Представим условный запрос: «создай белок, который светится зелёным, как GFP». На выходе появляется не пробирка с готовым реагентом, а аминокислотная последовательность. Между этими двумя точками лежит длинная цепочка проверок. Исследование в Nature показывает, как эту цепочку устроила модель Pinal, созданная группой исследователей из Китая.

Pinal принимает описание желаемой функции на естественном языке и выдаёт кандидатов для дальнейшего изучения. Авторы проверили четыре задачи: флуоресцентный белок, гидролазу полиэтилентерефталата, алкогольдегидрогеназу и метаболический H-белок. В каждом классе они сообщили об экспериментально наблюдаемой ожидаемой функции. Но этот результат нельзя читать как обещание, что любой текстовый запрос с высокой вероятностью даст работающий белок.

Что именно делает Pinal

В статье Pinal описана как базовая модель с 16 млрд параметров, обученная на 1,7 млрд синтетически размеченных пар «белок и текст». Речь не о 1,7 млрд готовых рецептов. Исследователи использовали белковые последовательности, функциональные аннотации и предсказанные структуры. Языковая модель превращала функциональные метки в связные описания, а структурные данные получали, в частности, из базы AlphaFold. Так модель училась связывать описание функции, пространственную организацию и порядок аминокислот.

Генерация проходит в два этапа. Модуль T2struct переводит текст в структурный план. Это не готовая трёхмерная модель, а линейная последовательность структурных токенов, которые кодируют пространственные отношения между аминокислотами и их ближайшими соседями. Затем SaProt-T получает исходное описание и структурный план и строит аминокислотную последовательность. По объяснению разработчиков, глобальная переоценка вероятностей на втором этапе помогает не отбросить «немного менее вероятную структуру, которая может вместить гораздо более удачную функциональную последовательность».

Такой подход похож на проектирование здания по двум связанным чертежам. Один задаёт форму и взаимное расположение деталей, другой подбирает конкретные материалы. Но белок сложнее здания: небольшое изменение последовательности может повлиять на сворачивание, устойчивость или активность молекулы. Поэтому структурный план и правдоподобная последовательность ещё не равны работающей функции.

Почему кандидатов остаются десятки

Самая важная часть процесса начинается после генерации. Кандидатов ранжируют и отбрасывают с помощью вычислительных фильтров, а затем проверяют лишь небольшую часть библиотеки.

Для флуоресцентного белка в описании Extended Data Fig. 7 на странице Nature указано, что после многоступенчатой фильтрации для эксперимента выбрали 29 кандидатов. Журналистский разбор Ars Technica сообщает, что флуоресценцию показал один из них. В этой задаче исследователи специально отбрасывали последовательности, похожие на известные флуоресцентные белки, и оставляли варианты с бочкообразной структурой и аминокислотой, необходимой для образования флуоресцентного хромофора. Поэтому результат относится к жёстко отобранному подмножеству и не даёт общей вероятности успеха для всех сгенерированных белков.

Для PET-гидролазы изначально оставили последовательности, прошедшие фильтры по предсказанной структуре и соответствию текстовому описанию. Из них 2 416 вариантов удовлетворяли заданным порогам, а 94 лучших проверили в тесте эстеразной активности. После этого выделили один вариант, который продвинули к проверке гидролиза PET.

В задаче с алкогольдегидрогеназой из 2 500 сгенерированных последовательностей фильтры прошли 1 639. Затем для дальнейшей приоритизации случайно оставили 1 000, из которых выбрали восемь разнообразных кандидатов. Пять ферментов успешно подтвердили экспериментально.

Эти числа описывают не «способность ИИ проектировать белки вообще», а конкретные воронки отбора. Чем строже фильтры и чем меньше финальная группа, тем сильнее итог зависит от того, какие варианты исследователи решили проверять.

Что показал эксперимент

В аннотации Nature авторы сообщают о наблюдаемой ожидаемой функции во всех четырёх классах задач, включая каталитическую активность двух спроектированных ферментов. Для одного варианта H-белка они указали увеличение выхода продукта в 1,7 раза по сравнению с соответствующим природным H-белком Escherichia coli в многокомпонентном пути фиксации CO₂.

