Исследователи представили Pinal — инструмент для проектирования белков на основе текстовых запросов. Система работает в два этапа: модуль T2struct преобразует текст в структурный чертеж, а SAProt-T формирует последовательность аминокислот. Модель обучена на данных из трех баз, включая массив из 800 миллионов пар ключевых слов и белков, с использованием предсказаний AlphaFold.
В ходе испытаний Pinal попросили создать четыре типа белков, включая флуоресцентные. Для примера с флуоресцентным белком система сгенерировала 50 000 вариантов. После фильтрации, исключающей сходство с известными белками, осталось 29 кандидатов. Их синтезировали в E. coli, что привело к получению одного функционального белка. Низкий процент успеха авторы связывают со строгими критериями отбора.
Параллельно Hugging Face, Академия Чжунгуаньцунь и Неаполитанский университет имени Фридриха II представили Carbon X — модель с открытыми весами для работы с ДНК. Она базируется на языковой модели Qwen3-14B и дообучена на геномных данных. Система позволяет переводить запросы с естественного языка на язык ДНК и может запускаться локально, например, на MacBook, что снижает затраты и обеспечивает конфиденциальность.
По внутренним оценкам, Carbon X сопоставима по эффективности с коммерческими моделями уровня GPT-6.1 Sol. Разработчики предупреждают о возможных галлюцинациях при неточных запросах и сложностях с определением позиций в длинных последовательностях. Инструмент призван упростить работу биологов, позволяя формулировать запросы к геномным данным без глубокой настройки специализированного ПО.
