа использовались наработки и исследования, которые проводились в Институте цитологии и генетики СО РАН. 

— Разрабатывая систему «Доктор Пирогов», мы ставили перед собой задачу: снизить рутинную нагрузку на врача и сократить длительность приема пациента без потери качества. Также данная система способна обеспечивать консультационное сопровождение и осуществлять поддержку принятия врачебных решений при оказании первичной медицинской помощи по широкому кругу врачебных направлений, что особенно актуально при нынешнем дефиците узких специалистов в удаленных и малонаселенных регионах. Наш «Доктор Пирогов» позволяет проводить интерактивный опрос пациента. Мы планируем реализовать и голосовой, и визуальный интерфейс. Система «изучает» медицинскую документацию, осуществляет анализ клинической информации и инструментальных исследований, оценивает лабораторные показатели и результаты генетического тестирования. Все это она делает, опираясь на семантические графы знаний, построенные на основе анализа содержащейся в ее базе знаний медицинской и научной литературы. Результатами работы системы «Доктор Пирогов» является список вероятных диагнозов по патофизиологическим обоснованиям, перечень необходимых дополнительных обследований, рекомендации по терапии с учетом лекарственных взаимодействий, и рекомендуемые персонализированные профилактические меры для каждого конкретного пациента. В настоящий момент мы создали прототип системы, успешно были отработаны основные функции цифрового помощника, — рассказал ведущий научный сотрудник, руководитель проектов в Центре искусственного интеллекта НГУ, заведующий лабораторией Искусственного интеллекта и больших генетических данных ИЦИГ СО РАН, заведующий лабораторией компьютерной протеомики ИЦИГ СО РАН Владимир Иванисенко.

Система «Доктор Пирогов» объединяет знания по 20 врачебным специальностям, включая терапию, кардиологию, эндокринологию, неврологию, гастроэнтерологию, инфекционные болезни, педиатрию, онкологию, психиатрию, дерматологию, гематологию, нефрологию, ревматологию и другие. Это позволяет использовать её как универсальный цифровой помощник для врача общей практики, врача скорой помощи или специалиста узкого профиля.

Разработчики системы «Доктор Пирогов» уверены, что цифровой помощник врача будет очень полезен в сельской местности, где прием пациентов ведется фельдшерами. Он поможет данным медицинским специалистам в принятии решений о лечении пациентов и направлении в диагностические центры для дополнительных обследований или в другие медицинские учреждения для получения специализированной помощи. Использование «Доктора Пирогова» возможно для предварительного опроса пациентов в кабинетах доврачебной помощи, а также для поддержки врача на приеме. Пациент может ввести свои данные, жалобы и результаты обследований, ожидая приема врача — благодаря удобному интерфейсу, сложностей у него не возникнет. На основе исходной информации о пациенте, система сформирует список возможных заболеваний, ранжированных по степени риска. Тогда на приеме врач при необходимости проведет дальнейший опрос для уточнения диагноза, а «Доктор Пирогов» выдаст рекомендации относительно проведения дополнительных исследований и тактики лечения. Решение о том, следовать ли этим рекомендациям или нет, принимает врач.

— «Доктор Пирогов» станет помощником медицинских работников, он не заменит врача, но существенно облегчит его работу. При использовании в кабинетах доврачебной помощи он проведет первичный опрос пациента и анализ уже имеющихся клинических данных, выдаст направление на лабораторные исследования или к врачу, в том числе с рекомендацией по профилю узкого специалиста. Это позволит эффективно распределять поток пациентов, обеспечить предварительную сортировку и маршрутизацию, снизить нагрузку на участковое звено медработников. Не менее важна поддержка врача на приеме. Здесь наша система произведет ускоренную обработку жалоб пациентов, их анализов и других клинических данных. Важна и поддержка принятия клинических решений на основе базы медицинских и научных знаний. Это позволит сократить длительность приема пациента без потери качества и снизить риск диагностических ошибок. Но особенно полезен «Доктор Пирогов» будет для врачей из сельской местности и отдаленных территорий. Он сможет оказывать консультационную поддержку по многим врачебным специальностям при ограниченной доступности узких специалистов и производить анализ лабораторных данных, инструментальных обследований и выписок. Таким образом повысится качество первичной диагностики и лечения, сократится необходимость направления пациента в районный центр, а нагрузка на сельского врача снизится за счет интерпретации сложных клинических данных ИИ-системой, — пояснил Владимир Иванисенко.

На создание семантической сети, которая заложена в систему «Доктор Пирогов» у ученых НГУ и ИЦИГ СО РАН ушло 10 лет. Данные работы велись в ИЦИГ СО РАН под руководством академика Николая Колчанова. Перед разработчиками была поставлена задача: поиск фармакологических мишеней и разработка лекарственных препаратов для ряда распространенных заболеваний. Им было необходимо определить, на какой ген действует конкретный используемый препарат, а затем, исходя из этого, разработать химическую структуру лекарства.

