Команда профессора Лай Лухуа разработала метод SynCraft: точное редактирование синтезируемых молекул на основе больших языковых моделей

Исследователи из Пекинского университета разработали метод SynCraft — подход к редактированию молекул с применением больших языковых моделей, который помогает находить синтезируемые аналоги сложных соединений.

Метод SynCraft призван решить проблему, характерную для ИИ-разработки лекарств: генеративные модели могут предлагать молекулы с нужными свойствами, но многие из них невозможно синтезировать в лаборатории. Новый подход позволяет модифицировать такие соединения — менять отдельные атомы или связи, чтобы найти вариант, пригодный для синтеза, и при этом максимально сохранить исходную структуру.

В основе SynCraft — обучение модели на примерах преобразований похожих молекул: ИИ анализирует, почему соединение сложно синтезировать, и выдаёт чёткие инструкции по редактированию (например, «удалить атом» или «добавить связь между атомами»). Затем химическое ПО выполняет изменения, а специальное программное обеспечение ищет пути синтеза нового варианта. Метод не требует переобучения большой языковой модели и показал более высокую эффективность по сравнению с существующими подходами: успешность поиска аналогов составила 28,4 % и 29,1 % против 15,4 % и 22 % у лучших аналогов.

Важное преимущество SynCraft — способность сохранять способность молекулы взаимодействовать с целевым белком. В одном из тестов метод модифицировал кандидат в ингибиторы RIPK1: сложная кольцевая структура была заменена на более простую, но ключевые фрагменты молекулы сохранились. Расчёты подтвердили, что модифицированное соединение сохраняет часть исходных взаимодействий. В целом для 81 % протестированных кандидатов удалось найти варианты с сохранением более половины прогнозируемых взаимодействий. Код и данные исследования опубликованы в открытом доступе.

Источник: Пекинский университет