Инженер, достраивающий мост, не может укрепить одну балку так, чтобы не изменилась нагрузка на соседние. Примерно так же устроена разработка лекарств: молекула должна плотно сесть в «карман» белка-мишени, как ключ в замок, и при этом быть безопасной, стабильной, удобной для приёма. Беда в том, что эти два требования — сила связывания и лекарственная пригодность — часто тянут в разные стороны. Сделал молекулу более «липкой» — она стала токсичной или перестала растворяться.

Современные алгоритмы на основе больших языковых моделей умеют перебирать варианты молекул, но действуют почти вслепую: меняют один фрагмент за другим и проверяют, что вышло. Авторы новой работы замерили, как часто такой одиночный шаг улучшает оба свойства разом. Оказалось — редко. Гораздо чаще улучшение одного показателя сопровождается потерей другого. Это похоже на ремонт вслепую: крутишь винтик наугад, не зная, что внутри.

Решение, которое предлагают исследователи, повторяет эту логику. Их система PROBE (от английского «зондировать») начинает не с оптимизации, а с разведки. Она раскладывает молекулу на редактируемые участки и строит карту кармана: где совместное улучшение возможно, где цели конфликтуют, а где сидят заведомо неудачные фрагменты. Затем делаются контрольные «уколы» — пробные замены, — и по ответу системы составляется что-то вроде инструкции для сборщика. Дальше в работу вступают три агента: один отвечает за силу связывания, второй — за лекарственные свойства, третий следит, чтобы их правки не мешали друг другу. Они действуют по очереди, сверяясь с картой и инструкцией.

На стандартном наборе белков-мишеней CrossDocked2020 этот подход дал лучшие результаты среди аналогов и, что важнее, заметно снизил число шагов, когда улучшение в одном тянуло за собой провал в другом. Мост больше не шатается при каждом изменении.