Nature 最新：Pinal 一句话设计蛋白，拉高验证实验试剂需求
太长不看版
- Pinal 是一个 160 亿参数的蛋白质生成基础模型：只需要用一句自然语言描述功能，它就能端到端生成候选蛋白序列，不需要天然模板、不需要手工拆解三维约束、不需要位点级突变指令。
- 团队用 1.7 亿“蛋白质-文本”配对数据训练，并在湿实验中验证了 GFP、PETase、ADH、H-protein 四大类全新设计蛋白。
- 最亮眼的数据：Pinal 设计的 H-protein 在不做任何实验迭代优化的情况下，把多酶级联合成甘氨酸的产量做到大肠杆菌天然 H 蛋白的 1.7 倍。
- 对销售来说，关键不是“卖 AI”，而是：设计端从“改造已知蛋白”变成“批量生成候选”，客户送合成、做表达、纯化、酶活检测的通量会系统性上升。
- 以后见做蛋白设计的客户，可以多问一句：“您用 Pinal 生成候选之后，基因合成、表达筛选、纯化和活性验证的配套跟得上吗？”
AI 设计蛋白很热，但真正落到实验台面上，很多客户还是“设计一批、做不出来、继续改天然模板”。Pinal 这篇 Nature 的最大变化，是把入口改成了 自然语言：客户说“我要一个能降解 PET 的酶”或者“我要一个能发绿光的蛋白”，模型直接给候选序列。这意味着客户实验室里“蛋白质设计”的通量，可能从个位数走向两位数甚至三位数。
一、论文简介
全篇概括：西湖大学原发杰团队联合香港科技大学（广州）、中国科学院深圳先进技术研究院等机构，在 Nature 发布生成式蛋白质基础模型 Pinal。它要解决的是“人类高层功能意图”和“底层氨基酸序列”之间的对话瓶颈：过去用 AI 设计蛋白，要么以天然蛋白为优化起点，要么需要专家把“设计一个塑料降解酶”翻译成三维骨架约束、位点突变指令等技术规范，普通实验生物学家很难直接上手。Pinal 的做法是先让模型把自然语言变成离散的 3Di 结构 token（相当于蛋白质的“骨架蓝图”），再在结构蓝图和文本语义的共同约束下生成氨基酸序列。训练数据是 1.7 亿对“蛋白质-文本”合成语料，模型总规模 160 亿参数。团队不仅做了计算基准，还在湿实验中验证了 GFP、PETase、ADH 和 H-protein 四大类截然不同的从头设计蛋白。其中 H-protein 在未经过任何湿实验定向进化或迭代优化的情况下，把甘氨酸产量做到大肠杆菌天然 H 蛋白的 1.7 倍。
问题 1：解决了什么问题？
- “对话瓶颈”：过去 AI 蛋白设计工具要么需要天然蛋白作为起点，要么需要专家把高层功能目标手工拆成结构约束和突变指令；Pinal 让客户直接用自然语言描述功能，端到端生成候选序列。
- “设计通量瓶颈”：以前一个课题组一年可能只认真做几个设计；Pinal 可以一次生成数万条候选，计算过滤后挑几十到上百条送湿实验。
- “功能对齐瓶颈”：很多文本引导模型生成的序列与输入描述对不上，或者根本折叠不了；Pinal 在计算基准和湿实验中同时验证了可折叠性与功能相关性。
问题 2：用了什么方法？
- 两阶段生成：先把文本生成离散 3Di 结构 token（T2struct），再融合文本与结构生成氨基酸序列（SaProt-T / SaProt-O）。
- 大规模合成数据：构建 1.7 亿“蛋白质-文本”配对，覆盖 Swiss-Prot 精细注释、TrEMBL 检索扩增、InterPro 关键词、AFDB 无注释结构等。
- 全局采样与重排序：先采样多个候选结构骨架，再为每个骨架设计序列，最后按两阶段联合对数概率重排序，避免贪心策略的局部最优。
- 湿实验验证：GFP 荧光、PETase 固体 PET 薄膜降解、ADH 三个亚家族酶活、H-protein 多酶级联甘氨酸合成，全部用实验说话。
问题 3：对科研试剂销售行业有什么启示？
- 设计端 AI 化，合成端和验证端放量：Pinal 把“设计”的门槛降到一句话，但每一条生成序列最终都要变成基因合成、转化表达、纯化、酶活检测的试剂消耗。
