Пептиды, представляющие собой короткие аминокислотные последовательности, обладают высокой биологической активностью и селективностью, что делает их востребованными в медицине и биотехнологии. Однако разработка новых пептидов химическими методами сопряжена со значительными затратами времени и ресурсов, что стимулирует использование методов машинного и глубокого обучения. Несмотря на успехи, такие как AlphaFold, существующие подходы демонстрируют низкую предсказательную способность в прикладных задачах из-за узкой специализации моделей и недостаточной эффективности используемых дескрипторов и эмбеддингов. Целью работы является создание новых интерпретируемых эмбеддингов пептидов, которые улучшат обучение моделей машинного и глубокого обучения для решения широкого спектра задач.

Нам Е.В., Дин Е. (науч. рук. Серов Н.С.) Новые интерпретируемые эмбеддинги пептидов на основе свойств аминокислот для улучшенного предсказания активности // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/14077