В статье представлен новый метод GNMCADS для генерации разнообразных конформаций белков с использованием диффузионных моделей, в частности, интегрированных в AlphaFold3. Белки являются динамическими молекулами, существующими в различных конформационных состояниях, которые определяют их биологические функции. Существующие подходы, такие как имитация молекулярной динамики, возмущение эволюционной информации или управление внутренними механизмами моделей предсказания структуры, не всегда способны предсказать конформации, возникающие при крупных доменных движениях или движениях, происходящих в течение длительных временных масштабов. GNMCADS решает эту проблему, избирательно ослабляя (аннелируя) conditioning-сигнал, управляемый внутренней динамической организацией белка, что повышает разнообразие генерируемых конформаций. Метод был протестирован на 92 белках, включая 54 рецептора класса A GPCR, 15 транспортеров и 23 белка с крупными доменными движениями. Результаты показали, что GNMCADS обеспечивает лучшее разнообразие сэмплирования по сравнению с другими современными методами конформационного сэмплирования. Этот подход имеет значительный потенциал для применения в структурной биологии и разработке лекарств, поскольку позволяет более точно моделировать динамические состояния белков, что важно для понимания их функций и взаимодействий с лигандами.