Un equipo de la Universidad de Washington, el Instituto Allen de IA y la Universidad Nacional de Singapur desarrolló Prompteina, el primer modelo de generación de estructuras proteicas de todos los átomos que se controla mediante lenguaje natural. A diferencia de modelos previos que exigen representaciones específicas para cada propiedad —etiquetas para el plegamiento, secuencias para la estructura secundaria o coordenadas para sitios catalíticos—, Prompteina acepta instrucciones en texto libre y genera simultáneamente la estructura y la secuencia de la proteína.
Para entrenarlo, los investigadores construyeron Prompteina-Data, un conjunto de 1.8 millones de estructuras y 52.4 millones de descripciones que cubren propiedades globales y específicas de residuos. El modelo parte de Complexa, un generador de estructuras pretrenado, al que se le añadieron dos vías de condicionamiento textual y un objetivo auxiliar de alineación entre fragmentos de texto y residuos. El resultado: Prompteina supera a los modelos de referencia en 15 de 18 tareas estructurales y genera proteínas que coinciden mejor con las funciones descritas.
En el diseño de binders —proteínas que se adhieren a un objetivo terapéutico—, Prompteina lidera en al menos 13 de 20 objetivos y mejora la confianza de la interfaz en 14% sobre el mejor modelo previo. Con retroalimentación iterativa en simulación, su ventaja sobre la generación no iterativa es 57% mayor que la del siguiente mejor modelo en los objetivos más difíciles.
La validación experimental se centró en GM2A, una proteína implicada en la enfermedad de GM2 gangliosidosis y que no tenía binders de novo reportados. De 89 diseños ensayados, nueve fueron clasificados como binders, con el más fuerte alcanzando una KD aparente de 107 nM. Los resultados establecen el lenguaje natural como una interfaz eficaz para el diseño de proteínas y abren la puerta a que agentes de IA traduzcan conocimiento científico directamente en estructuras funcionales.