如果对人工智能（AI）说一句“我想要一种能降解PET塑料的酶”，它能否据此生成一条可在实验室里验证的候选蛋白质序列？这已不再是科幻想象。

10月21日，香港科技大学（广州）助理教授卢泓远团队、西湖大学助理教授原发杰、研究员刘建明团队，以及中国科学院深圳先进技术研究院研究员司同团队合作完成的研究，以《基于自然语言的功能蛋白质可编程设计》为题发表于《自然》。该研究提出了蛋白质设计模型Pinal。

原发杰和实验室成员在讨论中。研究团队供图，下同

“只需输入一段描述目标功能的文字，Pinal模型便能生成候选蛋白质序列，供后续筛选和实验验证。”论文共同通讯作者原发杰表示，该研究尝试将自然语言功能描述直接作为蛋白质设计的输入，为功能蛋白质设计提供了新的路径。

文字到序列，难在何处？

长期以来，人工设计功能性蛋白质始终卡在一道关键门槛上：即便有AI辅助，研究者也得先把“要实现什么功能”拆解成具体的结构参数、氨基酸位点等专业条件，才能推进后续设计。

“从需求到落地，路径漫长且高度依赖经验。”论文共同通讯作者卢泓远表示，蛋白质就像生命体系里各司其职的纳米级分子机器，催化反应、转运物质、传递信号都离不开它。

在传统蛋白质设计中，研究人员通常需要从天然蛋白质出发，通过结构分析、关键位点调整以及多轮实验筛选，不断优化目标功能，整个过程复杂且需要较高的试错成本。

“即便引入AI技术，过去的模型也大多需要使用者提供精准的结构约束，无法直接理解‘这个蛋白要用来降解塑料’这类直白的功能诉求。”论文共同第一作者、香港科技大学（广州）博士生游世洋表示。

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）。

Pinal并非直接从文字生成氨基酸序列，而是引入蛋白质三维结构作为中间桥梁：先根据自然语言功能描述生成对应的蛋白质结构，再以此为基础设计完整的氨基酸序列。这一思路类似于先根据功能需求绘制设计蓝图，再进一步确定具体组成，从而降低模型学习的复杂度，并提高候选设计的可靠性。

为支撑这套逻辑，团队构建了包含17亿组蛋白质—文本配对的大规模合成数据集，覆盖约1.35亿条不同的蛋白质序列及其对应结构，最终训练出参数规模达160亿的Pinal模型。计算评测结果表明，随着训练数据量和模型规模的提升，生成蛋白质与目标功能的匹配程度及预测结构的合理性均有所改善。同时，模型还能够生成序列多样、具有一定结构新颖性的候选蛋白质，为后续实验筛选提供更多选择。

模型运行流程大致分为三步：第一步，根据文字生成蛋白质结构蓝图；第二步，照着蓝图安排氨基酸放置位置；第三步，对众多候选氨基酸序列打分，挑出最符合目标的候选序列。相当于让模型先知道“发挥这个功能的蛋白质长什么样子”，再设计序列。

序列生成之后，能否工作？

“计算预测只是第一步。”卢泓远表示，“AI设计出来的序列能否在实验中真正发挥作用，是这项研究的关键。”

卢泓远（左三）指导学生实室。

为此，联合研究团队选择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个候选设计中获得具有绿色荧光的pinalGFP，其发光特性与绿色荧光蛋白相符；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。研究人员筛选获得具有催化活性的pinalPETase36。该蛋白不仅能水解模型酯类底物，还能在特定实验条件下作用于固体PET材料。随着反应进行，化学分析检测到逐渐积累的PET降解产物；扫描电子显微镜观察也显示，经酶处理的PET表面形成明显孔洞和凹坑。

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蛋白承担反应中间体转运任务，不仅需要形成合适结构，还需经过翻译后修饰，并与其他酶有效配合。因此，它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。

原发杰介绍，Pinal的关键不只是让AI生成一串看起来合理的氨基酸字母，而是继续追问：这些字母“组成”的蛋白质，离开电脑后，能不能在真实实验中发挥功能？但他也说，目前Pinal模型仍处于概念验证阶段，更多精细化的蛋白质功能设计需求，例如通过文本指定荧光蛋白的发光波段，仍是下一阶段的科研挑战。

“设计荧光蛋白质仍然是一项很有挑战的任务。”论文共同通讯作者司同告诉《中国科学报》，训练数据库中这类蛋白质的天然序列仅有数百条，可供模型学习的样本十分有限。实验验证同样不容易。设计蛋白的荧光信号很微弱，发色团成熟也需要时间，因此需要在细胞、纯化蛋白等不同类型样品中，结合不同条件和时间点进行测量。

概念验证之后，边界何在？

这项成果的落地，本身就是人工智能、蛋白质工程、生物催化等多个学科深度协作的结果：不同机构的研究者分工完成模型搭建、数据扩充、序列生成、蛋白表达、活性验证等环节，最终打通了从“文字描述”到“功能蛋白”的完整闭环。

卢泓远（左三）展示产品。

游世洋和论文共同第一作者、西湖大学博士生戴枫源，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。

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。团队对20个候选H蛋白开展实验测试，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。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%。

记者了解到，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。

现阶段，Pinal仍存在明确的能力边界：它还无法直接通过自然语言精准指定荧光波长这类细粒度的定量性质，计算筛选也不能完全替代真实实验的活性测定。但随着后续功能数据的持续积累，以及AI模型与高通量实验技术的进一步融合，这种“用说话的方式设计蛋白质”的模式，未来有望在绿色制造、环境治理、生物医药等领域释放应用潜力。

对香港科技大学（广州）来说，这道题也算答在了点子上：跨学科不是挂招牌，而是让人工智能、蛋白质工程、生物催化在同一根反应管里发生“化学反应”，产出能解决实际产业问题的硬核成果。

相关论文信息：https://doi.org/10.1038/s41586-026-11205-z