🔬 В ЛЭТИ разработали нейросеть RetroSynthNet для ускорения поиска новых лекарств
🔬 В ЛЭТИ разработали нейросеть RetroSynthNet для ускорения поиска новых лекарств Исследователи СПбГЭТУ «ЛЭТИ» создали модель глубокого обучения RetroSynthNet, которая прогнозирует реагенты для синтеза целевых молекул с химической достоверностью почти 70%. Разработка автоматизирует ранние этапы фармацевтических исследований, сокращая время и затраты на поиск перспективных лекарственных соединений. ❓ Почему это важно? Разработка новых препаратов — это перебор тысяч комбинаций веществ и дорогостоящие лабораторные испытания. Традиционные методы требуют окрашивания клеточных образцов специальными маркерами, после чего клетки выводятся из эксперимента, что увеличивает расход материалов. Нейросеть ЛЭТИ позволяет предварительно отбирать наиболее перспективные молекулы в цифровом формате, минимизируя ручной анализ и снижая количество неудачных тестов на биологических образцах. ❓ Как это работает? RetroSynthNet использует архитектуру «последовательность-последовательность» (Seq2Seq) и анализирует химические структуры в формате SMILES — текстовом представлении молекулярных формул. Модель обучена на датасете USPTO-50K, содержащем десятки тысяч реакций синтеза. При генерации ответа нейросеть избирательно «фокусируется» на ключевых фрагментах химических соединений (механизм внимания), прогнозируя наиболее вероятные реагенты для получения целевой молекулы. Точность оценивается метриками BLEU и RDKit. ✅ Результаты: • химическая достоверность прогнозов — почти 70%; • автономное генерирование путей синтеза без ручного анализа; • высокая вычислительная эффективность при сравнительно низких ресурсах; • обучение на открытом датасете USPTO-50K для воспроизводимости исследований; • применимость для модификации и комбинирования веществ с известными свойствами. «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», — разработчик Джозеф Инносент Результаты исследования опубликованы в материалах международной конференции IEEE 2025 XXVIII International Conference on Soft Computing and Measurements (SCM). Разработка реализуется в рамках научно-исследовательской политики программы развития университета «Приоритет-2030». #Сделано_в_ЛЭТИ