Pinal:Westlake University
自然语言到蛋白的设计模型:把功能描述翻成结构标记再生成序列。
蛋白 · 学术实验室 · 中国 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | Pinal;别名:Denovo-Pinal |
| 家族 | 否(单一模型条目,非家族) |
| 机构 | Westlake University |
| 机构类型 / 国家 | 学术实验室 / 中国 |
| 模型类别 | 文本到蛋白生成 |
| 领域 | 蛋白 |
| 首次发布 | (依据:bioRxiv v1 预印本) |
| 其他里程碑 | 预印本 v1 (bioRxiv v1);期刊上线 (Nature 在线发表) |
| 最近更新 | ,期刊发表:Nature 在线发表;其后 GitHub 与 Hugging Face 的更新为文档类小改动。此为最近一次有出处的事件,不代表此后没有更新 |
| 开放程度 | 代码:开放(Apache-2.0);权重:开放(Apache-2.0);权重与代码在 GitHub 与 Hugging Face,Apache-2.0;完整训练语料未公开 |
| 状态 | 活跃:12 个月内有期刊发表 |
| 报过的 benchmark | 0 项计入 |
| 湿实验验证 | 4 条记录 |
| 全站实体页 | 无(全站无对应页面) |
| 截至 | 2026-11-16 |
做什么
把自然语言的功能描述先翻译成结构标记,再据此设计序列;约 160 亿参数,训练用 17 亿条蛋白-文本配对。建立在同一团队的 SaProt 之上。
报过的 benchmark
按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。0 项计入。
在本站 44 个 benchmark 上没有任何配对记录;它怎么自评见下一节。
其他评测(不在 44 项内)
- 计算评测(自建任务集,自报):可折叠性、描述与功能一致性、序列多样性与基线比较,无汇总数值
开发方称:开发方称可把自然语言描述直接变成有功能的蛋白,四项任务未经迭代优化即观察到活性
独立证据:未检出独立证据(未检出独立证据)
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 公开注释库(蛋白序列、结构、结构域与酶注释)生成的 17 亿条合成蛋白-文本配对 | — |
| b 私有 / 授权 | 否 | — | — |
| c 自产 wet lab 训练数据 | 否 | — | — |
| d 仅用于验证的 wet lab | 是 | 四项任务的湿实验仅用于验证 | — |
湿实验验证
每个比率都带分子与分母;未核实的条目不给数字。不同版本的来源分开列。
| 实验 | 靶点数 | 受测设计 | 命中 | 成功率 | 最佳亲和力 | 分母口径 | 版本 | 来源类型 | 日期 | 核实 | 执行方 | 说明 | 出处 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 荧光蛋白 | — | 29 | 1 | 1 fluorescent design | — | 生成 50,000 条序列,筛后测试 29 个候选,1 个发绿色荧光 | bioRxiv v9 | 自报 | — | 已核实 | — | 已按预印本 v9 全文核实,原"无法核实"标记解除;开发方自行实验 | 出处 |
| 代谢途径 H 蛋白 | — | 20 | 5 | 14/20 (70%) soluble; 5 active in a reconstituted CO2-fixation system | 甘氨酸产量 11.1 mM,为天然蛋白的 1.7 倍 / glycine titer 11.1 mM, 1.7x the native protein | 50,000 个初始候选筛至约 1,000,合成 20 个:14/20 可溶,5 个在重构体系中有活性 | bioRxiv v9 | 自报 | — | 已核实 | — | 已按 v9 全文核实;开发方自行实验 | 出处 |
| PET 水解酶 | — | 94 | — | — | 最佳变体 Tm 56.84 ± 0.29 ℃ / best variant Tm 56.84 ± 0.29 C | 生成 200,000 条,2,416 条通过筛选,合成并筛选 94 个;未报命中率 | bioRxiv v9 | 自报 | — | 已核实 | — | 此前缺失的计数已补齐;开发方自行实验 | 出处 |
| 醇脱氢酶 | — | 8 | 5 | 5 expressed and purified across three subfamilies | — | 2,500 个初始候选、1,000 个高置信,选 8 个,5 个表达纯化(覆盖三个亚家族) | bioRxiv v9 | 自报 | — | 已核实 | — | 底物转化以色谱对照无酶组显示,无数值活性;开发方自行实验 | 出处 |
背景
- 机构:西湖大学学术团队,与多所高校及研究院、一家生物技术公司合作;非公司主体
- 融资:由中国国家与省级科研基金资助
- 产品与合作:建立在同一团队的 SaProt 之上;完整语料因双重用途考虑未公开
- 相关模型:SaProt、ProGen3
怎么看
- 四项湿实验均为开发方自做,规模在几十个设计量级
- 全部计数已在预印本 v9 全文核实,可以给数字
局限与注意
- 不在 44 项 benchmark 上报告结果,按本轮口径在零配对名单上
- 完整训练语料未公开,外部无法完全复现
来源
- bioRxiv 预印本(预印本)
- Crossref 记录 10.1038/s41586-026-11205-z(期刊)
- GitHub 仓库 westlake-repl/Denovo-Pinal(仓库)
- Hugging Face 页面 westlake-repl/Pinal(仓库)
- 期刊论文 DOI 10.1038/s41586-026-11205-z(期刊)
- bioRxiv 预印本(预印本)
更正记录
无。
本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。