| Active learning | Активное обучение | Итеративный выбор следующих экспериментов моделью. |
| Backbone | Остов | Геометрия основной цепи (N, Cα, C, часто O). Sequence design и diffusion часто работают на этом уровне. |
| Benchmark | Бенчмарк | Фиксированная оценка на retrospective данных. Не заменяет prospective wet-lab. |
| CDR | Гипервариабельные петли | Complementarity-determining regions — петли variable domain, обычно ответственные за antigen contacts. |
| Conditioning | Обусловливание | Способ подать в генератор ограничение: antigen, epitope, backbone, mask, tags. |
| Developability | Развиваемость/технологичность | Совокупность свойств, важных для разработки (solubility, aggregation, viscosity, nonspecific binding). Score ≠ клинический успех. |
| Diffusion model | Диффузионная модель | Генерация через постепенное зашумливание данных и обучение denoiser восстанавливать чистое состояние. |
| Epitope / hotspot | Эпитоп / hotspot | Участок target, к которому должен bind designed paratope. Ошибки hotspot specification ломают target-conditioned design. |
| SE(3) equivariance | SE(3)-эквивариантность | Свойство сети: поворот/сдвиг входа поворачивает/сдвигает выход. Нужно для 3D generators. |
| Evidence class | Класс доказательности | 1 in silico; 2 retrospective; 3 prospective binding; 4 prospective function; 5 developability/manufacturability. |
| Few-shot | Малопримерный режим | Оптимизация по малому числу experimental labels, обычно десятки на раунд. |
| Fine-tuning | Дообучение | Продолжение обучения pretrained модели на узком корпусе (например, antibody structures). |
| Flow matching | Flow matching | Обучение векторного поля, которое непрерывно транспортирует prior в data distribution; sampling через ODE. |
| Framework | Каркас | Не-CDR части variable domain. Часто фиксируются при de novo CDR design и humanization. |
| Humanization | Гуманизация | Перенос non-human CDRs на human-like framework. Humanness ≠ immunogenicity. |
| Inference | Инференс | Применение уже обученной модели для sampling или scoring. Не путать с training. |
| Infilling | Заполнение пропуска | Генерация masked span при известном левом и правом контексте. |
| Inverse folding | Обратное сворачивание | Генерация sequence, совместимой с заданным backbone. Не создаёт новую topology. |
| Likelihood / log-probability | Правдоподобие | Оценка модели, насколько sequence вероятна при условии. Не Kd и не function. |
| Multi-objective / Pareto | Многокритериальность | Одновременная оптимизация нескольких свойств; компромиссы видны как Pareto-фронт. |
| pLDDT / ipTM / PAE | Метрики structure predictor | Confidence scores AlphaFold-семейства. Не являются experimental affinity. |
| Protein language model (PLM) | Белковая языковая модель | Модель, обученная на amino-acid sequences; даёт embeddings и/или generative distribution. |
| Sampling | Сэмплирование | Процедура получения кандидатов: AR decoding, masked unmasking, diffusion steps, flow ODE, mutation enumeration. |