随着新工具的出现，蛋白质和基因组设计技术取得了显著进展。这些工具允许用户使用自然语言表达需求，而不必完全依赖复杂的数学和空间规范。这种趋势代表了研究人员与生物工程软件交互方式的质的飞跃，类似于计算机科学中所谓的自然语言编程概念。
在此背景下，一个包括中国研究人员在内的国际研究团队开发了一种名为Pinal的新工具，旨在简化蛋白质设计过程。该工具依赖于两个基本阶段；第一阶段称为T2struct，负责将文本指令翻译成基于氨基酸空间概率的线性结构图，而由SAProt-T系统代表的第二阶段则负责重新评估和收敛结构，以生成所需蛋白质的最终序列。
成功率有限但前景广阔的实际实验
为了测试Pinal工具的效率，研究人员要求它设计四种不同类型的蛋白质，包括一种荧光蛋白和多种酶。以类似于著名GFP蛋白的荧光蛋白为例，该工具被指示生成五万个候选蛋白，随后经过严格的筛选过程，对目标结构和构型进行比较。
筛选过程产生了包含二十九个候选蛋白的短名单，这些蛋白在实验室中被制造和试验，最终产出一个按预期工作并发光的蛋白质。尽管直接成功率较低，但研究人员指出，只要配备有筛选和验证实验室，这种方法就降低了对蛋白质化学深厚技术专业知识的需求。
将自然语言范围扩展到DNA
与此同时，Hugging Face与中关村学院和那不勒斯腓特烈二世大学合作，宣布推出一个名为Carbon X的开源权重模型。该模型在本地运行，可以在苹果笔记本电脑等低成本硬件上运行，从而解决了与大型商业模型相关的隐私难题和云计算成本。
该模型基于Qwen3-14B人类语言模型，并利用DNA数据进行了重新训练，使其能够理解人类语言与基因密码并进行相互翻译，从而允许用户直接就基因修饰的影响提出分析性问题。
对用户和研究人员而言，实际发生了什么变化？
这些进展并不意味着不再需要生物学家或专业实验室，因为对高级筛选软件和实验室实验验证的需求仍然迫切。但另一方面，它们消除了非生物信息学专业研究人员面前的障碍，从而便于通过简单的语言表述提出复杂的科研问题，并加快后基因组时代的发现步伐。