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.

Традиционно генерация молекул с заданными свойствами опиралась на диффузионные процессы, которые хорошо справляются с геометрией, но требуют значительных вычислительных ресурсов. Новое исследование фокусируется на адаптации языковых моделей для работы с молекулярными графами и пространственными координатами, что позволяет эффективнее учитывать химические правила и структурные ограничения целевого белка.

Авторы разработали специализированный бенчмарк для оценки качества генерации молекул, которые должны не просто соответствовать химическим формулам, но и физически «вписываться» в активный карман белка-мишени. Это открывает путь к созданию более быстрых и интерпретируемых систем для поиска новых лекарственных соединений, где LLM выступают в роли генераторов, способных учитывать сложные биологические контексты.

Ключевые факты

  • Исследование посвящено применению LLM в дизайне лекарств на основе структуры белков (SBDD).
  • Разработан новый бенчмарк для оценки эффективности моделей при работе с пространственными ограничениями молекулярного связывания.
  • LLM продемонстрировали конкурентоспособные результаты по сравнению с диффузионными моделями, которые ранее считались стандартом в генерации 3D-молекул.
  • Работа подчеркивает потенциал языковых моделей в автоматизации поиска молекул-кандидатов с учетом специфики активных центров белков.