🧬 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.

🔬 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».

Первоисточник: npj Drug Discovery, 29.10.2026.