devgo.cn如果你不是结构生物学家，过去想设计一个自然界不存在的蛋白质，基本等于劝退。你得懂氨基酸怎么折叠成三维结构，得知道哪些位点突变能改变功能，还得会用 Rosetta 这类专业软件去算。但现在，西湖大学的研究者搞了个叫 Pinal 的 AI 系统，你只需要用自然语言描述“我想要一个能发绿光的蛋白质”，它就能直接给你吐出一段氨基酸序列。这项研究刚发表在 Nature 上，核心思路是把蛋白质设计从“结构/序列层面的专家游戏”变成“功能描述层面的通用问题”。
为什么这件事值得关注？因为蛋白质设计长期以来有个死结：功能是高层目标，但实现功能的手段是低层的结构和序列约束。你想让一个酶去降解 PET 塑料，你得先想清楚活性位点长什么样、哪个氨基酸负责催化、怎么稳定底物结合——这些细节普通人根本无从下手。Pinal 的突破口在于，它把“功能描述 → 结构蓝图 → 氨基酸序列”这个链条整个自动化了，用户完全不用碰分子结构。
具体怎么做到的？Pinal 分两个模块，两段式流水线。第一个模块读你的自然语言描述，生成若干个候选的结构蓝图（可以理解为蛋白质的三维骨架草图）。第二个模块同时读蓝图和原始文本，为每个蓝图决定具体的氨基酸序列。关键设计是它不把鸡蛋放一个篮子里：第一模块会生成多个候选结构，每个都配上自己的序列，然后 Pinal 给这些“结构+序列”组合打分，最后挑一个最优解。研究者的解释是，最好的蛋白质设计往往不是形状最“显然”的那个，多候选+打分机制能避免陷入局部最优。
训练这个模型需要海量数据。团队收集了大约 1.35 亿条蛋白质序列，然后用大语言模型给这些序列写自然语言的功能描述，生成了约 17 亿对“蛋白质-文本”数据。接着用 AlphaFold 预测这些序列的结构，拿这个语料库分别训练两个模块：第一个学“从文本预测结构蓝图”，第二个学“给定蓝图和文本，为每个位置选正确的氨基酸”。
测试结果挺能说明问题。团队让 Pinal 设计四种蛋白质：一个发绿光的、一个降解 PET 塑料的酶、一个处理酒精的酶、还有一个在代谢通路里负责在酶之间转运化学物质的穿梭蛋白。四个任务都完成了，但命中率参差不齐。发绿光那个，生成了 5 万条序列，筛到 29 条做实验，只有 1 条真的发出荧光。穿梭蛋白表现最好，20 个候选里有 5 个能用，最好的一个把多酶二氧化碳固定通路的产量提到了天然版本的 1.7 倍。
这里可以看到 Pinal 的整体架构：自然语言输入，经过结构蓝图生成和序列设计两个模块，最终输出候选蛋白质序列并打分排序。
几乎同时，Hugging Face 跟中意两国的学术机构合作，把类似思路用到了 DNA 序列上。他们开源了一个 140 亿参数的模型叫 Carbon-X，能回答基因序列的问题、预测突变会有什么影响、还能生成新 DNA。这个模型基于 Qwen3-14B，但在 3000 亿 token 上重新训练过，混合了基因组序列、生物学文本和普通英文。难点在于让模型学 DNA 的同时不忘掉英语，团队说这需要大模型+长而慢的训练过程来保持平衡。在五个基准测试里，Carbon-X 超过了 Opus 5.5 和 Gemini 4 Argon，比 GPT-6.1 Sol 低不到一个百分点。而且这模型能跑在 MacBook 上，对不想把敏感或未发表序列传给商业模型服务商的研究者来说是个大优势。
Carbon-X 的基准测试对比，展示了它在多个任务上与其他模型的性能差距。
两个工具都不完美。Pinal 的开发者自己承认，筛选策略“可能把探索限制在设计空间的一个有限区域里”；Carbon-X 处理长序列时还会犯迷糊，也容易产生幻觉（生成不真实但看起来合理的序列）。而且不管 AI 给出什么序列，最终验证还是需要装备齐全的实验室和有经验的科学家。但话说回来，这些工具的意义在于把“尝试”的门槛降下来了——以前只有少数计算专家能碰的问题，现在更多生物学家可以上手实验了。
实验室验证流程示意：AI 生成的候选序列需要经过合成、表达和功能检测才能确认是否有效。
这个思路对你有什么用？如果你在做 AI for Science 或者生物信息学相关的工作，Pinal 的“两阶段生成+多候选打分”框架本身就有参考价值——它解决的是“从高层语义到低层物理量”的映射问题，这在材料设计、分子生成甚至芯片布局里都可能遇到。Carbon-X 则展示了领域模型微调的一个现实路径：用通用大模型做底座，混合领域数据和通用语料重训，注意控制训练节奏防止灾难性遗忘。坑也很明确：这类生成模型的命中率还很低，筛选策略会限制探索空间，而且最终验证环节绕不开湿实验。别指望 AI 直接给你能用的蛋白质，它给的是“值得去试的候选”。
内容与图片版权归原作者所有 · 原文: https://singularityhub.com/2026/11/02/scientists-can-now-ask-ai-to-design-proteins-using-plain-language/