- 卖的不是“AI”，是“设计之后的湿实验配套”：客户用 Pinal 生成 5 万条候选，计算过滤后可能送合成几十到上百条；这几十条背后的感受态细胞、培养基、纯化柱、底物、微孔板才是订单。
- 方案型销售比单盒试剂更有空间：能帮客户算“哪些候选值得合成、哪些值得纯化、活性怎么筛”的销售，比只报货号的销售更容易切入 AI 蛋白设计课题组。
二、对比其他类似 AI 工具：Pinal 的独特之处
在 Pinal 之前，真正面向“文本引导蛋白质设计”的模型并不多，但每一个都有明显硬伤，而这些硬伤恰好说明 Pinal 为什么值得销售关注。
- ProteinDT：此前较明确的文本到蛋白质设计模型，但模型和数据规模比 Pinal 小几个数量级；在实际基准中，设计的蛋白与输入文本对齐度与随机基线没有统计差异，大量序列无法折叠成合理结构。
- Chroma：扩散模型，通过预训练蛋白质描述模型做条件引导，但作者自己承认设计出的蛋白与预期提示词之间只存在偶然对齐；在长句功能描述下，文本对齐和可折叠性都明显不足。
- ESM3：看起来最接近，但本质上是关键词输入模型，无法解析复杂自然语言；其被验证的荧光蛋白还使用了预定义序列和结构片段作为条件，并非真正的纯语言引导。在 InterPro 关键词任务这个“ESM3 主场”上，Pinal 的关键词恢复率仍达到 ESM3 的数倍。
- Pinal 的独特之处：支持复杂自然语言长句直接生成；用离散结构 token 做桥梁，兼顾可折叠性与功能对齐；有 160 亿参数和 1.7 亿配对数据的规模；更重要的是，GFP、PETase、ADH、H-protein 四类蛋白都做了湿实验活性验证，不是只停留在计算指标。
对销售而言，这个对比的意义不在于“谁的技术更先进”，而在于客户现在可以做的事情的边界被重新定义了。以前客户说“我想用 AI 设计蛋白”，你很难接话，因为你知道大概率设计出来的东西做不出来。现在你可以直接问：“你想设计什么功能的蛋白？Pinal 可以按你的描述生成候选，你需要的是合成、表达还是活性验证的配套？”——技术工具的可信度提升，是试剂销售切入对话的正当理由。
三、客户拜访话题库（开场话术）
每一条都能独立成篇，也都能做客户拜访的开场话术。
话题 1（面向做酶工程的 PI 或博后）：设计通量从“改造一个”变成“生成一批”。
“老师，最近 Nature 上那个 Pinal 的文章您关注了吗？西湖大学原发杰团队的，一句话描述功能就能直接生成蛋白序列，不需要模板。我注意到他们做 PETase 的时候，从 20 万条初始序列里筛出 94 条做湿实验，最后就找到一个能真正降解固体 PET 薄膜的酶。如果您的课题组在做新酶挖掘或者改造，这种‘大批量候选→湿实验筛选’的模式，对基因合成和酶活检测的通量要求会完全不一样。您最近有没有在跑类似的设计-验证循环？”
话题 2（面向做荧光探针/成像工具的课题组）：设计速度不再是瓶颈，瓶颈在“拿到序列之后多快做出来”。
“老师，有个技术动向想跟您聊一下。以前从头设计一个荧光蛋白，光是搭发色团和桶状骨架就要耗掉大半年。Pinal 这篇文章里，只给了一段描述 GFP 发光功能的文字，生成 5 万条候选，最后 29 条送合成，就拿到了一个能正常发绿光的全新蛋白，24h 可检荧光。这意味着如果您想做一个特定激发/发射波长的探针，设计端的速度已经不是瓶颈了，瓶颈反而在‘拿到序列之后多快能做出来’。您这边基因合成和表达纯化的周期现在大概是什么节奏？”
话题 3（面向做合成生物学/多酶级联的课题组）：从头设计一个衔接组件，嵌进现有酶系。
“老师，Pinal 那篇文章里最让我意外的不是 GFP，是 H 蛋白。他们设计的一个全新 H 蛋白，在没有做任何定向进化的情况下，在多酶级联体系里的甘氨酸产量做到了天然大肠杆菌 H 蛋白的 1.7 倍。机制上的原因是设计出来的摇臂不被锁在疏水腔里，摆渡效率更高。如果您在做多酶体系或者体外合成通路，这种‘从头设计一个衔接组件，然后嵌进现有酶系’的思路，可能比优化现有组件更快出数据。您现在的级联体系里有没有哪个衔接蛋白或辅因子再生模块是限速步？”
