В исследовании, опубликованном в Nature Machine Intelligence, авторы Ли и Лай представляют инновационный подход к решению фундаментальной проблемы вычислительного дизайна лекарств: генерируемые алгоритмами молекулы часто оказываются химически несинтезируемыми. Для решения этой задачи они применили большие языковые модели (LLM), обученные предсказывать точные структурные правки, необходимые для превращения гипотетической молекулы в реально существующую. Методология основана на использовании LLM не для генерации с нуля, а для итеративного редактирования существующих структур, что позволяет сохранять ключевые фармакологические свойства исходного соединения. Результаты показывают, что предложенный подход превосходит традиционные методы оптимизации синтезируемости по эффективности и точности. Исследование демонстрирует высокую значимость ИИ-подходов для ускорения доклинических этапов разработки препаратов, сокращая время и затраты на синтез перспективных кандидатов. Данный метод открывает новые возможности для интеграции ИИ в рутинные рабочие процессы фармацевтических компаний.