En beskrivelse af den ønskede funktion kan være udgangspunktet for at designe et nyt protein. I et studie offentliggjort i Nature den 21. oktober viser forskere bag modellen Pinal, at udvalgte forslag også udfører deres tilsigtede opgaver i laboratoriet. Det bringer tekststyret proteindesign et skridt nærmere praktisk brug, men gør ikke et tekstsvar til et færdigt biologisk produkt.

Fengyuan Dai, Shiyang You og kolleger afprøvede fire funktionelle klasser: et fluorescerende protein, et enzym rettet mod plasttypen PET, et alkoholdehydrogenase-enzym og et såkaldt H-protein. Forskerne rapporterer den ønskede aktivitet i alle fire kategorier.

Et designet H-protein gav desuden 1,7 gange så høj produktkoncentration som det tilsvarende naturlige protein fra E. coli i en forsøgsopstilling med flere enzymer til CO₂-fiksering. Det er et afgrænset laboratorieresultat, ikke dokumentation for en færdig teknologi til at fjerne CO₂ fra atmosfæren.

Ny fagfællebedømt artikel, længere forskningshistorie

Pinal er ikke opstået i denne uge. En tidligere udgave blev beskrevet som preprint, og versionen fra 7. januar 2025 forklarede allerede modellens to trin. Først omsættes sproglig instruktion til et forslag til proteinstruktur. Derefter udformes en aminosyresekvens med udgangspunkt i både strukturen og teksten.

Preprintet beskrev en model med 16 milliarder parametre og træning på 1,7 milliarder par af proteiner og tilhørende tekst. Det tal betyder ikke, at forskerne havde målt 1,7 milliarder forskellige proteiner i laboratoriet. Træningspar er forbindelser mellem data og beskrivelser, og de skal holdes adskilt fra eksperimentel dokumentation.

En senere preprintversion, dateret 16. september 2025, omtalte også de fire funktionelle klasser. Dagens nyhed er derfor den fagfællebedømte Nature-publicering af arbejdet. Den er ikke en meddelelse om, at tekststyret proteindesign eller disse forsøg først blev præsenteret i dag.

Fra ønskeliste til kandidater

Idéen er let at forestille sig: En forsker vil beskrive, hvad et molekyle skal gøre, før vedkommende kender den præcise rækkefølge af dets byggesten. Men en sådan beskrivelse rummer mange åbne spørgsmål. Hvor hurtigt skal molekylet arbejde? Under hvilke betingelser? Og hvad må det ellers reagere med?

Et program kan levere mulige svar på designopgaven uden at have afgjort alle disse spørgsmål. Det nyttige resultat er derfor en samling kandidater, som kan sammenlignes og undersøges. Forskellen mellem en lovende kandidat og en anvendelig komponent er fortsat afgørende.

Forskergruppens offentlige kode viser netop en arbejdsgang, hvor én beskrivelse kan give flere proteinforslag. Dokumentationen anbefaler særskilte beregninger af, hvor godt sekvensen passer til teksten, og hvor sandsynligt det er, at den kan folde korrekt. Sådanne mål hjælper med at sortere forslagene; de er ikke i sig selv aktivitetsmålinger.

Et åbent værktøj med konkrete beregningskrav

Gruppen stiller kode og modelvægte til rådighed og henviser til en webserver. Det officielle kodelager har Apache 2.0-licens og beskriver både en mindre og en større modelkomponent til strukturdesign. Andre forskere kan dermed undersøge selve værktøjet frem for kun at læse om resultaterne.

Den største strukturmodel kræver ifølge dokumentationen mindst 40 GB grafikhukommelse. Gruppen angiver omkring ét minut til ti proteinforslag på et NVIDIA A40-kort. Det er deres oplyste beregningstid på den hardware, ikke en samlet tidsplan for at fremstille og teste proteinerne.

Netop skellet mellem computer og laboratorium er vigtigt for at vurdere hastigheden. En hurtig generering kan gøre den første udvælgelse lettere. Den fjerner ikke arbejdet med at finde ud af, om et forslag virker stabilt og meningsfuldt i den sammenhæng, hvor det skal bruges.

Den næste prøve er mere krævende end et godt eksempel

De fire kategorier gør studiet interessant, fordi de rækker ud over én enkelt type opgave. Men de giver ikke en universel garanti for nye beskrivelser. For en kommende bruger er det afgørende, hvor ofte en hel serie af forslag lykkes, og hvor meget udvælgelse der skal til.

Den praktiske gevinst skal derfor vurderes på mere end et flot molekyle på en skærm. Det relevante spørgsmål er, om forskere kan nå frem til brugbare resultater med færre forgæves forsøg. Pinal giver et konkret værktøj til at undersøge netop den mulighed.

Kilder og videre læsning

Har du fundet en fejl? Læs om rettelser.