话题 4（通用破冰，面向不确定是否关注 AI 设计的客户）：设计端正在从“改造已知”变成“生成候选”。
“老师，我不确定您有没有注意到，蛋白质设计这个领域最近有一个挺根本的变化：以前是‘先有天然蛋白，再改造’，现在是‘先写一句功能描述，让模型直接生成候选’。西湖大学 Pinal 那篇 Nature 做的就是这件事，湿实验已经验证了四大类蛋白。我之所以跟您聊这个，是因为一旦设计端变成这种模式，下游的基因合成量、表达筛选量和活性检测量会成倍上来。您这边感受明显吗？”
四、潜在销售机会
表一：四个湿实验验证案例 = 四类客户画像
| 案例 | 设计漏斗（原文） | 关键结果 | 主要切入产品 |
|---|---|---|---|
| pinalGFP 绿色荧光蛋白 |
50,000 候选 → 29 条合成 → 1 条发绿光 | 发色团 TYG 基序为计算嫁接，突变后荧光消失；Ex 460 / Em 510（avGFP 区间） | BL21(DE3)、pET 载体、IPTG、Ni-NTA、荧光酶标、UV 透射成像、发色团突变引物 |
| pinalPETase36 PET 水解酶 |
200,000 候选 → 2,416 → 94 条合成 | 4-NPB 酯酶初筛；PET 膜 40℃、pH 8.0、7 天降解出 MHET / TPA | 4-NPB 底物、PET 膜片、HPLC/LC-MS 产物定量、SEM 样品处理、缓冲体系 |
| pinalADH 醇脱氢酶 |
2,500 候选 → 1,000 → 8 条验证 → 5 条有活性 | 跨短链 / 中链 / 长链，铁依赖；活性用 DNPH 衍生化 + HPLC 判定 | NAD(P)+/NADH、醇类底物、340 nm 动力学、辅酶循环检测、SEC、CD |
| pinalH02 代谢 H 蛋白 |
50,000 候选 → ~1,000 → 20 条合成（14 可溶、5 活性） | 重构多酶 CO₂ 固定通路中甘氨酸滴度 11.1 mM，为天然 E. coli H 蛋白的 1.7 倍 | 甘氨酸裂解系统组分、脂酰载体蛋白标准、CO₂ 固定通路试剂、多酶偶联耗材 |
说明：「主要切入产品」不构成采购建议。
表二：实验流程 → 可推试剂耗材
下表「原文做法」为论文明确信息；「行业备选（非原文）」为销售机会，非论文指定。
| 环节 | 原文做法 | 行业备选 | 可要样/报价话术 |
|---|---|---|---|
| 序列落地 | 基因合成（GENEWIZ / 广州艾基 / Tsingke 分任务） | 密码子优化、gBlocks、Golden Gate / Gibson mix | 「按每轮候选数配基因合成+克隆 mix，不用自己配」 |
| 表达 | E. coli BL21(DE3)（Tsingke） | Rosetta2、Shuffle T7（难溶/二硫键，备选） | 「常规 BL21(DE3) 我们备货，特殊靶点再上 Rosetta」 |
| 标签体系 | pinalGFP = N 端 6×His（pET28a）；pinalADH / pinalPETase / pinalH = C 端 6×His；预筛用 N 端 SUMO + Strep-II | Strep-tag、MBP、GST 融合（备选） | 「按任务定 N 端还是 C 端，别一刀切」 |
| 小量筛选 | 96 深孔板、IPTG 诱导、裂解+蛋白酶抑制剂、SDS-PAGE 预制胶、蛋白 Marker | 15–18℃ 低温诱导优化、可溶/包涵体分级试剂盒 | 「96 孔小量筛板打包，一次看出哪些候选值得放大」 |
