🧬 ИИ для создания пептидов: почему красивой модели молекулы недостаточно
29 октября в npj Drug Discovery вышел рецензируемый обзор генеративных моделей для пептидов с ограниченной подвижностью, включая циклические молекулы. Авторы разбирают, как учитывать химические связи, пространственную геометрию и свойства будущего кандидата непосредственно при проектировании.
29 октября в npj Drug Discovery вышел рецензируемый обзор генеративных моделей для пептидов с ограниченной подвижностью, включая циклические молекулы. Авторы разбирают, как учитывать химические связи, пространственную геометрию и свойства будущего кандидата непосредственно при проектировании.
🔬 Главная идея: разные результаты требуют разных доказательств. Корректная последовательность ещё не подтверждает правильную трёхмерную структуру. Предсказанное связывание с мишенью не заменяет измерения, а расчётная проницаемость через мембрану не равнозначна лабораторному результату.
Обзор сопоставляет подходы, работающие с химической записью молекулы, её структурой, набором возможных конформаций и желаемыми свойствами. Отдельно различаются ограничения, встроенные в генерацию, и последующая фильтрация уже созданных кандидатов.
📊 Авторы предлагают оценивать не только удачные примеры, но и весь путь отбора: сколько молекул предложено, сколько отбраковано, сколько удалось синтезировать и проверить. Это помогает понять, какой вклад внёс сам алгоритм и где понадобились дополнительные расчёты или экспериментальный отбор.
Уровень доказательности: научный обзор методов, не клиническое испытание и не сообщение о новом лекарстве. Его практическая ценность состоит в критериях проверки заявлений об «ИИ-разработанных пептидах».
Теги: