В статье представлен ChemProFlow — инновационный вычислительный фреймворк, который меняет подход к анализу мембранного транспорта, переходя от белково-центричной модели к субстрат-центричной. Авторы интегрировали методы геометрического глубокого обучения (geometric deep learning) с геномным картированием на основе ортологии для предсказания транспортной способности молекул. Система ChemProFlow способна не только определять, будет ли молекула транспортироваться, но и классифицировать механизмы транспорта согласно базе данных Transporter Classification Database, а также идентифицировать конкретные микроорганизмы, кодирующие соответствующие системы. Данный подход позволяет масштабируемо выстраивать связи между субстратом, транспортером и организмом, что критически важно для фармакологии при прогнозировании транспорта лекарств и для биотехнологии при проектировании новых штаммов. Исследование демонстрирует высокую обобщающую способность метода на ранее неизвестных субстратах, обеспечивая высокопроизводительный анализ молекулярного транспорта в различных биологических контекстах.