🔬 Авторы исследования в Nature представили Pinal — модель ИИ, которая проектирует белки по текстовому описанию нужной функции. В четырёх экспериментальных задачах созданные белки выполнили заданную работу, а один повысил концентрацию продукта в системе фиксации CO₂ в 1,7 раза. Результаты поддерживают подход, при котором задачу для белка можно формулировать словами.
Pinal содержит 16 млрд параметров. Авторы обучили модель на 1,7 млрд пар «белок — текст» с синтетически созданными описаниями. Один компонент переводит описание функции в представление структуры белка, другой использует его вместе с текстом, чтобы спроектировать аминокислотную последовательность.
Команда проверила подход на флуоресцентном белке, гидролазе полиэтилентерефталата, алкогольдегидрогеназе и метаболическом H-белке. Во всех четырёх задачах исследователи наблюдали нужную функцию. При этом лабораторным испытаниям предшествовал отбор кандидатов: например, из восьми выбранных алкогольдегидрогеназ активность подтвердили у пяти, а из 20 выбранных H-белков — тоже у пяти.
Один из H-белков испытали в многоферментной системе фиксации CO₂. С ним концентрация продукта оказалась в 1,7 раза выше, чем с природным H-белком кишечной палочки Escherichia coli. Этого результата достигли без повторных циклов экспериментального улучшения белка.
✅ Текстовое описание может уменьшить потребность вручную задавать структурные требования и ограничения на последовательность при проектировании белков. Однако экспериментальные результаты относятся к отобранным кандидатам в четырёх задачах; полный обучающий набор и весь процесс обучения авторы не опубликовали.
