蛋白质结构能否直接由自然语言描述设计？

一个文本接口取代逐属性输入

多数蛋白质结构生成模型为每种属性设计专门的输入格式：折叠用一个类别标签，二级结构用逐残基字符串，二硫键用键矩阵。每增加一个新目标就要新增一种表示，这限制了一个模型能支持多少种设计目标。Prompteina 的前提是，自然语言可以充当统一的接口，就像文生图模型无需任务专用控件也能表达多种视觉属性。

该模型并不只是在推理阶段把文本当作筛选条件。它让去噪过程直接以文本嵌入为条件，同时生成主链坐标、侧链潜变量和氨基酸序列。这与更早的文本引导蛋白质工作不同：后者要么用单独的结构到描述模型引导采样，要么先生成序列、再折叠成结构。论文认为，由于两种模态都以同一条提示为条件，控制能延伸到残基级特征，而不止于整体折叠。

180 万结构配描述的数据集支撑控制

细粒度的文本控制需要描述细粒度结构的文本，而作者发现已有的文本–蛋白质数据集只把序列与高层功能描述配对。他们构建了 Prompteina-Data：180 万个结构和 5240 万条描述，同时覆盖功能属性和结构属性，来源包括 PDB 链（61.1 万条，1950 万条描述）、AlphaFold 数据库单体（28.87 万条，750 万条描述）和合成的 Teddymer 二聚体（90.3 万条，2540 万条描述）。

描述由数据库注释和直接从原子坐标计算出的属性生成，涵盖折叠与拓扑、二级结构、配体相关特征等十个类别。数据集尽可能记录描述中的哪些短语对应哪些残基。正是这种短语与残基的对应关系，让模型后来能学到某个具体短语应控制结构的某个具体部分，而不只是控制整体形状。

分阶段训练在加入文本时保住折叠精度

Prompteina 改造的是预训练的全原子结构生成模型 Complexa，而不是从头训练。新增的文本通路有两条：通过自适应层归一化的池化条件，以及通过交叉注意力的 token 级条件；它们先在去噪器冻结的情况下训练。随后解冻去噪器，在 Prompteina-Data 上做文本条件的持续预训练，最后一步微调一个对齐头，把描述短语与残基对应起来。

对齐阶段被刻意限制得很窄。作者报告，更高的学习率或解冻 query 和 key 投影会在一到两个 epoch 内损害折叠精度，因此他们只训练最后五个交叉注意力层中的 value 和 output 投影，以三分之一的参数量达到与全部十四个层相当的效果。交叉注意力的输出由一个初始化为零的逐层标量门控，因此文本的影响从零开始增长，不会在训练初期扰乱预训练生成器。

属性覆盖范围比基线更广

在 18 项结构属性上，Prompteina 在 15 项上优于基线，生成的蛋白质也更贴近对其预期功能的描述。这一比较之所以重要，是因为基线既强又专门：RFdiffusion3 和 BoltzGen 在一个模型里组合了多种控制，但每种属性都有独立输入和自己的训练注释；ESM3 则为每种属性使用专门的 token 轨道，各自有独立的 token 化和噪声调度。

论文的主张并不是文本在每种专门控制的主场上都胜过它。它的主张是一个接口覆盖更广的目标范围，同时在基线也支持的属性上达到或超过现有方法。对正在考虑新增设计目标的读者来说，这一区别很实际：用逐属性接口，新目标意味着新注释和新输入通路；用文本，新目标意味着新描述。

结合体设计的增益集中在界面指定

在结合体设计中，Prompteina 在 20 个靶标中至少 13 个上领先基线，并把界面置信度比最强基线提高了 14%。这里的指标是 ipSAE min，一个在生成序列上计算的界面置信度分数，不是实验结合测量。Prompteina 可以接受以残基数表示的界面大小和埋藏表面积作为输入，而 RFdiffusion3 和 BoltzGen 都不接受这些输入。

一项消融实验分离出了增益来源。在全部 20 个靶标上用逐步丰富的提示重跑，期望 top-k ipSAE min 在只给折叠时为 0.362，加入形状后为 0.364，同时给出折叠、形状和界面属性时为 0.455。形状指定带来的提升很小，界面指定带来的提升最大。在每个靶标内部，实际实现的埋藏表面积越大，界面置信度越高；作者用这一相关性来支撑消融实验，而不是把它当作已证实的因果关系。

迭代反馈在困难靶标上帮助最大

论文还测试了一种工作流：语言模型智能体读取设计评分，并为下一轮写出新的规格。在 20 个靶标上，四轮各 50 个设计的结果与同等预算的独立生成相比较。Prompteina 从这一循环中获得的收益超过两个基线，且优势在最难的靶标上最大：在这些靶标上，它相对非迭代生成的增益比次优基线大 57%。

论文给出的解释是，更宽的接口让智能体有更多属性可以修改。在 Claudin-1 的例子中，智能体先尝试不同拓扑，然后要求更大的界面，每一轮都改进了最佳设计。与任一基线搭配时，智能体也能找到有效的模式，但每个基线的接口可供修改的属性更少。这是作者对机制的解读，依据是增益的分布模式，而不是对成因的直接检验。

九个 GM2A 结合体，最强 107 nM

实验验证针对 GM2A，这是一种此前没有报道过 de novo 结合体的蛋白质，先前一次 30 个设计的行动也未得到结合体。团队以 1000 个设计的预算运行迭代优化，选出 90 个设计送检，其中 89 个成功表达并用 SPR 检测。九个被判定为结合体，八个有拟合的表观 KD 值，六个亚微摩尔结合体呈现多样的架构，检测命中率为 6.7%。最强结合体在三次重复中的总体表观 KD 为 107 nM。

这些是 SPR 测得的表观 KD 值，不是完整热力学分析得到的平衡常数，而且该行动被描述为针对单一靶标的概念验证。设计也实现了智能体要求的架构：围绕 GM2A 残基 W94 的双层 α/β 折叠，五条链，一个疏水界面，界面残基 21 个，而要求的是 22 个。提示与结构之间的这种一致性，是论文关于残基级文本规格可被执行的最清晰证据，不过它只在一个靶标上展示，而非在 20 靶标基准上。

文本条件在何处体现价值

论文中最具决策意义的比较，不是笼统的文本与专门控制之争，而是哪些设计目标能从统一接口中获益。在共有的结构属性上，Prompteina 达到或超过基线；它独有的优势出现在目标没有现成输入格式时，例如界面大小和埋藏表面积，以及智能体需要跨轮修改规格时。消融实验显示界面属性带来大幅提升而形状几乎不带来提升，指向同一个优先级：指定界面，而不只是指定折叠。

证据也划出了边界。20 靶标的结合体基准使用 ipSAE min，这是一个计算置信度分数；实验验证只覆盖一个靶标，用的是 SPR 测得的表观 KD 值。迭代反馈的优势是在计算机内测量的。在这些限制之内，论文支持一个具体判断：当设计目标是残基级的，并且人或者智能体会依据反馈反复修改规格时，自然语言作为条件接口最有价值，而这正是固定的逐属性输入用尽表达空间的地方。

本文引用的文献