说句话，AI生成蛋白质！港科大（广州），Nature+1
如果只需要对人工智能说一句：
“我想要一种能降解塑料的酶。”
它能否据此设计出一条在实验室里真正发挥作用的蛋白质序列？
长期以来，设计具有特定功能的蛋白质，往往需要研究者先从天然蛋白质中寻找原型，再进行反复改造与实验筛选。即使借助人工智能，也常常需要将功能需求进一步转化为蛋白质结构、氨基酸位点等专业设计条件。从“我希望蛋白质做什么”到“怎样获得这样的蛋白质”，中间仍有不小的距离。
由香港科技大学（广州）卢泓远团队联合西湖大学原发杰团队、刘建明团队、中国科学院深圳先进技术研究院司同团队合作开发并验证的蛋白质设计基础模型Pinal解决了这一难题：只需输入一段描述目标功能的文字，模型便能生成候选蛋白质序列，供后续筛选和实验验证。
10月21日，相关成果以“Programmable design of functional proteins from natural language”（基于自然语言的功能蛋白质可编程设计）为题在国际顶级学术期刊《自然》（Nature）发表。
卢泓远（中）团队成员：邓显君（左一）、马晓骁（左二）游世洋（右二）、余乐彤（右一）
研究中，合作团队成功获得了能够发出绿色荧光的蛋白质、能够降解PET塑料的水解酶、具有催化活性的醇脱氢酶，以及可以在多酶固碳体系中发挥作用的H蛋白。其中，一种由Pinal设计的 H蛋白在未经迭代实验优化的情况下，使体系中的甘氨酸产量达到使用天然大肠杆菌H蛋白时的1.7倍。
港科大（广州）卢泓远团队在国际顶尖期刊《自然》（Nature）上发表最新研究成果。
香港科技大学（广州）卢泓远课题组博士生游世洋为论文共同第一作者，卢泓远助理教授为共同通讯作者。生命科学与生物医学工程学域（BSBE）博士生马晓骁、邓显君和余乐彤参与了该项研究，并共同署名为论文作者。
共同第一作者：
西湖大学 戴枫源、香港科技大学（广州）游世洋（按论文署名顺序）
共同通讯作者：
西湖大学原发杰、香港科技大学（广州）卢泓远、西湖大学刘建明、中国科学院深圳先进技术研究院司同
论文链接：www.nature.com/articles/s41586-026-11205-z
Pinal网页服务：www.denovo-pinal.com
开源代码：GitHub — Denovo-Pinal
从蓝图到细节，让AI理解蛋白质的需求
蛋白质是生命活动中的“分子机器”：有的催化化学反应，有的转运物质，有的能够发出荧光，能够根据需求设计不同功能的蛋白质，对于绿色制造、生物催化以及生物技术开发具有重要意义。
近年来，人工智能显著拓展了蛋白质设计的可能性，但“描述功能”与“指定分子设计条件”仍是两件不同的事。例如，要求设计一种PET塑料降解酶，并不会直接告诉模型蛋白质应该如何折叠、哪些氨基酸参与催化，以及这些部分如何协同工作。
Pinal的目标，就是让自然语言直接成为蛋白质设计的起点。然而，从文字直接生成蛋白质序列并不容易。合作团队发现，相较于一步到位地预测氨基酸序列，先利用文字生成蛋白质结构表示，再在结构的基础上设计序列，是一条更易学习、也更有效的路径。这有点像制造一台机器，先根据用途绘制整体蓝图，再确定每一个零件如何安排。
Pinal 以蛋白质结构为中间桥梁，将自然语言描述转化为候选氨基酸序列（来源：论文 Fig. 1）。
支撑这一过程的是大规模数据与模型训练。团队构建了包含17亿组蛋白质—文本配对的合成数据集，覆盖约1.35亿条不同的蛋白质序列及其结构，最终训练出拥有约160亿参数的Pinal模型。
计算评测显示，随着训练数据和模型规模增大，生成蛋白质与功能描述的匹配程度以及预测折叠质量持续改善。模型还能够生成具有一定序列多样性和预测结构新颖性的候选蛋白质，为进一步开展实验提供更多选择。
从计算设计到实验验证，让生成的蛋白质真正发挥功能
蛋白质设计的计算预测只是第一步。模型生成的序列能否正确表达、形成适当结构，并在实验中发挥功能，才是这项研究的“终极考官”。
研究团队选择了四类代表不同功能和应用场景的蛋白质，全部以文字描述作为输入，再通过计算筛选确定候选序列，逐步确认其性能。
第一类，是可用于荧光标记的绿色荧光蛋白。
团队从优先筛选的 29 个候选设计中获得了具有绿色荧光的 pinalGFP。它表现出与绿色荧光蛋白相符的发光特性；当研究人员改变其发色团形成所需的关键氨基酸残基后，荧光信号随之消失，为设计蛋白的发光机制提供了实验支持。
第二类，是能够降解 PET 塑料的水解酶。
PET 广泛用于饮料瓶和聚酯材料，其高效降解是塑料循环利用的重要研究方向。研究人员筛选获得了具有催化活性的 pinalPETase36。该蛋白不仅能够水解模型酯类底物，还能在特定实验条件下作用于固体 PET 材料。随着反应进行，化学分析检测到了逐渐积累的 PET 降解产物；扫描电子显微镜观察也显示，经过酶处理的 PET 表面形成了明显的孔洞和凹坑。
第三类，是具有生物催化价值的醇脱氢酶。
