Pinal проектирует белки по тексту: один из них повысил выход продукта в 1,7 раза
Биотеху нужен способ быстрее выбирать молекулы для лабораторной проверки. Pinal принимает описание функции белка, предлагает его структуру и аминокислотную последовательность: один из полученных вариантов повысил выход продукта в эксперименте в 1,7 раза. Но для поиска флуоресцентного белка пришлось сгенерировать около 50 тысяч последовательностей. Параллельно вышла Carbon-X — открытая модель для вопросов о ДНК.
AI-обработка оригинала Habr AI; редакция Hamidun News
Команде, которая ищет новый фермент, нужен список молекул, которые имеет смысл проверить в лаборатории. Pinal позволяет начать такой поиск с текстового описания нужной функции. В одном из экспериментов полученный белок повысил выход продукта в искусственном пути фиксации CO₂ примерно в 1,7 раза относительно природного аналога из E. coli. Для разработчика биотеха это повод проверить, можно ли встроить модель в отбор кандидатов перед дорогими экспериментами.
Рядом появилась Carbon-X — открытая модель для анализа ДНК через обычный диалог. Эти системы решают разные задачи: Pinal предлагает белки, Carbon-X помогает разбирать генетические последовательности. Общая продуктовая идея понятна: специалист формулирует вопрос словами, а система связывает его с биологическими данными.
Pinal: от описания функции к кандидатам для лаборатории
Представим задачу: нужен фермент, который выполняет определённую реакцию. Пользователь описывает функцию, после чего Pinal работает в два этапа. Модуль T2struct предлагает структурное представление белка. Затем SaProt-T использует его вместе с текстовым условием, чтобы подобрать аминокислотную последовательность — цепочку, из которой состоит белок.
По данным авторов, систему обучали на 1,7 млрд пар белковых данных и текстовых описаний, причём аннотации создавались синтетически. Это существенная оговорка: размер обучающего набора нельзя читать как количество независимо подтверждённых лабораторных наблюдений. Архитектуру и принцип обучения авторы описывают в статье Nature.
В представленных экспериментах исследователи нашли рабочие молекулы для четырёх задач. Однако самый показательный результат для планирования бюджета — история с флуоресцентным белком. Система сгенерировала около 50 тысяч последовательностей, после отбора осталось 29 кандидатов, и один действительно оказался флуоресцентным.
Это разные этапы отбора, поэтому превращать их в одну универсальную «точность модели» было бы ошибкой. Зато они показывают реальный процесс: генерация большого набора, вычислительная фильтрация, затем физический эксперимент. Для продакта здесь важнее стоимость найденного рабочего кандидата, чем красота ответа в интерфейсе.
Carbon-X: задать вопрос о ДНК в чате
Carbon-X построена на Qwen3-14B и содержит 14,8 млрд параметров. Её выпустили исследователи Hugging Face, Zhongguancun Academy и TIGEM / Университета Неаполя. Код и веса доступны по Apache 2.0. Модель принимает последовательности ДНК вместе с вопросами на обычном языке; семейство и условия использования описаны в карточке модели.
Простой сценарий: исследователь передаёт исходный участок ДНК и вариант с заменой одной буквы, затем просит оценить возможные последствия. Другой сценарий — спросить, похож ли фрагмент на участок, регулирующий работу гена. Такой интерфейс может пригодиться команде, которая делает инструменты для исследователей и хочет сократить ручное переключение между последовательностями, аннотациями и пояснениями.
Но связное объяснение ещё не подтверждает биологический вывод. Разработчики предупреждают об ошибках в подсчёте оснований, координатах и точных изменениях последовательностей. При недостатке контекста модель способна выдумать функцию участка. Качество генерации длинной ДНК также снижается.
Что проверять перед интеграцией
Мой практический вывод: начинать стоит с узкой операции, для которой уже есть проверенные примеры и понятная цена ошибки. Для Carbon-X это может быть предварительный разбор известных вариантов с последующей экспертной проверкой. Для Pinal — предложение кандидатов внутри существующего лабораторного процесса.
Точные операции с последовательностями разумно поручить коду: проверить длину, найти позицию замены, сравнить исходный и изменённый фрагменты. Модели можно оставить объяснение и формирование гипотез. В интерфейсе полезно сохранять входные данные, версию модели и результаты внешних проверок, чтобы ответ можно было воспроизвести.
Основателю биотеха эти работы дают конкретный повод для пилота. Оценивать его стоит по числу подтверждённых результатов, времени специалиста и расходам на эксперименты. Успех отдельного белка или удобный чат с ДНК сами по себе ещё не показывают, сколько будет стоить решение вашей задачи.
- 12 нояб. 2026 г.ИИ-агенты перепроверили 2000+ статей ICML 2026 и нашли ошибки, пропущенные рецензентами
- 12 нояб. 2026 г.Восемь стран и OpenAI с Anthropic обещают «рубильник» для ИИ-моделей, но без сроков и штрафов
- 12 нояб. 2026 г.Hugging Face предупреждает: волна взломов может сделать open-source ИИ менее открытым
- 12 нояб. 2026 г.OpenAI построила Control Room: рубильник для моделей, которые вышли из песочницы
Вопросы и ответы по материалу
Что известно по теме: Pinal: от описания функции к кандидатам для лаборатории?
Представим задачу: нужен фермент, который выполняет определённую реакцию. Пользователь описывает функцию, после чего Pinal работает в два этапа. Модуль T2struct предлагает структурное представление белка. Затем SaProt-T использует его вместе с текстовым условием, чтобы подобрать аминокислотную последовательность — цепочку, из которой состоит белок. По данным авторов, систему обучали на 1,7 млрд пар белковых данных и текстовых описаний, причём аннотации создавались синтетически.
Что известно по теме: Carbon-X: задать вопрос о ДНК в чате?
Carbon-X построена на Qwen3-14B и содержит 14,8 млрд параметров. Её выпустили исследователи Hugging Face, Zhongguancun Academy и TIGEM / Университета Неаполя. Код и веса доступны по Apache 2.0. Модель принимает последовательности ДНК вместе с вопросами на обычном языке; семейство и условия использования описаны в карточке модели. Простой сценарий: исследователь передаёт исходный участок ДНК и вариант с заменой одной буквы, затем просит оценить возможные последствия.
Что известно по теме: что проверять перед интеграцией?
Мой практический вывод: начинать стоит с узкой операции, для которой уже есть проверенные примеры и понятная цена ошибки. Для Carbon-X это может быть предварительный разбор известных вариантов с последующей экспертной проверкой. Для Pinal — предложение кандидатов внутри существующего лабораторного процесса. Точные операции с последовательностями разумно поручить коду: проверить длину, найти позицию замены, сравнить исходный и изменённый фрагменты. Модели можно оставить объяснение и формирование гипотез.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.