90 个设计送检，89 个完成检测，9 个被判定为结合蛋白。但这组结果背后，还有序列重设计和计算筛选。Prompteina 把自然语言接入了全原子蛋白质生成流程，湿实验则给这条路线提供了一个具体落点：GM2A。
2026 年 10 月 9 日，这项研究以预印本形式公开，由华盛顿大学、Ai2 等机构合作完成。但作者贡献需要说清：Joseph Lee 牵头推进项目，David Baker、Hanna Hajishirzi 和 Pang Wei Koh 参与指导并提供经费支持。
本研究评价范围
经过重设计与筛选
总体表观 K_D
一句话之后，模型还需要什么？
想象给建筑师一份文字任务书：形状要狭长，内部有两个区域，连接处再加一道支撑。但蛋白质的要求要落到原子坐标。Prompteina 支持用文字指定折叠、结构域、螺旋数量和二硫键等属性，并生成候选序列与全原子结构。全原子结构包含侧链，设计范围因此深入到组成接触界面的细节。
这比“写一段话，先得到序列，再预测结构”更进一步，但输入没有被压缩到只剩一句话。模型还需要蛋白长度；设计结合蛋白时，需要另外提供靶标结构，也可以指定希望接触的靶标残基。“直接”有明确的适用范围。
文字怎样变成结构约束？可以把它理解为两份施工说明：一份交代整体风格，一份标出局部细节。但模型必须同时读取两者。研究团队在 Proteina–Complexa 基础上增加了两条文本通路，让文字在结构逐步生成的过程中持续发挥作用。
其中，Qwen3-Embedding-8B 提供整段描述的表示，Qwen3-8B 提供逐词表示；后者通过交叉注意力连接到残基。但关键变化发生在生成器内部。文本条件直接进入结构去噪过程，让整体要求与局部约束都有机会影响生成。Chroma 此前已支持采样时的文字引导，这次的区别在于把文本条件纳入生成模型训练。
5240 万条描述，怎样落到具体残基？
研究团队构建了约 180 万个结构条目和 5240 万条文字描述，平均每条目约 29 条。但“条目”的口径很重要。数据按蛋白链分别计数，并不代表拥有 180 万种独立实验测定的蛋白质。
来源包括 PDB 实验结构、AlphaFold 数据库预测结构，以及 Teddymer 合成二聚体。但不同来源的证据性质并不相同。模型学到的文字—结构对应关系，既来自实验数据，也来自预测和合成结构，不能全部视作实验事实。
构建过程先整理结构属性，再让 Qwen3-235B-A22B 把不同属性组合写成描述。但自动写作也会出错。论文用大模型评判器检查了 80 条描述，报告精确率为 89.8%；这个有限抽样不能替代对整个语料库的质量保证。
仅有描述还不够：写着“两条二硫键”，模型怎样知道对应哪些位置？团队进一步把文字片段与相关残基配对。但这种监督依赖可获得的标注。文本—残基对齐微调提升了二硫键和盐桥数量等局部属性的控制能力。
模型听懂了，蛋白就能工作吗？
在 18 项结构控制任务中，论文报告 Prompteina 有 15 项领先。但不同属性的难度并不相同。例如 CATH 架构分类准确率为 51.1%，高于 Proteina 的 27.5%；更宽的描述范围，仍然伴随着不稳定的执行结果。
专用输入也保留着优势。RFdiffusion 的 β 链和 β 折叠片数量控制优于 Prompteina，但自然语言接口支持的属性更多。β 折叠片数量的相关系数分别为 0.82 和 0.64：接口更统一，并不意味着每项精度都更高。
功能描述更容易引发误读。研究覆盖了 122 个蛋白家族，包括溶菌酶和绿色荧光蛋白，但评价主要依赖模型。团队用 ProTrek 测量文字与序列、结构的相似性，并结合预测结构置信度进行加权。
这能回答生成物是否更贴近描述，却无法直接回答酶是否催化、蛋白是否发光。但两种问题很容易被混成一句“实现功能”。文字与结构更相符，距离实验确认功能仍有一步；论文中的功能基准没有跨过这一步。
智能体终于能把设计意图说完整
结合蛋白需要“贴住”靶标。接触多少残基，像决定两块材料的贴合面积，但接触更大不能单独保证结合。在 20 个靶标上，模型生成的平均界面残基数量随请求变化，相关系数达到 0.994–1.000。这里的高相关发生在平均值层面，单个候选仍可能偏离请求。
团队进一步让 Claude Opus 4.6 调研靶标，为 Prompteina、RFdiffusion3 和 BoltzGen 分别提出 200 个设计。但它能表达的要求受接口限制。Prompteina 可以接收界面大小、几何和化学性质等文字规格。Complexa 则只作无智能体基线，其公开检查点不支持额外的规格输入。
在直接生成序列的条件下，跨靶标汇总的界面置信度指标为 0.455，Complexa 为 0.400，相对提高约 13.8%。但这是按候选排名预算汇总的 expected top-k ipSAE_min。它衡量预测界面的可信程度，不能解读成实验结合率提高了 14%。
对序列进行完整 ProteinMPNN 重设计后，两者分数变为 0.584 和 0.538，领先幅度收窄。但这也提醒了读者如何拆解结果。结构生成器、序列设计器和结构评价器共同参与流程，最终得分不能简单归结为文字接口的单独贡献。
随后，智能体读取计算评分，再修改下一轮提示；四轮各生成 50 个设计。但对照必须保持相同的 200 个设计预算。在最难的 7 个靶标上，Prompteina 的 top-8 界面置信度增益为 0.105，BoltzGen 为 0.067，相对多约 56.7%。难度分组依据未迭代生成的基线表现，避免让优化结果决定谁算“困难”。
论文摘要中的“57%”对应这项增益比较，但不能当作整体性能提高 57%，更不能当作湿实验收益。自然语言接口的价值，在于给智能体更多可修改的设计变量；这些变量是否改善真实结合，仍需实验检验。
9 个命中之后，还差哪一步？
GM2A 实验把流程推进到了实验台。团队先生成 1000 个骨架，每个产生 33 个序列变体，再用 ESMFold2-Fast 和 AlphaFold3 等筛选。但送检候选已经经过多层加工。最终 9 个命中的序列，全部来自 ProteinMPNN 或 SolubleMPNN 重设计。
90 个候选中，89 个完成表达和表面等离子体共振检测，9 个被判定为结合蛋白，8 个有亲和力拟合值，6 个达到亚微摩尔水平。但分母要跟着口径走。按实际检测数计算，全部命中率约 10.1%，亚微摩尔命中率约 6.7%；两者不能混用。
最强候选三次重复的总体表观 K_D 为 107.4 nM，95% 置信区间为 80.9–142.5 nM。但 68.8 nM 只是其中一次重复的拟合值。实验支持这些候选能够结合 GM2A；它没有证明能够治疗相关疾病，也没有解析出图示的结合构象。这场概念验证也没有提供同条件的其他生成模型湿实验对照。
截至 2026 年 10 月 14 日，代码与权重已有公开入口，但数据仓库的原始说明仍写着“准备发布”。代码采用 Apache 2.0，权重采用 NVIDIA Open Model License；代码、权重和数据的开放状态，需要分别判断。仓库数据资产另标 CC BY 4.0，不能据此推断完整训练语料已经放出。
Prompteina 已经展示了文字控制结构与一个靶标的结合验证，但通向可用蛋白的环节仍然很长。下一轮更值得追问的是：换一个靶标、换一组实验条件，这些文字规格还能稳定兑现多少？接口变得好用之后，实验会不会更快揭开它的边界？