В статье представлен IASO — инновационный генеративный фреймворк, ориентированный на анализ последовательностей, предназначенный для проектирования биотерапевтических модальностей de novo. В отличие от традиционных методов, зависящих от структурных данных высокого разрешения, IASO требует только последовательность антигена в качестве входных данных. Методология объединяет эволюционно-информированный генеративный движок и модуль высокоточного взаимодействия, позволяющий моделировать синергетические физико-химические мотивы. Исследование продемонстрировало способность системы идентифицировать новые связывающие агенты против различных клинических мишеней, включая преодоление лекарственной устойчивости в EGFR и дифференциацию вариантов SARS-CoV-2 на уровне отдельных аминокислотных остатков. Кроме того, авторы успешно спроектировали in silico биспецифический T-клеточный энгажер, профиль разрабатываемости которого (растворимость и низкая иммуногенность) сопоставим с клинически одобренными препаратами. Данная технология переводит процесс поиска антител из области случайных открытий в плоскость предсказуемого высокоточного инжиниринга.