中国研究人员推出可根据文本描述设计蛋白质的 AI——Ars Technica
中国研究人员推出了 Pinal 系统，该系统可用普通语言描述所需的蛋白质功能，并获得候选蛋白质序列以供进一步在实验室中验证。据Ars Technica 报道，这一工具旨在简化蛋白质设计；此前，这项工作需要对蛋白质的空间结构、氨基酸的位置以及酶的作用机制有详细了解。
从文本到序列
常规的蛋白质设计系统分两个阶段工作：首先创建具有指定参数的三维骨架，然后选择能够折叠成该结构的氨基酸序列。Pinal 同样使用两个阶段，但从关于所需功能的自然语言请求开始。
T2struct 模块将文本描述转换为结构方案，其中包含氨基酸之间空间关系的数据及不同方案的概率。随后，SAProt-T 系统同时利用请求文本和该方案来形成氨基酸序列。开发人员表示，对方案进行全局重新评估应能降低舍弃某种结构的风险：这类结构起初看似可能性较低，但或许能提供更好的蛋白质功能。
为训练该模型，团队使用了来自三个数据库的蛋白质序列，并将其与 AlphaFold 预测的结构数据相结合。其中一个数据库包含 8 亿个“关键词—蛋白质”配对。蛋白质的功能标签也借助大型语言模型转换为文本描述。
更多最新消息请关注 UA.News Telegram 频道 Telegram.
在实验室验证候选项
在测试期间，Pinal 的任务是创建四种不同类型的蛋白质：一种荧光蛋白、两种酶，以及一种用于大型多蛋白复合体的蛋白质。为创建绿色荧光蛋白 GFP 的类似物，该系统生成了 5 万个变体。经过按结构特征以及与已知荧光蛋白的不相似性进行的计算机筛选后，选出了 29 个在大肠杆菌 Escherichia coli 中获得的候选项。其中一个表现出荧光。
该方法的作者仅从大量生成的序列中挑选几十个候选项用于实验。这类工具要投入实际应用，可能仍需要专门的筛选工具、配备完善的生物实验室，以及能够验证所设计蛋白质是否确实有效的专家。
用于 DNA 的独立工具
此外，Hugging Face 与 Zhongguancun Academy 和那不勒斯费德里科二世大学共同推出了 Carbon X——一款用于处理 DNA 序列和自然语言的开放权重模型。它基于 Qwen3-14B，可在本地运行，包括在相对经济的硬件上。开发人员警告称，Carbon X 在长序列中确定具体位置方面表现较差，并且在请求不够精确时可能生成错误回答。
