可用通俗英语提示的AI生成针对罕见病靶点的经实验验证候选药物蛋白
在制药业押注12亿美元于AI蛋白质设计之际,被NeurIPS接收的Prompteina找到9个真实结合体。
在Generate Biomedicines与Zealand Pharma宣布一项价值最高达12亿美元的交易,用于开发针对肥胖和代谢病的AI设计蛋白质疗法的同一周,华盛顿大学的一个研究团队发表了一个模型,使该领域的核心技术瓶颈——说明你希望蛋白质做什么——变得过时。该模型名为Prompteina,它接受用通俗英语写成的蛋白质设计目标,很像文本到图像系统接受对场景的文字描述。
Prompteina的结果于2026年10月9日发布到arXiv,并被NeurIPS 2026主会议接收,其意义超出计算基准。九个从头设计的蛋白质结合体针对一个此前从未有设计结合体报告的罕见病靶点而设计,并在湿实验中对靶点产生了结合。最强的结合体达到107纳摩尔的亲和力——处于早期药物发现中会引人认真关注的范围。自然语言界面、全原子结构生成,以及在先前难以攻克的靶点上获得实验湿实验室确认,这一组合代表了蛋白质工程中一种真正的新能力。
10月13日宣布的Generate-Zealand交易,反映出更广泛的产业界已经在这一方向上押下了多大的赌注。蛋白质设计AI已不再主要是一种研究好奇心;它是大型制药公司打算用来构建药物管线的机制。Prompteina已发表的结果,为外界提供了迄今最清晰的窗口之一,让人看到这套机制在技术层面如何运作——以及它如今能做到哪些此前任何系统都无法做到的事情。
蛋白质设计长期存在的瓶颈:每种目标都需要一种条件化格式
要理解Prompteina解决了什么,先理解它取代了什么会有帮助。
过去几年,用于蛋白质设计的生成模型发展迅速。RFdiffusion等工具以及贝克研究所的其他模型,已经改变了从头蛋白质工程在计算上可实现的范围。最近,由英伟达数字生物学团队与贝克实验室研究人员共同开发的全原子结合体设计框架Proteina-Complexa发表于ICLR 2026,并在一个133个靶点的噬菌体展示筛选中展示了91%的湿实验室命中率。
但几乎所有这类系统都共享同一个结构性约束:每个设计目标都需要自己专门输入表示。想要具有特定二级结构排列的蛋白质?这需要一种条件化。想要针对特定靶点的结合体?又需要另一种表示。想要在特定折叠类别之外兼具热稳定性?你此时就得拼接不同系统,或者指望你的模型恰好在那组精确的目标组合上训练过。
这不是研究者思考蛋白质设计的方式。当生物学家设想一种新疗法时,他们会用语言描述一组性质——“一个小的、稳定的结合体,能结合脂质结合口袋并抵抗溶酶体降解”——而挑战在于把这种意图转化为结构。研究者构想设计目标的方式与模型接受这些目标的方式之间的差距,一直是该领域持续存在的摩擦点。
Prompteina弥合了这一差距。作者认为,它是首个接受用自然语言指定设计目标的全原子结构生成模型,就像Stable Diffusion等文本到图像系统在视觉生成中所做的那样。Prompteina不要求生物学家以模型特定格式预先指定结构参数,而是接受一段描述并生成三维蛋白质结构——完整原子坐标,包括每个氨基酸侧链。
流匹配如何把自然语言连接到全原子坐标
核心技术贡献建立在三个要素上:一个大规模数据集、一个流匹配预训练流程,以及一种将特定残基与条件文本特定部分关联起来的对齐方法。
流匹配是2022年提出的连续时间生成框架,Prompteina从其基础模型Proteina-Complexa继承而来。与通过一系列小随机步骤对信号去噪的扩散模型不同,流匹配训练神经网络学习一个直接向量场,将简单噪声分布映射到复杂目标数据分布。
应用于蛋白质生成时,该模型在连续潜在空间中生成全原子三维坐标——表示每个氨基酸中的每个原子,包括侧链——而不需要较旧架构将骨架结构转化为全原子细节时所必需的单独逆折叠步骤。
