En vivo 18.11 · Cohorte 318 nov, 19:00 MSK — taller práctico gratuito de agentes IA · Cohorte 3 en vivo inicia 23.11Taller 18 nov →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarHabr AI→ original

Pinal diseña proteínas a partir de texto: una de ellas multiplicó el rendimiento del producto por 1,7

La biotecnología necesita una forma más rápida de seleccionar moléculas para probarlas en el laboratorio. Pinal recibe una descripción de la función de una proteína y propone su estructura y su secuencia de aminoácidos: uno de los candidatos obtenidos multiplicó el rendimiento del producto por 1,7 en un experimento. Sin embargo, para encontrar una proteína fluorescente hubo que generar unas 50.000 secuencias. En paralelo, se ha presentado Carbon-X, un modelo abierto para responder preguntas sobre el ADN.

Procesado por IA desde Habr AI; editado por Hamidun News
Pinal diseña proteínas a partir de texto: una de ellas multiplicó el rendimiento del producto por 1,7
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
Dato clave #1Pinal propone candidatos; su funcionamiento se comprueba en el laboratorio.
Dato clave #2Carbon-X analiza el ADN y explica sus respuestas en lenguaje corriente.
Dato clave #3Las coordenadas y las sustituciones exactas en las secuencias deben verificarse mediante código.

Un equipo que busca una nueva enzima necesita una lista de moléculas que merezca la pena probar en el laboratorio. Pinal permite iniciar esa búsqueda con una descripción textual de la función deseada. En uno de los experimentos, una proteína obtenida con el sistema multiplicó aproximadamente por 1,7 el rendimiento del producto en una ruta artificial de fijación de CO₂, en comparación con su equivalente natural de E. coli. Para quienes desarrollan soluciones biotecnológicas, es un motivo para comprobar si el modelo puede incorporarse a la selección de candidatos antes de realizar experimentos costosos.

También ha aparecido Carbon-X, un modelo abierto para analizar ADN mediante una conversación corriente. Ambos sistemas resuelven tareas distintas: Pinal propone proteínas y Carbon-X ayuda a interpretar secuencias genéticas. La idea de producto que comparten es clara: un especialista formula una pregunta con palabras y el sistema la conecta con datos biológicos.

Pinal: de la descripción de una función a candidatos para el laboratorio

Imaginemos que se necesita una enzima que lleve a cabo una reacción determinada. El usuario describe la función y Pinal trabaja en dos etapas. El módulo T2struct propone una representación estructural de la proteína. Después, SaProt-T la utiliza junto con la instrucción textual para seleccionar una secuencia de aminoácidos: la cadena que compone la proteína.

Según los autores, el sistema se entrenó con 1.700 millones de pares de datos de proteínas y descripciones textuales, cuyas anotaciones se generaron de forma sintética. Es una salvedad importante: el tamaño del conjunto de entrenamiento no debe interpretarse como el número de observaciones de laboratorio verificadas de forma independiente. Los autores describen la arquitectura y el método de entrenamiento en un artículo de Nature.

En los experimentos presentados, los investigadores encontraron moléculas funcionales para cuatro tareas. Sin embargo, el resultado más revelador para planificar el presupuesto es el de la proteína fluorescente. El sistema generó unas 50.000 secuencias; tras la selección quedaron 29 candidatos y uno resultó ser realmente fluorescente.

Son etapas de selección distintas, por lo que sería un error reducirlas a una única medida universal de «precisión del modelo». Sí muestran, en cambio, el proceso real: generación de un conjunto amplio, filtrado computacional y, después, un experimento físico. Para un responsable de producto, importa más el coste de encontrar un candidato funcional que lo pulida que resulte la respuesta en la interfaz.

Carbon-X: preguntar sobre ADN en un chat

Carbon-X se basa en Qwen3-14B y tiene 14.800 millones de parámetros. Lo publicaron investigadores de Hugging Face, Zhongguancun Academy y TIGEM / la Universidad de Nápoles. El código y los pesos están disponibles bajo la licencia Apache 2.0. El modelo admite secuencias de ADN acompañadas de preguntas en lenguaje natural; la familia de modelos y sus condiciones de uso se describen en la ficha del modelo.

Un caso sencillo: un investigador proporciona un segmento original de ADN y una variante con la sustitución de una sola letra, y pide evaluar las posibles consecuencias. Otro consiste en preguntar si un fragmento se parece a una región que regula la actividad de un gen. Esta interfaz puede ser útil para un equipo que desarrolla herramientas para investigadores y quiere reducir los cambios manuales entre secuencias, anotaciones y explicaciones.

Pero una explicación coherente no confirma por sí sola una conclusión biológica. Los desarrolladores advierten de errores en el recuento de bases, las coordenadas y los cambios exactos en las secuencias. Si falta contexto, el modelo puede inventar una función para una región. También disminuye la calidad al generar secuencias largas de ADN.

Qué comprobar antes de la integración

Mi conclusión práctica es empezar por una operación bien delimitada para la que ya existan ejemplos verificados y se conozca el coste de equivocarse. En Carbon-X, podría ser un análisis preliminar de variantes conocidas, seguido de una revisión experta. En Pinal, la propuesta de candidatos dentro de un proceso de laboratorio existente.

Conviene encomendar al código las operaciones exactas con secuencias: comprobar la longitud, localizar una sustitución y comparar los fragmentos original y modificado. El modelo puede encargarse de las explicaciones y la formulación de hipótesis. Es útil que la interfaz conserve los datos de entrada, la versión del modelo y los resultados de las comprobaciones externas para poder reproducir la respuesta.

Para quien funda una empresa biotecnológica, estos trabajos ofrecen un motivo concreto para realizar una prueba piloto. Conviene evaluarla por el número de resultados confirmados, el tiempo de los especialistas y el gasto en experimentos. El éxito de una proteína concreta o un chat cómodo para trabajar con ADN no bastan, por sí solos, para saber cuánto costará resolver su problema.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Pinal: de la descripción de una función a candidatos para el laboratorio?

Imaginemos que se necesita una enzima que lleve a cabo una reacción determinada. El usuario describe la función y Pinal trabaja en dos etapas. El módulo T2struct propone una representación estructural de la proteína. Después, SaProt-T la utiliza junto con la instrucción textual para seleccionar una secuencia de aminoácidos: la cadena que compone la proteína.

¿Qué se sabe sobre Carbon-X: preguntar sobre ADN en un chat?

Carbon-X se basa en Qwen3-14B y tiene 14.800 millones de parámetros. Lo publicaron investigadores de Hugging Face, Zhongguancun Academy y TIGEM / la Universidad de Nápoles. El código y los pesos están disponibles bajo la licencia Apache 2.0. El modelo admite secuencias de ADN acompañadas de preguntas en lenguaje natural; la familia de modelos y sus condiciones de uso se describen en la ficha del modelo.

¿Qué se sabe sobre Qué comprobar antes de la integración?

Mi conclusión práctica es empezar por una operación bien delimitada para la que ya existan ejemplos verificados y se conozca el coste de equivocarse. En Carbon-X, podría ser un análisis preliminar de variantes conocidas, seguido de una revisión experta. En Pinal, la propuesta de candidatos dentro de un proceso de laboratorio existente. Conviene encomendar al código las operaciones exactas con secuencias: comprobar la longitud, localizar una sustitución y comparar los fragmentos original y modificado.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…