Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Белковые структуры научились генерировать по обычному текстовому описанию — от общей формы до контактов с молекулой-мишенью. В нерецензированном препринте, где числа получили сами авторы, Prompteina обошла текстовые и специализированные модели на большинстве проверок, а часть созданных белков связалась с выбранной мишенью в лаборатории. Для конвейера дизайна это означает, что исследователь или программный агент может передавать генератору требования без отдельного формата для каждого свойства.
Как текст превращают в условие для генератора
Обычные генераторы белковых структур принимают заранее заданные признаки. Класс укладки можно передать категорией, вторичную структуру — последовательностью меток для каждого аминокислотного остатка, а желаемые контакты — отдельной картой. Когда появляется новое свойство, команде приходится проектировать ещё один формат и переобучать модель работать с ним.
Prompteina вместо этого получает текст, желаемую длину белка и, при дизайне связующего белка, структуру мишени и необязательный список контактных участков. На выходе модель совместно создаёт аминокислотную последовательность и полноатомную структуру, а не генерирует последовательность для последующего сворачивания другой моделью.
Для обучения собрали Prompteina-Data: около 1,8 млн белковых цепей и 52,4 млн описаний. Исходные структуры взяли из Protein Data Bank, AlphaFold Database и набора синтетических димеров Teddymer. Аннотации о форме, укладке, каталитических участках, дисульфидных связях и межбелковых контактах Qwen3-235B-A22B превращала в описания разной длины и состава.
Текст поступает в генератор по двум каналам. Общее представление всего описания задаёт свойства целого белка, например форму или класс укладки. Представления отдельных слов через механизм перекрёстного внимания влияют на конкретные остатки.
Одного совместного обучения на текстах и структурах оказалось недостаточно для точного управления локальными признаками. Поэтому модель дополнительно учили сопоставлять фрагменты описания с остатками, которых они касаются: например, слова о дисульфидной связи — с участвующей в ней парой. При генерации отдельный модуль сопоставления уже не нужен.
Где свободный текст оказался полезнее специальных меток
Prompteina лидировала в 15 из 18 задач на управление структурой. Проверки охватывали класс и топологию укладки, общую форму, вторичную и третичную структуру, а также сочетания требований — например, одновременное указание класса укладки и числа дисульфидных связей.
Единый текстовый интерфейс не всегда оказался точнее специализированного. RFdiffusion лучше выдерживала заданное число цепей и листов вторичной структуры, поскольку получала точную разметку для каждого остатка. Prompteina выигрывает не максимальной точностью на любой отдельной задаче, а числом свойств, которые можно выразить через один вход.
Функциональные описания проверяли иначе: прямой структурной метрики для фразы вроде «зелёный флуоресцентный белок» нет. Сгенерированные последовательности и структуры сравнивали с текстом через ProTrek и снижали оценку для неуверенно предсказанных структур. По этим метрикам Prompteina также опередила модели, которые сначала создают последовательность, а затем сворачивают её.
В дизайне связующих белков один и тот же языковой агент готовил требования с учётом доступного каждой модели входного формата. Prompteina получила лучшую оценку качества интерфейса на большей части панели мишеней. Для GM2A, у которой ранее не было описанных связующих белков, лабораторная проверка нашла девять связующих вариантов среди 89 испытанных; у лучшего общая оценка силы связывания составила 107 нМ.
Масштаб проверки различается по частям работы: структурное управление сравнивали с несколькими текстовыми и специализированными моделями, дизайн связующих белков — на панели мишеней, а лабораторный эксперимент провели для одной мишени. Поэтому работа подтверждает пригодность текстового интерфейса, но не универсальную успешность созданных молекул.
Командам стоит менять интерфейс конвейера, а не этапы проверки
Prompteina позволяет использовать естественный язык как общий формат между поиском научной информации, постановкой требований и генерацией структуры. Языковой агент может изучить свойства мишени, предложить геометрию интерфейса и передать спецификацию напрямую генератору. Раньше эти решения приходилось сводить к фиксированному набору поддерживаемых меток.
Это особенно меняет планы команд, которые хотят часто добавлять новые цели дизайна. Вместо отдельного входного представления для формы, укладки, контактов и функциональных участков можно строить один текстовый слой спецификаций. Поверх него остаются формальные проверки: команда должна измерить, реализовала ли структура каждый заявленный признак.
Текст не заменяет точные ограничения там, где известна требуемая разметка по остаткам. Результат RFdiffusion показывает, что специализированный вход сохраняет преимущество для некоторых геометрических задач. Практичный вариант конвейера — принимать исследовательские требования текстом, превращать критичные условия в проверяемые метрики и оставлять специализированные модели для признаков, где нужна жёсткая локальная точность.
Не исчезают и последующие этапы: вычислительная оценка структуры, переработка последовательности, итеративный отбор и лабораторная проверка. Работа меняет точку входа и связь между этапами, но не превращает текстовый запрос в готовую молекулу без фильтрации.
Источники
Иллюстрация: рисунок из статьи «Designing Protein Structures from Natural Language», Joseph Lee, Yanjing Li, Bo Qiang и др., CC BY 4.0
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