Proteina-Complexa建立了用于全原子蛋白质生成的流匹配基础架构;Prompteina在此基础上增加了文本条件化层。预训练数据集名为Prompteina-Data,将180万个蛋白质结构与超过5000万条自动生成的说明文字配对。这些说明覆盖全局性质——整体折叠类别、二级结构组成、功能家族——以及将单个氨基酸与其结构和功能角色关联起来的残基特异性描述。
随后,微调阶段训练模型将残基与文本描述对齐,因此当模型读到“结合疏水沟槽的螺旋-环-螺旋基序”时,它会在这些词与其放置的原子之间形成有意义的对应关系。实际效果是,该模型能够处理设计目标,而无需事先专门的条件化方案,也无需在目标变化时要求工程师重新定义输入格式。
基准测试:Prompteina在20个靶点中的13个上领先,界面置信度提高14%
在测试的18项结构性质中,Prompteina在15项上优于此前的文本条件化基线。在功能对齐方面——即生成结构与其文本规格的匹配程度,由独立指标评估——它优于所有测试的竞争方法。
结合体设计结果才是数字变得关键的地方。在20个靶点蛋白中,Prompteina至少在13个上领先竞争方法,并将界面置信度——结合质量的计算机预测指标——相较次优基线提高14%。界面置信度衡量设计蛋白预测结合界面与稳定附着所需结构要求的匹配程度,这使其成为在尝试昂贵合成之前预测湿实验室成功的最强计算代理指标之一。
迭代式计算机模拟反馈结果另有意义。现代蛋白质设计流程常包含多轮计算评分与重新设计:模型生成候选物,评分函数评估它们,模型带着反馈重新生成。在这些反馈循环中,Prompteina相对于非迭代生成的增益,比次优基线在最难靶点上取得的增益大57%。这表明,自然语言条件化为其取代的专门结构条件化模态提供了更丰富的迭代优化信号——这一结果对自动化药物发现流程有直接影响。
九个确认结合体,针对此前没有AI触及的罕见病靶点
已建立靶点上的基准可能被过度优化。更有意义的测试,是在一个此前没有发表过设计结合体的靶点上进行湿实验室验证。
团队正是出于这一原因选择了GM2A——神经节苷脂GM2激活蛋白。GM2A是一种小型溶酶体辅因子,从细胞膜中提取神经节苷脂GM2分子,并将其呈递给β-氨基己糖苷酶A进行降解。当编码GM2A的基因发生突变时,会导致GM2神经节苷脂沉积症AB变异型——一种罕见而严重的泰-萨克斯病形式,其中GM2在神经元中积累,造成进行性神经退行性变。该蛋白还在多发性骨髓瘤中引起治疗兴趣,并已有一项临床试验登记。
当团队用Prompteina针对GM2A运行时,此前没有发表过靶向GM2A的从头设计蛋白质结合体。
研究人员使用对所需结合性质的自然语言描述设计结合体候选物,合成排名靠前的候选物,并通过表观平衡解离常数(K_D)实验测量结合亲和力。九个设计方案与靶点结合。最强者的K_D达到107纳摩尔。
作为参照:处于临床开发阶段的单克隆抗体通常能达到低纳摩尔至皮摩尔范围的结合力,许多治疗候选物处于1至10纳摩尔区间。在107纳摩尔时,Prompteina最强的GM2A结合体高于该区间——足以确认与靶点存在真实、特异性的相互作用,但尚不足以在没有进一步优化的情况下进入临床开发。然而,在一个此前难以攻克的靶点上实现这一点,且使用的是以通俗语言提示、而非手工结构规格的模型,构成了有意义的概念验证。选择GM2A正是因为此前没有任何设计流程报告成功;Prompteina产生九个确认结合体,表明其方法能够推广到已建立靶点的分布之外。
贝克实验室遇上华盛顿大学自然语言处理研究者
作者名单本身就表明,这一领域已经走得离纯生物学或纯机器学习有多远。
