arXiv · 02.08.2026 ·Исследования и наука

Fused Bayesian Flow Networks для дизайна молекул с двойной мишенью

Исследователи представили архитектуру Fused Bayesian Flow Networks (FBFN), предназначенную для генерации 3D-структур молекул, способных взаимодействовать с двумя белками-мишенями одновременно. Метод решает проблему полифармакологии, позволяя создавать соединения для терапии сложных заболеваний, где воздействие на один белок недостаточно эффективно. Подход превосходит существующие генеративные модели, фокусирующиеся на последовательностях, обеспечивая более точную пространственную конфигурацию молекул.

Разработка направлена на преодоление ограничений классических методов генерации, которые часто либо ограничиваются одномерными последовательностями, либо требуют избыточных вычислительных затрат при работе с несколькими целями. Использование байесовских потоковых сетей позволяет модели эффективно моделировать распределение вероятностей в пространстве химических структур, учитывая геометрические ограничения обоих целевых белков.

Данная технология открывает новые возможности для ускорения поиска лекарственных кандидатов, обладающих синергетическим эффектом. В отличие от традиционных подходов, FBFN обеспечивает баланс между химической валидностью молекул и их аффинностью к двум независимым биологическим мишеням, что критически важно для разработки препаратов против мультифакторных патологий.

Ключевые факты

Архитектура FBFN оптимизирована для генерации 3D-молекул, взаимодействующих с двумя белками одновременно.
Метод использует байесовские потоковые сети для улучшения точности генерации химических структур.
Решение направлено на развитие полифармакологии и создание препаратов для комплексных заболеваний.
Модель демонстрирует преимущество перед методами, основанными исключительно на генерации последовательностей.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

arXiv · Исследования и наука DBMol: новый подход к генеративному дизайну лекарственных препаратов Исследователи представили DBMol — метод генерации малых молекул с высокой аффинностью к заданным белковым мишеням. Используя архитектуры предсказания структур, такие как AlphaFold-3 и Boltz-2, модель оптимизирует процесс поиска терапевтических соединений. Система позволяет значительно сократить время на разработку новых лекарств, обеспечивая высокую точность связывания молекул с целевыми карманами белков. arXiv · Исследования и наука Новый метод машинного обучения для моделирования белков и лекарств Исследователи представили новый подход к созданию потенциалов межмолекулярного взаимодействия на основе машинного обучения, который позволяет моделировать сложные биомолекулярные системы с точностью методов ab initio. Разработка решает проблему низкой скорости вычислений, характерную для существующих моделей, открывая возможности для проведения симуляций микросекундного масштаба, критически важных для фармацевтических исследований и дизайна новых лекарственных препаратов. arXiv · Исследования и наука LLM в дизайне лекарств: бенчмарк молекулярного связывания Исследователи представили новый подход к использованию больших языковых моделей (LLM) в дизайне лекарств на основе структуры белков (SBDD). В работе проанализирована способность моделей генерировать молекулы-кандидаты с учетом пространственных ограничений. Результаты показывают, что LLM становятся серьезными конкурентами диффузионным моделям, традиционно доминирующим в задачах генерации 3D-структур молекул, демонстрируя высокую точность в условиях связывания с активным центром белка. arXiv · Исследования и наука EnsembleEGNN: новая модель для предсказания свойств молекулярных ансамблей Исследователи представили EnsembleEGNN — фундаментальную модель для анализа молекулярных ансамблей, которая учитывает конформационную гибкость молекул. В отличие от традиционных подходов, использующих одну репрезентативную структуру, новая архитектура обрабатывает набор конформеров через общие слои эквивариантных графовых нейронных сетей (EGNN) с последующим пулингом, что значительно повышает точность предсказания свойств циклических пептидов. arXiv · Исследования и наука SynLaD: генерация синтезируемых молекул через латентную диффузию Исследователи представили SynLaD — фреймворк на базе латентной диффузии, предназначенный для генерации малых молекул с учетом их фармакофорных профилей. Система решает проблему поиска баланса между биологической активностью и химической синтезируемостью, объединяя задачи дизайна лигандов с ограничениями реальных химических реакций. Это позволяет ускорить разработку лекарственных препаратов, предлагая структуры, которые можно реально произвести в лаборатории. arXiv · Исследования и наука Авторегрессионные генераторы Больцмана для молекулярного моделирования Исследователи представили новый подход к моделированию молекулярных систем, основанный на авторегрессионных генераторах Больцмана. Метод позволяет эффективно генерировать некоррелированные равновесные выборки, преодолевая ограничения традиционных генеративных моделей в статистической физике. Использование авторегрессионной архитектуры значительно повышает точность аппроксимации распределений Больцмана, что критически важно для предсказания конформаций сложных молекул и ускорения вычислительных процессов в химии и биологии. arXiv · Машинное обучение Метод μFlow повышает точность обнаружения дипфейков через анализ усредненных изображений Исследователи представили метод μFlow, направленный на борьбу с проблемой слабой обобщающей способности детекторов дипфейков. Новый подход использует усредненные изображения для обучения моделей, что позволяет им эффективнее распознавать манипуляции, созданные неизвестными ранее генеративными алгоритмами. Технология демонстрирует высокую устойчивость к различным архитектурам GAN и диффузионных моделей, сохраняя точность при работе с новыми типами синтетического контента. arXiv · Исследования и наука Аддитивная архитектура MLP-GNN для прогнозирования растворимости веществ Исследователи представили новый метод глубокого обучения для оценки растворимости химических соединений в воде, критически важного параметра в ранней разработке лекарств. В отличие от стандартных моделей, объединяющих данные в единый вектор, предложенная архитектура разделяет физико-химические дескрипторы и информацию о молекулярных графах, что позволяет интерпретировать вклад каждого компонента в итоговый прогноз. arXiv · Машинное обучение Новый метод обучения моделей с использованием потоковых карт для онлайн-поиска Исследователи представили метод Sequentially-Controlled Interactive Multi-Particle Flow-Maps (SCIM-Flow), предназначенный для оптимизации моделей в условиях неизвестных предпочтений. В отличие от стандартных подходов, которые ограничены локальным поиском, новый алгоритм использует динамические потоковые карты частиц для эффективного исследования пространства распределений, что позволяет модели адаптироваться к обратной связи в режиме реального времени и находить области с высокой полезностью. arXiv · Машинное обучение Выпуклая аппроксимация для байесовских обратных задач на базе нейросетей Исследователи представили новый фреймворк для решения сложных байесовских обратных задач, объединяющий нейросетевое моделирование правдоподобия с методами выпуклой оптимизации. Подход позволяет преодолеть вычислительные ограничения классических методов, таких как марковские цепи Монте-Карло, обеспечивая эффективную работу в высокоразмерных пространствах, где традиционное моделирование физических процессов становится слишком затратным или неточным из-за неопределенности измерений.

← Все материалы