— У человека примерно 20 тысяч генов, они взаимодействуют между собой. При этом один ген способен подавлять или повышать активность другого. В зависимости от этого по-разному могут реагировать на тот или иной препарат. Чтобы решить задачу выбора мишеней для действия лекарства, необходимо определить, какие именно гены связаны с определенным заболеванием и как эти гены взаимодействуют друг с другом. Для нас было очевидно, что без помощи искусственного интеллекта в данной ситуации не обойтись, поэтому мы принялись выстраивать семантическую сеть. Ее отличие от нейросети заключается в том, при обучении нейронных сетей знания распределяются по так называемым весам в виде некоторых чисел. Чтобы сделать методы ИИ интерпретируемыми, необходимо распределить знания, получаемые при обучении, в виде семантических сетей. У нас было 20 тысяч генов, каждый из них стал вершиной, а фактами — порядка 30 тысяч заболеваний. Между ними установлены ребра — взаимосвязи. Наша система должна была учитывать все — факторы риска, влияние внешней среды, мутации в генах, физиологические параметры организма. Вся эта информация содержалась в 50 миллионах научных публикаций. У одного человека, работающего 8 часов в сутки и тратящего на прочтение одной статьи 2 минуты, на выполнение этой работы ушло бы 300 лет. Каждый год появляется еще в среднем 1,5 миллиона публикаций. В этой работе для извлечения фактов из текстов мы задействовали нейронные сети, применив к ним метод тонкой настройки, для которого предварительно вручную были прописаны 25 тысяч правил. В результате и была построена семантическая сеть, где были установлены порядка 40 тысяч фактов соотношения генов и симптомов с различными заболеваниями, — рассказал Владимир Иванисенко.

В данной масштабной работе был задействован целый коллектив научных сотрудников. Также в создании семантической сети специализированного графа знаний ANDSystem приняли участие студенты НГУ и других новосибирских вузов. Только под руководством Владимира Иванисенко было написано 40 студенческих работ. Ежегодно в рамках летней практики в работу включались по 10-12 студентов. Было защищено 6 кандидатских диссертаций, опубликовано более 150 научных статей, посвященных анализу различных заболеваний с помощью данного метода извлечения информации. Изначально он был нацелен на решение научных задач, но затем разработчики решили адаптировать его для практической медицины. Семантическая сеть, в отличие от человеческого мозга, может хранить и при необходимости извлекать гораздо больший объем информации о лекарственных препаратах и их сочетаемости друг с другом, побочных эффектах и противопоказаниях при наличии сопутствующих заболеваний и многое другое. Применение ИИ поможет избежать ошибок при назначении лекарственных препаратов, определении тактики ведения больного и его реабилитации. В настоящий момент в мире нет аналогов данной системы, и известно только 4 аналогичных системы, которые выполняют научные задачи в области генетики.

В настоящий момент функции цифрового помощника врача успешно отработаны и теперь перед разработчиками «Доктора Пирогова» стоит задача по его масштабному внедрению. Для масштабного внедрения необходимо получить соответствующую разрешительную документацию при классификации как медицинское программное обеспечение, пройти регистрацию в Росздравнадзоре и получить оценку соответствия требованиям ТР ЕАЭС 047/2018. Также необходимы системные решения на уровне Правительства РФ: создание нормативной «песочницы» для тестирования ИИ в клинической практике, упрощенная процедура регистрации ИИ-медицинских решений, при условии контроля врача и разработка Методических рекомендаций Минздрава РФ для включения цифровых помощников в процесс оказания первичной медпомощи. Когда все эти этапы будут пройдены, в лечебных учреждениях потребуется провести дооснащение кабинетов — создать компьютеризированные рабочие места для взаимодействия пациента и врача с ИИ.

Клинические испытания системы «Доктор Пирогов» начнутся в следующем году. В настоящее время проводится внутренняя верификация с точки зрения научных показателей.

В обновленный рейтинг World’s Top 2% Scientists за 2024 год, составляемый Стэнфордским университетом, вошли 13 ученых Новосибирского государственного университета (штатные сотрудники и совместители, указывающие в публикациях аффилиацию с НГУ). Рейтинг ежегодно анализирует показатели их цитируемости и научной активности для определения самых влиятельных исследователей в своих областях.

В рейтинге представлены 2% самых цитируемых ученых мира по ядру Scopus/Elsevier. Сводный индикатор c-score учитывал общее число цитирований, h-индекс, hm-индекс с поправкой на соавторство, а также порядок следования в списке соавторов. Рейтинг составлялся без учета самоцитирований на основе нормированных показателей для каждой области науки.

Оценка цитируемости производилась по 22 научным направлениям и 174 разделам в соответствии со стандартной классификацией Science‑Metrix. Анализировалась деятельность миллионов исследователей по всему миру: рейтинг содержит список более 230 тысяч ученых. Индикаторы влияния были рассчитаны за всю карьеру ученого и за последний год. Многие совместители НГУ указаны в рейтинге как сотрудники институтов СО РАН, соответственно список НГУ мог бы быть значительно шире. 