| 纯化 | Ni-NTA（Qiagen）、HisTrap FF Crude（Cytiva）、Superdex 200 Increase 10/300（Cytiva）、Amicon Ultra-15 30 kDa（Millipore） | Strep-Tactin、TEV/3C 蛋白酶切标签 | 「Ni 粗纯→HisTrap→SEC 抛光，聚体一眼看出来」 |
| 浓度/折叠 | BCA（Biogene）；CD 光谱缓冲液（低 UV 吸收磷酸盐） | Thermal shift / SYPRO Orange（qPCR 仪测 Tm）、DLS | 「Tm 与聚集体一次跑完，先筛稳定候选」 |
| GFP 活性 | 荧光酶标 Ex 460 / Em 510 | UV 透射成像、发色团突变引物 | 「460/510 是 avGFP 区间，具体峰位要看你们蛋白」 |
| PETase 活性 | 4-NPB 初筛，410 nm 读 pNP；PET 膜 40℃/pH 8.0/7 天，HPLC 定 MHET/TPA | SEM 样品处理、pH 8.0 缓冲体系、对照 IsPETase | 「410 nm 比色初筛 + LC-MS 产物定量，两档分层筛」 |
| ADH 活性 | DNPH 衍生化 + HPLC；底物转化由 HPLC 色谱叠加判定 | NAD(P)+/NADH、醇类底物、340 nm 动力学 | 「DNPH 衍生化配 HPLC，我们给方法包」 |
| H 蛋白 / 多酶体系 | 含 DTT、THF、甲醛、ATP、脂酸、LplA 的重构体系；甘氨酸滴度 11.1 mM | 甘氨酸裂解系统组分、脂酰载体蛋白标准、SEC 看复合体 | 「多酶协同才是难点，复合体形成看 SEC」 |
| 互作/结构 | 原文未指定具体互作/结构平台 | SPR（Biacore）/ BLI（Octet）、SEC-MALS、cryo-EM 栅格、抗 His/Strep 抗体 | 「AI 给序列，你们接表达纯化+cryo，我们供标签体系与柱子」 |
说明：本表不构成采购建议。关键逻辑：Pinal 把“蛋白质设计”的通量从个位数推向两位数甚至三位数；设计端越 AI 化，合成端、表达端、纯化端和检测端的试剂消耗就越刚性。客户不需要你懂 Transformer 架构，但需要你在他说“我在用 Pinal 设计蛋白”的时候，知道下一句问什么、下一单推什么。
销售提示：客户如果做酶工程/塑料降解，优先推基因合成、BL21(DE3) 感受态、Ni-NTA 纯化、pNPB 酯酶活性底物；如果做荧光探针/成像，优先推基因合成、表达筛选、荧光微孔板与荧光检测耗材；如果做合成生物学/多酶级联，优先推辅因子、还原剂、级联体系小分子和纯化耗材；如果客户还在犹豫“AI 设计靠不靠谱”，不要争论模型，直接聊“设计出来之后，您准备怎么筛”——这是试剂销售最自然的切入点。
总结
设计端的 AI 化越彻底，合成端、表达端、纯化端和检测端的试剂消耗就越刚性。
对科研试剂销售，这篇 Nature 的最大信号是：客户做蛋白设计的起点正在从“改造已知蛋白”变成“生成候选序列”。你不需要成为 AI 专家，只需要在客户说“我在用 Pinal 设计蛋白”的时候，知道下一句该问什么、下一单该推什么。以后见做蛋白设计的客户，别只问“做不做突变体”，可以补一句：“您考虑用 Pinal 生成候选吗？后续合成、表达、纯化和活性验证的配套跟得上吗？”
参考来源
Dai F., You S., Zhu Y. et al. Programmable design of functional proteins from natural language. Nature (2026). https://doi.org/10.1038/s41586-026-11205-z
Pinal 在线设计平台：http://www.denovo-pinal.com/；GitHub：https://github.com/westlake-repl/Denovo-Pinal
本文由武汉世纪搜整理（https://www.shijisou.com/）