Система Pinal получила текстовое описание задачи, сгенерировала 50 000 вариантов флуоресцентного белка и после вычислительной фильтрации оставила 29 кандидатов для эксперимента. Рабочим оказался один. Для ИИ-дизайна белков это не повод открывать шампанское, но важный сдвиг интерфейса: вместо задания координат аминокислот исследователь может сформулировать желаемую функцию обычным языком.
О работе китайской исследовательской коллаборации и близком по идее ДНК-инструменте Carbon X сообщает Ars Technica. Для российской IT-аудитории история интересна не только биологией: модели постепенно уходят от роли «второго пилота для кода» к системам, которые переводят человеческое намерение в проектные ограничения для физического мира. Правда, последний этап по-прежнему выполняют не нейросеть и не промпт, а лаборатория.
Обычный пайплайн проектирования белка требует очень предметного запроса. Исследователь задаёт ограничения: с какой молекулой должен связываться белок, какие аминокислоты нужны для реакции, где они должны располагаться в трёхмерной структуре. Затем одна модель строит белковый каркас, а другая подбирает последовательность аминокислот, которая должна сложиться в этот каркас. Проблема не в отсутствии алгоритмов, а в цене входного билета: чтобы сформулировать запрос, нужно разбираться в химии белка почти на уровне автора задачи.
Pinal пытается заменить этот интерфейс описанием функции. Внутри у него два основных модуля. T2struct переводит текстовый запрос в структурный план — последовательность токенов, описывающих пространственные отношения между аминокислотами и вероятности этих отношений. Затем SAProt-T, используя и исходный текст, и этот план, собирает аминокислотную последовательность. Авторы отдельно подчёркивают, что второй этап пересматривает варианты глобально: менее вероятная геометрия иногда позволяет получить более подходящую функциональную последовательность.
Модель обучали на белковых последовательностях из трёх баз данных, сопоставленных со структурными предсказаниями AlphaFold. Только в одном из наборов было около 800 млн пар «ключевые слова — белок». Для текстовой части разработчики просили языковую модель превращать функциональные теги в описание на естественном языке. Логика понятна: если биолог просит сериновую протеазу, специалист уже видит за этим набор свойств и ограничений; Pinal должен научиться извлекать из такого термина хотя бы часть нужного контекста.
Промпт не отменяет валидацию
Тесты устроены довольно честно и одновременно отрезвляюще. Помимо флуоресцентного белка, Pinal проектировал два фермента и компонент крупного белкового комплекса. Во всех случаях схема была одинаковой: сгенерировать огромный пул, отсеять неподходящие варианты вычислительно, синтезировать несколько десятков наиболее перспективных и проверить их. В опыте с аналогом зелёного флуоресцентного белка команда намеренно исключала последовательности, похожие на известные белки, но оставляла кандидаты с нужной бочкообразной структурой и ключевой аминокислотой для флуоресценции. Один успешный результат из 29 проверенных — слабая конверсия для продукта «нажми кнопку», но это всё же новый белок с требуемым свойством, а не найденная копия известной последовательности.
Низкий выход здесь не сводится к провалу модели. Фильтры заранее выбрасывали варианты, похожие на уже известные флуоресцентные белки, и не проверяли альтернативные структуры, которые теоретически тоже могли бы светиться. Но практическая мораль остаётся жёсткой: ИИ-дизайн белков сокращает пространство поиска, а не заменяет его проверкой. На каждую удачную молекулу всё ещё приходятся десятки неработающих конструкций, расходы на синтез и доступ к оборудованной лаборатории.
Параллельно Hugging Face, Zhongguancun Academy и Университет Неаполя имени Федерико II представили Carbon X — открытую модель для работы с ДНК-последовательностями и текстом. Её основой стала Qwen3-14B, которую дополнительно обучали на ДНК, а затем донастраивали с подкреплением и на размеченных данных. Разработчикам пришлось искать баланс: слишком осторожное дообучение сохраняло работу с английским, но почти не давало понимания ДНК; слишком агрессивное — обучало ДНК ценой утраты языковых навыков. В результате модель может продолжать геномную последовательность или, например, объяснять последствия замены одной буквы ДНК на другую.
При этом у Carbon X пока нет отдельной научной публикации с независимой оценкой. Команда предупреждает о проблемах с точным указанием позиций в длинных последовательностях и о галлюцинациях при расплывчатых запросах. Возможность запускать модель локально выглядит полезной для лабораторий с чувствительными данными и ограниченным бюджетом, но локальный запуск не превращает ответ модели в биологический факт. Он лишь не отправляет вопрос внешнему провайдеру.
Для разработчиков биоинформатических продуктов это хороший сигнал: следующая конкуренция развернётся не только вокруг качества базовой модели, но и вокруг интерфейса, фильтров, воспроизводимого пайплайна и связи с экспериментом. Естественный язык способен сделать сложные инструменты доступнее биологам, однако в биологии особенно опасно спутать удобный ответ с валидированным результатом. Главный вопрос теперь не «сможет ли модель придумать последовательность», а «насколько быстро и дёшево команда сумеет доказать, что она действительно работает». Подробнее об исследованиях и Carbon X пишет .
