Представление биологических последовательностей - белков, ферментов и нуклеиновых кислот - в виде формализованных «языков» открыло новые возможности для их анализа, моделирования и генерации. На основе анализа публикаций российских и зарубежных авторов выявлены следующие перспективные направления использования больших языковых моделей в биотехнологии: дизайн белков, ферментная инженерия, геномное редактирование. Статья посвящена анализу современных подходов к использованию больших языковых моделей и глубокого обучения (Deep Learning, DL) в инженерии белков и ферментов, а также в задачах геномного редактирования, включая оценку непреднамеренных модификаций CRISPR Cas-9 систем. Особое внимание уделяется биотехнологическому потенциалу данных методов, их ограничениям, проблемам интерпретируемости и биобезопасности. На основе анализа актуальных исследований обсуждаются перспективы интеграции языковых моделей в молекулярные и промышленные биотехнологические процессы.
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, БИОТЕХНОЛОГИЯ, БОЛЬШИЕ ЯЗЫКОВЫЕ МОДЕЛИ, ГЛУБОКОЕ ОБУЧЕНИЕ, МАШИННОЕ ОБУЧЕНИЕ, АМИНОКИСЛОТНАЯ ПОСЛЕДОВАТЕЛЬНОСТЬ, БЕЛКОВАЯ ИНЖЕНЕРИЯ, ФЕРМЕНТНАЯ ИНЖЕНЕРИЯ, ГЕНОМНОЕ РЕДАКТИРОВАНИЕ, TARGET-OFF ЭФФЕКТ, CRISPR CAS-9, БЕЛКОВАЯ ЯЗЫКОВАЯ МОДЕЛЬ PROGEN, ИНТЕРПРЕТИРУЕМОСТЬ МОДЕЛЕЙ
1. Э.Г. Милкова, Colloquium-Journal. № 8-5 (60), 4-5, (2020).
2. И.А. Филиппов, Актуальные исследования. № 32-1 (267), 6-8, (2025). EDN: https://elibrary.ru/QCJZGI
3. Liu Y.-T., Zhang L.-L., Jiang Z.-Y., Tian X.-S., Li P.-L., Wu P.-H., et al. Applications of Artificial Intelligence in Biotech Drug Discovery and Product Development, MedComm, 6, 8, e70317 (2025). DOI:https://doi.org/10.1002/mco2.70317. EDN: https://elibrary.ru/EOKCKQ
4. Wheeler N. E. Responsible AI in biotechnology: balancing discovery, innovation and biosecurity risks, Frontiers in Bioengineering and Biotechnology, 13, 1537471 (2025). DOIhttps://doi.org/10.3389/fbioe.2025.1537471. EDN: https://elibrary.ru/XRHRLB
5. Madani A., McCann B., Naik N., Keskar N. S., Anand N., Eguchi R. R., Huang P.-S., Socher R. ProGen: Language Modeling for Protein Generation, BioRxiv, 2020.03.07.982272 (2020). DOIhttps://doi.org/10.1101/2020.03.07.982272.
6. Madani A., Krause B., Greene E. R., et al. Large language models generate functional protein sequences across diverse families, Nature Biotechnology, 41, 8, 1099–1106 (2023). DOIhttps://doi.org/10.1038/s41587-022-01618-2. EDN: https://elibrary.ru/MSXFQW
7. Baek M., Baker D. Deep learning and protein structure modeling, Nature Methods, 19, 1, 13–14 (2022). DOI:https://doi.org/10.1038/s41592-021-01360-8. EDN: https://elibrary.ru/HCWING
8. Jiang Y., Ran X., Yang Z. J. Data-driven enzyme engineering to identify function-enhancing enzymes, Protein Engineering, Design and Selection, 36, gzac009 (2023). DOIhttps://doi.org/10.1093/protein/gzac009. EDN: https://elibrary.ru/TNEAEC
9. Boulahrouf K., Aliouane S., Chehili H., Skander Daas M., Belbekri A., Hamidechi M. EZYDeep: A Deep Learning Tool for Enzyme Function Prediction based on Sequence Information, The Open Bioinformatics Journal, 16, e187503622306270 (2023). DOI:https://doi.org/10.2174/18750362-v16-230705-2023-7. EDN: https://elibrary.ru/PEHQIA
10. Toufikuzzaman M., Hassan Samee M. A., Rahman M. S., et al. CRISPR-DIPOFF: an interpretable deep learning approach for CRISPR Cas-9 off-target prediction, Briefings in Bioinformatics, 25, 2, bbad530 (2024). DOI:https://doi.org/10.1093/bib/bbad530. EDN: https://elibrary.ru/GBSHUG
11. Р.Ф. Хайруллин, Р.Г. Киямова, А.А. Ризванов. Экспрессия рекомбинантных белков в E.coli: учеб. пособие. Казань: Изд-во Казан. ун-та, 2018. 142 с.
12. В.К. Османов. Инженерная энзимология: учебно-методическое пособие. Н. Новгород: Изд-во Нижегородской гос. медицинской академии, 2014. 68 с.
13. А. Н. Синяковa, Е. В. Костина, Молекулярная биология. 57, 3, 440-457 (2023). DOI: https://doi.org/10.31857/S0026898423030126; EDN: https://elibrary.ru/CHPOFS
14. А.С. Черкашина, О.О. Михеева, В.Г. Акимкин, Вестник Московского университета. Серия 2: Химия. 65, 2, 113-120 (2024).
15. Т.Е. Тюгашев, О.С. Федорова, Н.А. Кузнецов, Молекулярная биология, 57, 2, 209-219 (2023). DOI: https://doi.org/10.31857/S0026898423020234; EDN: https://elibrary.ru/EFXRBQ
16. В.И. Тишков, А.А. Алексеева, И.В. Голубев, В.В. Федорчук, И.С. Каргов, С.А. Зарубина, И.А. Долина, Д.Л. Атрошенко, Г.С. Захарова, А.А. Полозников, Т.С. Виролайнен, Р.П. Ковалевский, А.В. Степашкина, Т.А. Чубарь, И.В. Упоров, А.В. Скляренко, С.В. Яроцкий, С.С. Савин, В сборнике: Биотехнология: состояние и перспективы развития. материалы VIII Московского Международного Конгресса. ЗАО «Экспо-биохим-технологии», РХТУ им. Д.И. Менделеева. 2015. С. 452-453.
17. В.И. Тишков, А.А. Пометун, А.В. Степашкина, В.В. Федорчук, С.А. Зарубина, И.С. Каргов, Д.Л. Атрошенко, П.Д. Паршин, М.Д. Шеломов, Р.П. Ковалевский, К.М. Бойко, М.А. Эльдаров, Э. Д'Оронцо, Ф. Секундо, С.С. Савин, Вестник Московского университета. Серия 2: Химия. 59, 2, 70-77 (2018).
18. С.К. Долгих, Л.Ю. Кошкина, Вестник Технологического университета, 28, 10, 86-90, (2025). DOI: https://doi.org/10.55421/3034-4689_2025_28_10_86; EDN: https://elibrary.ru/NRPIBI
19. Е.П. Попечителев, Основы биотехтоники. Технические системы – инструмент практической деятельности человека. Старый Оскол : ТНТ, 2026. 376 с.
