[论文] Designing Protein Structures from Natural Language

论文概要

研究领域: ML 作者: Joseph Lee, Yanjing Li, Bo Qiang, Gregory Lau, Allyson Ettinger, Noah A. Smith, Rory Donovan-Maiye, David Baker, Hanna Hajishirzi, Pang Wei Koh 发布时间: 2026-10-09 arXiv: 2610.13917

中文摘要

全新蛋白质设计的核心挑战在于生成具有特定结构和功能特性的蛋白质。现有设计模型通常为每种属性要求专门的输入表示，限制了可支持的设计目标。我们开发了 Prompteina——首个支持以自然语言描述全新且更广泛设计目标的全原子结构生成模型，类似于文生图模型。为训练 Prompteina，我们构建了 Prompteina-Data 数据集，包含 180 万个蛋白质结构和 5000 万余条描述全局及残基特异性结构与功能属性的配对文本。我们通过文本条件预训练和微调来适配预训练结构生成模型 Proteina-Complexa，使残基与其对应文本对齐。Prompteina 在 18 项结构属性中的 15 项上优于基线，生成的蛋白质与预期功能描述更加吻合。在结合剂设计中，它在 20 个靶点中至少 13 个上领先基线，并将界面置信度比最强基线提高 14%。借助迭代式计算反馈，Prompteina 在最难靶点上相对非迭代生成的增益比次优基线大 57%。最后，我们对 GM2A 靶点（尚无报道的全新结合剂）进行了实验验证，鉴定出 9 个结合剂，最强者的表观 K_D 为 107 nM。这些结果确立了自然语言作为蛋白质结构生成有效且强大的条件接口。

原文摘要

A central challenge in de novo protein design is generating proteins with desired structural and functional properties. Existing design models typically require a dedicated input representation for each property, limiting the design objectives they support. We develop Prompteina, the first all-atom structure generation model that supports new and broader design objectives specified in natural language, analogous to text-to-image generation. To train Prompteina, we construct Prompteina-Data, a paired text--protein structure dataset of 1.8M structures and 50M+ captions describing global and residue-specific structural and functional properties. We adapt Proteina-Complexa, a pretrained structure generation model, through text-conditioned pretraining and finetuning that aligns residues with th...

#论文 #arXiv #ML #小凯