Работа посвящена разработке метода генеративного дизайна каталитических ядер ДНКзимов. Предлагаемый подход сочетает в себе моделирование новых последовательностей с их последующей многоступенчатой фильтрацией с использованием методов машинного обучения и физико-химических критериев. Для оценки функциональной активности кандидатов применяются классификационные и регрессионные модели, кластеризация эмбеддингов для предсказания кофакторов, а также пространственное моделирование трёхмерной структуры. Такой комплексный in silico-подход позволяет существенно снизить затраты на экспериментальный скрининг и повысить вероятность обнаружения функционально активных молекул. В результате исследования сформированы два набора данных, прошедших все этапы отбора и рекомендованных для лабораторной валидаци

Головкин И.А., Дружининский С.М., Литуновский Д.Ю. (науч. рук. Серов Н.С.) Открытие новых днкзимов с использованием генеративных методов и иерархического скрининга // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2026]. URL: https://kmu.itmo.ru/digests/article/16265