Pinal 用自然语言可编程设计功能蛋白质
Programmable design of functional proteins from natural language
研究团队提出 160 亿参数的蛋白质设计基础模型 Pinal,可根据自然语言描述生成候选蛋白质。Pinal 在 17 亿合成标注的蛋白质-文本对上训练,将功能意图与蛋白质序列和结构关联。
Pinal 以自然语言直接生成蛋白质候选并在四类任务中观察到目标功能,呈现了蛋白质设计接口的变化。
已发表论文 · journal · 10.1038/s41586-026-11205-z
本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。
IF(5) 56.7 · 2025 · 期刊参考指标
编程生物功能——设计能够执行特定分子任务的定制蛋白质——是分子工程的一个基础性目标。然而,当前的设计模型仍存在根本性局限¹⁻³:它们通常要么需要以天然蛋白质作为优化的起点,要么需要将功能目标人工重新表述为几何与序列层面的约束来引导候选生成。在此我们提出 Pinal,一个拥有 160 亿参数的基座模型,能够根据对所需功能的自然语言描述来设计候选蛋白质。Pinal 在 17 亿对经合成标注的蛋白质-文本数据上训练,将功能意图与蛋白质序列和结构联系起来。在计算评估中,生成的候选兼具高预测可折叠性、与功能描述的一致性以及序列多样性,为优先筛选可实验验证的设计提供了基础。我们将 Pinal 应用于四项不同的设计任务——一种荧光蛋白、一种聚对苯二甲酸乙二醇酯水解酶、一种醇脱氢酶和一种代谢 H 蛋白——并在每种情况下都通过实验观察到了预期功能,包括两种设计酶的催化活性。在无需迭代实验优化的情况下,一个由 Pinal 设计的 H 蛋白在多酶 CO₂ 固定途径中使产物滴度较相应的天然大肠杆菌 H 蛋白提高了 1.7 倍。这些发现支持将自然语言作为蛋白质设计中候选生成的高层接口,从而实现可编程的探索,并减少对人工指定的结构或序列约束的依赖。
来源:Nature · doi.org