醇脱氢酶能够催化醇类与醛、酮之间的转化，在医药中间体合成等领域具有应用价值。研究人员在设计提示中并未限定具体亚家族或蛋白质链长，最终获得了5种具有实验活性的醇脱氢酶，覆盖短链、中链及铁依赖型长链等三个不同亚家族。检验了模型面对同一功能需求时生成不同分子解决方案的能力。
第四类，是需要与其他酶协同工作的H蛋白。
H 蛋白承担着反应中间体转运的任务，不仅需要形成合适的蛋白质结构，还需要经过翻译后修饰，并与其他酶有效配合。因此，它所检验的不只是单个蛋白质能否工作，还包括人工设计的蛋白质能否融入复杂的多酶反应体系。
Pinal 的四类功能设计任务，涉及荧光标记、塑料降解、生物催化与多酶反应体系（来源：论文 Fig. 4）。
“对于人工设计的H蛋白而言，能否与已有酶体系协同工作，是一项更接近实际生物制造需求的考验。”合作团队对20个候选H蛋白开展了实验测试，其中14个能够可溶表达，5个在重构的体外固碳体系中表现出活性。其中表现最好的设计pinalH02，使甘氨酸最终浓度达到11.1毫摩尔每升，是采用天然大肠杆菌H蛋白作为对应组件时的1.7倍，相当于产量提高约70%。值得注意的是，这一结果来自初轮设计与筛选，尚未对该蛋白开展迭代实验优化。
进一步的分子动力学模拟提示，pinalH02用来转运中间体的分子“摆臂”可能更加灵活、更容易伸展，从而有利于反应中间体在不同酶之间传递。这一解释仍有待后续实验进一步检验，但结果已经表明，人工设计的蛋白质有机会在特定反应体系中展现出优于天然对应蛋白的性能。
绿色荧光蛋白、PET水解酶、醇脱氢酶与H蛋白的实验验证，以及H蛋白在体外多酶固碳体系中的表现（来源：论文 Fig. 5）。
跨学科合作，让人工智能设计走进真实生物实验
这项研究，主要由西湖大学原发杰教授与香港科技大学（广州）卢泓远助理教授共同推动，深度融合了人工智能、蛋白质工程与生物催化等多个学科方向。来自两校和中国科学院深圳先进技术研究院的研究者各展所长：从模型构建、数据扩展、序列生成，到蛋白质表达、催化活性和功能验证，一环扣一环地咬合——共同把人工智能生成的蛋白质，从计算预测真正带进了真实生物实验。
论文的共同第一作者，是西湖大学的戴枫源和香港科技大学（广州）博士生游世洋。他们做的正是“连接”的工作：把计算生成的候选序列，与可测量的生物学功能有效连接起来，形成从人工智能设计到实验验证的跨学科研究闭环。
Pinal所展示的，是一种更加直观的蛋白质设计方式：研究者从希望实现的功能出发，借助人工智能生成候选方案，再通过实验筛选和验证其实际表现。
当然，自然语言并不意味着可以跳过实验。现阶段，模型对于精确指定荧光波长等细粒度、定量化性质仍有局限，计算筛选也无法完全替代对真实催化活性和反应性能的测定。未来，随着功能数据更加丰富、人工智能模型与高通量实验技术进一步结合，自然语言驱动的蛋白质设计有望应用于更广泛的生物制造需求。
从能发光的蛋白质，到能够参与塑料降解的酶，再到可嵌入多酶固碳体系的分子组件，这项研究展示了人工智能与生物实验深度协作的潜力。对于香港科技大学（广州）而言，这也是面向绿色生物制造与酶工程需求，推动跨学科合作与成果验证的又一次探索。
本研究获得国家自然科学基金、国家重点研发计划、广东省教育厅相关项目、广州-香港科技大学（广州）联合资助计划、南沙重点科技项目、浙江省“领雁计划”、广东省科技计划及深圳市科技计划等支持。研究团队特别感谢香港科技大学（广州）生物科学中央研究设施（BioCRF（GZ））及生命科学与生物医学工程学域（BSBE）生物研究实验室Bioresearch Lab 在仪器设备、实验操作和材料表征等方面提供的支持，并特别感谢生命科学与生物医学工程学域生物实验室肖赟君、黄若冬、何苑柔老师们在科研实验上的协助与支持。
论文第一作者——
游世洋
在读博士生
港科大（广州）系统枢纽
生命科学与生物医学工程学域
游世洋是香港科技大学（广州）系统枢纽生命科学与生物医学工程学域三年级博士生，导师为卢泓远助理教授，目前，他的研究主要聚焦于深度学习辅助蛋白质工程，致力于通过深度学习、分子动力学模拟等技术来推动蛋白与多肽的挖掘、改造和从头设计。
论文共同通讯作者——
卢泓远博士
助理教授、博士生导师
香港科技大学（广州）
生命科学与生物医学工程学域
大湾区教育融合发展智库-特邀研究员
卢博士长期从事蛋白质工程、人工智能和合成生物学的前沿交叉领域研究，主要围绕酶和微生物的改造与应用这一主线，专注于分析理解酶的催化机理和微生物的代谢途径，开发并利用相关生物化工技术，致力于解决环境、医药、能源等领域的具体问题。其研究成果发表在了Nature、Nature Biotech.、Nat. Commun.、PNAS、Trends Biotechnol. 等权威期刊；申请6项国际专利 (已授权一项); 6项国内专利；1项工艺团体标准；1个软件著作；获国家自然科学基金委面上项目等11项基金项目支持；斩获第51届日内瓦国际发明展金奖；获得2025年度香港科技大学（广州）“最美匠心”奖。
课题组目前正积极开展招生工作，并诚聘博士后研究人员。详细信息请复制课题组网页链接到浏览器查看：lulab.hkust-gz.edu.cn
