Pinal'in ne yaptığını anlatmanın en hızlı yolu yazılımdan bir deyim ödünç almak: proteinler için vibe coding.
Çin'deki araştırmacıların liderliğindeki geniş bir işbirliği, Nature'da bir sistem yayımladı: bir proteinin ne yapması gerektiğine dair gündelik dille yazılmış bir tarifi alıyor ve bunu yapabilecek bir dizi döndürüyor. Hedef kitle, hangi amino asidin nerede durduğunu zaten bilen yapısal biyologlar değil; ne istediğini bilen ama araçları yapılandıramayan çok daha kalabalık çalışan biyolog grubu.
Akış iki aşamalı. T2struct adlı modül, komutu her kalıntının komşularıyla uzamsal ilişkisini kodlayan ve her birine bir olasılık atayan doğrusal bir token dizisine çeviriyor. Ardından SAProt-T hem özgün metni hem bu planı alıp diziyi üretmek için küresel bir yeniden değerlendirme yapıyor. Yazarlara göre bu küresel geçiş, çok daha iyi bir işlevsel dizi taşıyabilecek, biraz daha düşük olasılıklı bir iskeletin atılmasını önlüyor.
Eğitim işin kaba kuvvet kısmıydı. Ekip, protein işlev etiketlerini bir dil modeliyle gündelik dilde açıklamalara çevirdi ve ikisi üzerinde eğitim yaptı; üç veritabanından gelen diziler AlphaFold'un öngördüğü yapılarla eşleştirildi, tek bir veritabanı bile 800 milyon anahtar kelime-protein çifti sağladı.
Testler tam da abartının tezgâhla buluştuğu yer. Floresan bir protein için Pinal 50 bin tasarım üretti. Bunlar, bilinen floresan proteinlere benzeyen her şey elenerek, GFP benzeri fıçı katlanması ve kilit değiştirilebilir kalıntı şartıyla filtrelendi. Geriye 29 aday kaldı. 29'un tamamı E. coli'de ifade edildi. Tam olarak biri floresan verdi.
Düz okunduğunda bu, kısa listede yüzde 3,4 isabet ve 50 binin yanında yuvarlama hatası demek. Bağlamında okunduğunda göründüğü kadar yıkıcı değil: filtre, çalışma olasılığı en yüksek tasarımları bilinen proteinlere benzedikleri için bilerek attı ve yalnızca fıçı oluşturan adaylar test edildi. Aynı örüntü iki enzim ve büyük bir komplekse katılan bir protein için de geçerliydi.
Ayrı bir duyuruda Hugging Face, Zhongguancun Akademisi ve Napoli Federico II Üniversitesi ile birlikte Carbon X'i yayımladı: aynı numarayı bir katman aşağıda, DNA'da yapan açık ağırlıklı bir model. 14 milyar parametreli bir insan dili modelinin DNA üzerinde yeniden eğitilmesi, ardından pekiştirmeli öğrenme ve denetimli ince ayar ile kuruldu. Ekip ara eğitimi bir denge işi olarak anlatıyor: düşük öğrenme oranı İngilizceyi koruyor ama DNA'yı şans düzeyinde bırakıyor; yüksek oran DNA'yı öğreniyor ama İngilizceyi unutuyor. Sonuç ikisini de okuyup yazıyor; bir diziyi yapıştırıp tek bir bazın değişmesinin ne yapacağını sorabiliyorsunuz.
Hugging Face'in satış argümanı kıyaslama üstünlüğü değil. Ekip, arkasında makale olmadan GPT-6.1 Sol gibi büyük ticari modellerle rekabet edebilen bir performans bildiriyor. Argüman yerellik: demo bir MacBook'ta çalıştı, bu da tekrarlanan sorguları ucuzlatıyor ve tescilli dizileri başkasının sunucusundan uzak tutuyor. Uyarılar gerçek: model uzun dizilerde konumları tam belirtmekte zayıf ve belirsiz komutlarda halüsinasyon görüyor.
İki sistem de biyologu denklemden çıkarmıyor. Diziyi almak kolay; taramak ve test etmek ekipman, reaktif ve eğitimli el gerektiriyor. Değişen şey, kimin başlayabildiği.