戴维·贝克(David Baker)是论文第八作者,也是华盛顿大学医学院蛋白质设计研究所(UW Medicine Institute for Protein Design)所长。他与谷歌DeepMind的德米斯·哈萨比斯(Demis Hassabis)和约翰·江珀(John Jumper)共同获得2024年诺贝尔化学奖。哈萨比斯和江珀因AlphaFold的蛋白质结构预测能力获奖;贝克则因数十年的计算蛋白质设计工作获奖,包括Rosetta软件平台以及首个具有新结构的人工设计蛋白质。他在Prompteina上的共同作者身份,符合其实验室推动生成式设计前沿、而非整合既有工作的模式。2026年早些时候,该研究所宣布了一项700万美元的转化计划,以加速计算蛋白质设计从实验室走向商业应用。
较不寻常的是汉娜·哈吉希尔齐(Hanna Hajishirzi)和诺亚·A·史密斯(Noah A. Smith)的出现——两人都是全球最知名的自然语言处理研究者,且都在华盛顿大学。哈吉希尔齐担任艾伦人工智能研究所(Allen Institute for AI)自然语言处理研究高级主任,并共同领导OLMo开源语言模型计划;她于2025年被选为ACL会士。她的共同作者身份在Prompteina论文中有注明。史密斯发表过关于AI政策与治理的研究,包括机器学习机构应如何对待科学共识。艾莉森·埃廷格(Allyson Ettinger)也出现在作者中,她是一位认知科学家和自然语言处理研究者,专注于语言模型如何表示意义。
在语言模型如何学习表示并泛化文本方面具有深厚专长的研究者参与其中,对Prompteina的设计并非偶然。将残基级结构生成与任意自然语言条件化对齐的挑战,正是自然语言处理研究者多年来在其他模态——视觉、机器人、代码——中研究的那类 grounding 问题。这一合作表明,生物学与AI接口处的未来工作将越来越多地借助自然语言处理专长,不是作为次要支持,而是作为条件化界面如何设计的首要贡献者。
Prompteina在自然语言蛋白质设计中的位置
Prompteina并非首次尝试把自然语言与蛋白质设计连接起来,但它是在全原子三维结构层面做到这一点并获得实验验证的首个模型。
Pinal是西湖大学于2025年初发布的一个160亿参数模型,它证明自然语言可以指导若干功能类别的蛋白质序列生成,使用了17亿对合成注释的蛋白质-文本配对。其他方法——ProteinDT、InstructPro配体结合设计框架和ProtoCycle——探索了语言条件化的序列生成以及蛋白质工程规划框架。
Prompteina的不同之处在于其操作层级。蛋白质序列折叠成结构,结构决定功能;直接在结构层面工作,省去了设计流程中的一个步骤,并避免序列到结构转换中累积的错误。它还使模型能够以通俗语言对难以表达为氨基酸序列约束的结构性质进行条件化——例如所需几何形状、结合界面拓扑、特定基序排列。
论文同时发布了代码、训练数据和预训练模型权重,使该方法立即向更广泛的研究社区开放,位于Prompteina的GitHub仓库。NeurIPS 2026将于今年12月在悉尼举行主会议,对论文进行正式展示,并在亚特兰大和巴黎举办卫星活动。
自然语言如今已经足够:这对药物发现意味着什么
一个针对此前难以攻克靶点的107纳摩尔结合体是一项结果。它还不是疗法。从大学实验室发现的结合蛋白到获批药物之间的差距,以数年时间、数亿美元和临床试验来衡量,而这些试验的失败率会让制药行业之外的人感到震惊。与GM2A功能障碍最直接相关的疾病——GM2神经节苷脂沉积症AB变异型——极为罕见;仅凭这一适应症推动结合体进入临床开发的商业路径很难构建。
但Generate Biomedicines与Zealand Pharma的AI蛋白质交易——承诺投入12亿美元用于针对肥胖和代谢病的AI设计蛋白质疗法——反映出一种完全不同的算计。当靶点是常见疾病且流程实现自动化时,AI蛋白质设计的商业逻辑就变得可行。Prompteina的贡献是方法学上的:它证明自然语言是全原子蛋白质结构生成的充分界面;训练此类模型所需的数据集和对齐基础设施可以被组装起来;以这种方式训练的模型能够泛化,在新型靶点上产生经实验验证的命中物。
