في عالم اكتشاف الأدوية، تُعتبر الببتيدات الدائرية (Cyclic Peptides) من المركبات العلاجية الواعدة، وذلك بفضل ما تتمتع به من استقرار عالٍ وقدرة ربط أكثر فعالية. ومع ذلك، لا تزال عملية تصميم هذه الببتيدات بشكل آلي تواجه العديد من الصعوبات. تكمن المشكلة في أنه يتعين على الطرق المتبعة تحديد أنماط متطورة للتدوير (Cyclization Patterns) ومواقع الربط (Linkage Sites) بينما تظل تحت السيطرة على الخصائص المهمة للعقاقير.

في هذا السياق، شهدنا ظهور APCyc، وهو إطار عمل حديث تم تصميمه لتوليد الببتيدات الدائرية بطريقة مدركة للأهداف (Target-aware) ويفضل تحسين خصائص فيزيائية وكيميائية متعددة في آن واحد. من خلال توسيع مفردات الأحماض الأمينية والتركيز على معلومات مواقع التدوير وأنواع الربط، يستطيع APCyc تعلم تمثيلات مدركة للتدوير ويستخدم إرشادات بايزيان (Bayesian Posterior Guidance) لتوجيه عمليات العيّنات نحو ببتيدات دائرية تلبي معايير متعددة.

تظهر النتائج التجريبية أن النموذج قادر على التعرف على تفضيلات التدوير المرتبطة بالأهداف، مما يتيح تحسينًا فعالًا وقابلًا للتحكم في تصميم الببتيدات الدائرية. ولمن يرغب في الخوض في تفاصيل هذا البحث المثير، الكود المصدري متاح عبر GitHub.