Нейросеть ЛЭТИ находит реагенты для новых лекарств
Модель глубокого обучения RetroSynthNet, разработанная в СПбГЭТУ ЛЭТИ, позволяет прогнозировать реагенты для производства новых молекул, сохраняя высокую достоверность результатов реального синтеза.
Об этом пишет «КоммерсантЪ» со ссылкой на результаты исследования, опубликованные в материалах международной конференции (IEEE) 2025 года XXVIII International Conference on Soft Computing and Measurements (SCM).
Создание нового лекарственного препарата — трудоемкий процесс, требующий перебора тысячи различных комбинаций в составе макромолекулы и визуальной оценки эффекта воздействия препарата на клетку. Автоматизация и удешевление процесса отбора перспективных (удачно прошедших испытание) макромолекул — крайне актуальные задачи.
Аспирант кафедры вычислительной техники Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» имени В. И. Ульянова (Ленина) Джозеф Инносент рассказал:
Мы разработали инновационную модель глубокого обучения RetroSynthNet, которая значительно ускоряет и облегчает процесс проектирования синтеза новых фармацевтических препаратов. Используя подход «последовательность—последовательность» и анализ химических структур в формате SMILES, RetroSynthNet автономно прогнозирует возможные реагенты для производства целевых молекул, сохраняя при этом высокую химическую достоверность — почти 70%. Этот и другие показатели точности демонстрируют способность модели генерировать качественные и вычислительно эффективные решения.
RetroSynthNet может помочь химикам и исследователям эффективно генерировать потенциальные пути для синтеза молекул лекарственных препаратов, минимизируя ручной анализ и ускоряя начальные этапы разработки лекарств при сравнительно низких вычислительных ресурсах. В перспективе наша нейросеть поможет ускорить темпы фармацевтических исследований, снизить затраты на разработку и облегчить поиск новых терапевтических соединений.
