自然语言提示进入蛋白质与基因组设计工具

自然语言提示进入蛋白质与基因组设计工具

据 Ars Technica 报道，一个由中国大陆研究人员组成的大型合作团队开发了蛋白质设计工具 Pinal，用户可用自然语言描述所需功能，由系统生成对应的蛋白质序列。该工具采用两步流程：名为 T2struct 的文本到结构模块先把提示转换为结构蓝图，再由 SAProt-T 结合原始文本与蓝图输出氨基酸序列。另据同一报道，Hugging Face、中关村学院与那不勒斯费德里科二世大学合作发布了面向 DNA 序列的开放权重模型 Carbon X，可在本地硬件运行，并支持用自然语言与 DNA 序列混合提问。

报道指出，现有蛋白质设计工具通常要求使用者指定结合对象或关键氨基酸的空间位置，需要较专业的蛋白质化学知识。Pinal 的思路是利用数据库中带有功能标签的蛋白质序列，并借助大语言模型为标签生成自然语言描述用于训练。测试中，研究团队让 Pinal 设计荧光蛋白、两种酶以及参与大型多蛋白复合物的蛋白；以荧光蛋白为例，初筛后仅 29 个候选被实际表达，其中 1 个发出荧光。Carbon X 方面，团队称其内部评测表现可与大型专用商业模型竞争，但尚未发布描述该系统行为的论文。

报道同时列出多项限制：Pinal 的成功率有限，且训练依赖 AlphaFold 预测结构，对冷门蛋白可能不准；Carbon X 在长序列上定位具体位置的能力较弱，提示不够具体时易产生幻觉。此外，从工具获得序列后仍需专门软件筛选，并在设备齐全的实验室由专业人员验证，因此生物学家并未被排除在流程之外。相关功能、可用范围与使用条件请以各项目官网当前信息为准。