基于自然语言的蛋白质结构设计

arXiv:2610.13917v1 公告类型：新投稿 摘要：从头蛋白质设计的一项核心挑战是生成具有所需结构和功能特性的蛋白质。现有设计模型通常要求为每种特性提供专门的输入表示，从而限制了其支持的设计目标。我们开发了 Prompteina，这是首个支持以自然语言指定全新且更广泛设计目标的全原子结构生成模型，类似于文本到图像生成。为训练 Prompteina，我们构建了 Prompteina-Data，这是一个文本与蛋白质结构配对数据集，包含 180 万个结构和超过 5000 万条文本描述，涵盖整体及残基特异性的结构和功能特性。我们通过文本条件预训练，以及将残基与相应文本对齐的微调，对预训练结构生成模型 Proteina-Complexa 进行了适配。Prompteina 在 18 项结构特性中的 15 项上优于基线模型，并且生成的蛋白质更符合其预期功能的描述。在结合蛋白设计中，它在 20 个靶标中的至少 13 个上领先于基线模型，界面置信度较最强基线模型提高了 14\%。引入迭代式计算模拟反馈后，在最具挑战性的靶标上，Prompteina 相较于非迭代生成的性能增益比次优基线模型的相应增益高出 57\%。最后，我们通过实验验证了 Prompteina 针对 GM2A 的设计，此前尚无针对该靶标的从头设计结合蛋白报道。我们鉴定出九种结合蛋白，其中结合能力最强者的表观 $K_{\mathrm{D}}$ 为 107 nM。这些结果表明，自然语言可作为蛋白质结构生成的有效且强大的条件控制接口。