В статье представлен PharmCast — нейросетевая модель прямого распространения, которая предсказывает трехмерные фармакофорные отпечатки (fingerprints) непосредственно из SMILES-строк, полностью устраняя этап генерации конформеров. Традиционный конвейер PharmPrint требует 2.86 секунды на соединение, из которых 2.82 секунды уходят на генерацию 100 конформеров, а вычисление битов занимает лишь 0.039 секунды. PharmCast предсказывает все 10,549 бит ансамблевого фармакофорного отпечатка за 0.584 миллисекунды на два соединения, что в ~10,000 раз быстрее традиционного подхода. Модель версии 10 обучена на 5,887,229 молекулах, включая скрининговую коллекцию, активные соединения ChEMBL (142–1000 Да) и пептидные петли из кристаллических структур. На валидационных наборах (155,648 каталоговых соединений, 139,700 соединений ChEMBL и 13,500 пептидных петель) модель достигла медианной ошибки отпечатков 0.008–0.027, коэффициента корреляции Пирсона 0.936–0.984 и точности ранжирования 0.889–0.952. Для сравнения, эталонный расчет воспроизводит сам себя с ошибкой 0.006 и r=0.995. PharmCast позволяет проводить виртуальный скрининг и поиск скаффолдов (scaffold hopping) с высокой скоростью, что делает фармакофорные отпечатки практичным инструментом для больших библиотек соединений. Работа имеет прямое применение в компьютерном открытии лекарств и виртуальном скрининге.