В рейтинг 2024 за всю карьеру ученого вошли (как представители НГУ):

Академик Российской Академии наук Александр Евгеньевич Бондарь (место в рейтинге 55645, h=137)

Член-корреспондент Российской Академии наук Виктор Сергеевич Фадин (85813, h=43)

Кандидат геолого-минералогических наук Инна Юрьевна Сафонова (103141, h=39)

Доктор химических наук Нина Павловна Грицан (140135, h=41)

Кандидат химических наук Валерий Анатольевич Дребущак (183029, h=27)

Доктор физико-математических наук Сергей Михайлович Кобцев (185063, h=33)

Доктор технических наук Борис Яковлевич Рябко (198418, h=18)

Доктор физико-математических наук Евгений Анатольевич Чиннов (229872, h=19)

В рейтинг 2024 за последний год вошли ученые НГУ:

Академик Российской Академии наук Александр Евгеньевич Бондарь (75433)

Кандидат геолого-минералогических наук Инна Юрьевна Сафонова (81272)

Доктор физико-математических наук Сергей Михайлович Кобцев (137508)

Член-корреспондент Российской Академии наук Виктор Сергеевич Фадин (160114)

Кандидат физико-математических наук Георгий Иванович Лазоренко (168833, h=21)

Кандидат химических наук Валерий Анатольевич Дребущак (175640)

Доктор физико-математических наук Валерий Яковлевич Рудяк (192143, h=29)

Доктор физико-математических наук Дмитрий Владимирович Чуркин (213402, h=39)

Кандидат физико-математических наук Александр Владимирович Достовалов (233554, h=25)

Доктор биологических наук Михаил Георгиевич Сергеев (235200, h=10) 

Две первые позиции от НГУ в рейтинге за всю карьеру ученого занимают бывшие деканы Физического факультета НГУ Александр Евгеньевич Бондарь (2010–2020) и Виктор Сергеевич Фадин (1993–1998).

Александр Евгеньевич Бондарь — известный специалист в области физики высоких энергий и элементарных частиц, внесший значительный вклад в развитие экспериментальных методов. Им был предложен и успешно реализован спектрометр на ВЭПП-4М с уникальным энергетическим разрешением для регистрации рассеянных электронов, развита методика создания электромагнитных калориметров на основе кристаллов иодида цезия.

Виктор Сергеевич Фадин — крупный специалист в области теоретической физики. Им был изучен ряд процессов квантовой электродинамики, экспериментально наблюдаемых на встречных электрон-позитронных пучках, откpыт и исследован эффект когеpентности при излучении мягких глюонов в квантовой хромодинамике.

Инна Юрьевна Сафонова — признанный специалист в области геотектоники, геохимии и геохронологии. Ее исследования посвящены изучению геологии и тектоники Центрально-Азиатского складчатого пояса, эволюции древних океанов и мантийного магматизма, изотопной геохронологии, геохимии и изотопии океанических, островодужных и внутриплитных магматических пород.

Нина Павловна Грицан — ведущий специалист в области исследования механизмов фотохимических превращений органических соединений с помощью экспериментальных спектроскопических методов и теоретических квантовохимических расчетов.

Валерий Анатольевич Дребущак – доцент кафедры химии твердого тела Факультета естественных наук НГУ, специалист в области термического анализа в химии твердого тела.

Сергей Михайлович Кобцев – заведующий Отделом лазерной физики и инновационных технологий НГУ, специалист-эксперт в области фотоники, волоконной и нелинейной оптики. Является почетным членом и выдающимся рецензентом Международного оптического общества OSA.

Научные интересы Бориса Яковлевича Рябко лежат в области прикладной математики, теории информации, криптографии и математической биологии. Он является одним из ведущих в мире специалистов в области теории информации.

Евгений Анатольевич Чиннов – специалист в области процессов теплообмена, двухфазных потоков, пленочных течений, микро- и наноструктурированных поверхностей.

— За последние пять лет масштаб собственной научно-исследовательской деятельности НГУ вырос до сопоставимого с образовательной деятельностью уровня, и сейчас наука и исследования НГУ являются вторым базовым процессом в университете. Одним из показателей, подтверждающим этот факт, является высокая публикационная активность ученых НГУ. Так, по итогам 2024 года в журналах SCOPUS вышло более 1760 публикаций, Web of Science — более 1300, РИНЦ — более 1970. При этом доля публикаций в самых престижных и высокорейтинговых научных журналах (Q1 и Q2 SCOPUS) составила около 60%. Количество цитирований в SCOPUS достигло почти 2000. Важно, что с 2018 года число собственных публикаций НГУ (без соавторства с сотрудниками НИИ СО РАН) выросло на 30%, и сейчас их доля составляет около 20% от общего числа публикаций с участием НГУ. Вхождение 13 исследователей НГУ в список наиболее цитируемых ученых мира указывает на то, что НГУ работает по передовым направлениям и на высоком международном уровне, — прокомментировал ректор НГУ академик РАН Михаил Федорук.