확산 모델은 생성 모델링 분야에서 선도적인 프레임워크로 부상했으며, 약물 발견의 전통적으로 느리고 비용이 많이 드는 프로세스를 혁신할 준비가 되어 있습니다. 이 논문은 두 가지 주요 치료 방식인 저분자 및 치료용 펩타이드 설계에 대한 확산 모델의 적용을 체계적으로 비교합니다. 반복적 디노이징의 통합 프레임워크가 각 방식의 고유한 분자 표현, 화학 공간 및 설계 목표에 어떻게 적용되는지 분석합니다. 저분자의 경우, 이러한 모델은 구조 기반 설계에 뛰어나며, 원하는 물리화학적 특성을 가진 새롭고 포켓에 맞는 리간드를 생성하지만, 화학적 합성 가능성을 보장하는 데 중요한 어려움에 직면합니다. 반대로, 치료용 펩타이드의 경우, 기능적 서열 생성 및 de novo 구조 설계에 초점을 맞추며, 주요 과제는 단백질 분해에 대한 생물학적 안정성 확보, 적절한 폴딩 보장 및 면역원성 최소화입니다. 이러한 뚜렷한 과제에도 불구하고, 두 분야 모두 공통적인 어려움에 직면합니다: 고품질 실험 데이터 부족, 검증을 위한 부정확한 스코어링 함수 의존성, 그리고 실험적 검증의 중요한 필요성. 결론적으로 확산 모델의 잠재력은 이러한 방식별 격차를 해소하고 자동화된, 폐쇄 루프 설계-제작-테스트-학습(DBTL) 플랫폼에 통합함으로써, 단순한 화학적 탐구를 넘어 새로운 치료법의 온디맨드 엔지니어링으로 패러다임을 전환함으로써 실현될 것입니다.