Фраза «без итеративной экспериментальной оптимизации» здесь требует аккуратного прочтения. Она означает, что этот вариант не улучшали последовательными циклами мутаций и лабораторного отбора. Она не означает, что исследователи сразу проверили единственную последовательность. В описании Extended Data Fig. 10 говорится о фильтрации примерно тысячи H-белков, выборе 20 высокорейтинговых кандидатов и подтверждении активности пяти вариантов.

Таким образом, практический результат работы выглядит не как «текст напрямую превращается в белок», а как связка из генерации, компьютерного сокращения библиотеки, получения нескольких кандидатов и измерения функции. В этом смысле Pinal снижает необходимость вручную задавать все структурные и последовательностные ограничения, но не устраняет биологическую проверку.

Что можно сделать с открытым кодом

Репозиторий Pinal на GitHub содержит инструкции и пример генерации десяти последовательностей по описанию «Actin». В README также рекомендованы инструменты для вычислительной оценки: ProTrek для проверки соответствия текста и последовательности, а pLDDT и PAE из AlphaFold или ESMFold для оценки предсказанной структурной надёжности.

Показанный пример кода генерирует последовательности, но сам этот фрагмент README не демонстрирует проверку их сворачиваемости или функции. Даже хорошие вычислительные оценки не заменяют получение белка и измерение активности. Чтобы не путать правдоподобную последовательность с подтверждённым результатом, полезно держать в голове тот же принцип, который мы разбирали в статье о том, почему научному ИИ мало находить закономерности и зачем ему проверять гипотезы.

Что остаётся неизвестным

Первичная статья прошла рецензирование и опубликована 21 октября 2026 года. Однако в доступном материале полный текст методов и дополнительные протоколы не приведены целиком. Поэтому по имеющимся данным нельзя надёжно восстановить все условия лабораторных измерений, контрольные сравнения и статистику по четырём задачам.

Есть и ограничение воспроизводимости данных. Авторы пишут, что полный обучающий корпус не будет опубликован. В переводе их формулировка звучит так: «Поскольку полностью эти материалы публично опубликованы не будут, авторы вместо этого открывают код вывода и оценки, инструкции по использованию модели, обученные веса и веб-сервер». Они связывают это с рисками двойного применения. В статье также сказано, что структурная часть корпуса получена из AlphaFold Protein Structure Database, где нет вирусных протеомов, и что Pinal не обучалась и не предназначалась для дизайна вирусных белков.

Открытые веса и код позволяют изучать интерфейс и вычислительную часть системы. Но независимая оценка обучающего корпуса ограничена, а успешные лабораторные примеры относятся к отобранным кандидатам. Поэтому работа убедительно показывает возможность использовать естественный язык как интерфейс генерации белковых кандидатов, но не доказывает, что модель стала универсальным конструктором ферментов.

Граница между текстовым запросом и биологической функцией проходит не в момент появления аминокислотной последовательности. Она проходит после фильтрации, синтеза и измерения активности. Компьютер предлагает кандидатов, а лаборатория проверяет, стал ли среди них белок.

Источники

Dai, F., You, S., Zhu, Y. et al. Programmable design of functional proteins from natural language. Nature, 2026. DOI: 10.1038/s41586-026-11205-z. Рецензируемая первичная работа; полный текст доступен по подписке, на странице Nature доступны аннотация, сведения о рецензировании, описания рисунков, исходные данные и дополнительные материалы.

Timmer, J. Vibe genes? Natural(ish) language comes to protein, genome design software. Ars Technica, 27 октября 2026 года. Полный текст журналистского разбора. Вторичный источник, использованный для пояснения устройства двухэтапной генерации и результата для GFP.

Westlake University RePL. Denovo-Pinal: Programmable Design of Functional Proteins from Natural Language. GitHub. Официальный репозиторий проекта.

Концептуальная схема работы Pinal: текстовое описание проходит через структурное планирование, генерацию последовательности и вычислительный отбор, после чего кандидата проверяют в лаборатории.

Фото: doctor-a / Pixabay