ИСТИНА

Моделирование полифармакологии становится неотъемлемой частью современного лекарственного дизайна: оно позволяет не только предсказывать возможные побочные эффекты, но и находить новые терапевтические применения для изучаемых молекул. Особенно актуально это для киназных ингибиторов, учитывая структурное сходство сайтов связывания более чем 500 киназ человеческого протеома. В рамках доклада мы представляем Golden Cubes — интерпретируемую лиганд-ориентированную систему скрининга, основанную на ансамбле самоорганизующихся карт Кохонена, которая предсказывает активность малых молекул по отношению к множеству киназ. Модель была обучена на профилях 84 разнообразных киназ и продемонстрировала удовлетворительные метрики точности (balanced accuracy 0.72) при ретроспективной валидации на внешних датасетах. Кроме того, была проведена проспективная in vitro валидация с использованием пяти клинических и доклинических кандидатов - киназных иннибиторов с ранее неопубликованными профилями, показавшая высокое качество предсказаний (средний ROC-AUC 0.75). Полученные результаты подтверждают, что Golden Cubes может быть использован для таргетного профилирования, виртуального скрининга и оценки полифармакологии киназных ингибиторов. Разработанный фреймворк внедрен в платформу Chemistry42 и в перспективе может быть масштабирован на другие классы белковых мишеней.