这一证明引出一个更大的问题:谁能够进行蛋白质设计。现有流程——需要具有深厚专长的结构生物学家以模型可接受的格式指定设计约束——是一个将领域限制在专家手中的瓶颈。接受自然语言描述的模型显著降低了这一门槛。一位不熟悉基于结构的设计条件化的计算化学家,可能仍然知道自己希望蛋白质具有哪些功能性质。一位临床医生可能用生物学术语描述靶点结合特征,而不知道如何将其编码为基序支架约束。
Prompteina当前的自然语言界面是否足够稳健,能够可靠支持非专家用户,是论文尚未回答的实证问题——其实验由具有相当蛋白质设计专长的研究者运行。但随着制药公司向这一方向投入数十亿美元、工具逐渐成熟,从拥有一个蛋白质想法到拥有一个体现该想法的结构之间的距离,仍在继续缩短。
常见问题
Prompteina是什么,它与其他蛋白质设计工具有何不同?
Prompteina是首个接受用通俗英语写成的设计目标、而不要求以专门输入格式提供结构参数的全原子蛋白质结构生成模型。此前的RFdiffusion和Proteina-Complexa等工具要求工程师以各模型架构特有的格式指定目标——每种目标类型对应一种条件化格式。Prompteina使用继承自英伟达Proteina-Complexa的流匹配生成架构,并结合文本条件化;后者在180万个蛋白质结构和超过5000万条自动生成的说明文字上训练,这些说明将特定氨基酸残基与其文本描述关联起来。其结果是一个能够跨设计目标泛化、在目标变化时无需更改格式的模型。完整技术细节见arXiv上的Prompteina论文。
107纳摩尔结合亲和力在药物发现中究竟意味着什么?
结合亲和力衡量设计蛋白与其靶点分子结合的紧密程度,以平衡解离常数(K_D)表示——数值越低意味着结合越紧。在107纳摩尔时,Prompteina最强的GM2A结合体处于早期药物发现中被认为有意义的范围:足以确认与靶点存在真实、特异性的相互作用,但不足以在没有进一步优化的情况下进入临床开发。临床使用的大多数治疗性单克隆抗体达到低纳摩尔至皮摩尔范围的结合力,许多候选物处于1至10纳摩尔区间。Prompteina结果的意义在于,它是在一个此前没有设计结合体的靶点上、使用自然语言界面而非手工结构规格实现的——它证明该方法有效,而非已可临床使用。
自然语言蛋白质设计与本周宣布的12亿美元Generate-Zealand交易有何关系?
Generate Biomedicines与Zealand Pharma于2026年10月13日宣布合作,开发针对肥胖和代谢病的AI设计蛋白质疗法,交易价值最高达12亿美元。Generate的平台与Prompteina一样,使用生成式AI设计新型蛋白质结构,而不是通过传统筛选发现它们。该交易反映出日益增长的商业信心:AI蛋白质设计能够以足以支撑制药级投资的规模和速度产生药物候选物。来自学术实验室而非商业平台的Prompteina,在技术层面展示了同样的核心原则:以设计目标为条件化的机器学习系统——在Prompteina的案例中,目标用通俗语言表达——能够产生针对临床相关靶点的、经实验验证的结合蛋白。
Prompteina会向原始团队之外的研究者开放吗?
会。作者在arXiv发布的同时,在Prompteina的GitHub仓库公开发布了代码、训练数据集(Prompteina-Data)和预训练模型权重。该模型将于今年12月在悉尼举行的NeurIPS 2026上正式展示。公开发布使该方法在该展示之前就进入其他研究团队手中,从而能够进行独立评估、针对特定治疗靶点进行微调,并整合到现有药物发现流程中。
【全文结束】

