Ao vivo 18/11 · Turma 318 nov às 19:00 MSK — aula prática gratuita de agentes de IA · Turma 3 ao vivo começa 23/11Aula 18/11 →Turma 3 (23/11)
LançamentoAnálise · No radarHabr AI→ original

Pinal projeta proteínas a partir de texto: uma delas multiplicou o rendimento do produto por 1,7

A biotecnologia precisa de uma forma mais rápida de selecionar moléculas para testes em laboratório. O Pinal recebe uma descrição da função de uma proteína e propõe sua estrutura e sequência de aminoácidos: um dos candidatos obtidos multiplicou o rendimento do produto por 1,7 em um experimento. Mas encontrar uma proteína fluorescente exigiu gerar cerca de 50 mil sequências. Em paralelo, foi lançado o Carbon-X, um modelo aberto para responder a perguntas sobre DNA.

Processado por IA de Habr AI; editado por Hamidun News
Pinal projeta proteínas a partir de texto: uma delas multiplicou o rendimento do produto por 1,7
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1O Pinal propõe candidatos; seu funcionamento é verificado em laboratório.
Dado-chave #2O Carbon-X analisa DNA e explica suas respostas em linguagem comum.
Dado-chave #3Coordenadas e substituições exatas nas sequências precisam ser verificadas com código.

Uma equipe em busca de uma nova enzima precisa de uma lista de moléculas que valha a pena testar em laboratório. O Pinal permite iniciar essa busca com uma descrição textual da função desejada. Em um dos experimentos, uma proteína obtida com o sistema multiplicou o rendimento do produto em uma via artificial de fixação de CO₂ por aproximadamente 1,7, em comparação com sua equivalente natural de E. coli. Para quem desenvolve soluções de biotecnologia, isso justifica testar se o modelo pode ser incorporado à seleção de candidatos antes de experimentos caros.

Também surgiu o Carbon-X, um modelo aberto para analisar DNA por meio de uma conversa comum. Os sistemas resolvem tarefas diferentes: o Pinal propõe proteínas, enquanto o Carbon-X ajuda a interpretar sequências genéticas. A ideia de produto que compartilham é clara: um especialista formula uma pergunta em palavras, e o sistema a conecta a dados biológicos.

Pinal: da descrição da função a candidatos para o laboratório

Imagine a seguinte tarefa: é preciso encontrar uma enzima que realize determinada reação. O usuário descreve a função, e o Pinal trabalha em duas etapas. O módulo T2struct propõe uma representação estrutural da proteína. Em seguida, o SaProt-T usa essa representação junto com a instrução textual para selecionar uma sequência de aminoácidos: a cadeia que compõe a proteína.

Segundo os autores, o sistema foi treinado com 1,7 bilhão de pares de dados de proteínas e descrições textuais, com anotações geradas sinteticamente. É uma ressalva importante: o tamanho do conjunto de treinamento não deve ser interpretado como o número de observações de laboratório verificadas de forma independente. Os autores descrevem a arquitetura e o método de treinamento em um artigo na Nature.

Nos experimentos apresentados, os pesquisadores encontraram moléculas funcionais para quatro tarefas. O resultado mais revelador para o planejamento do orçamento, porém, é o da proteína fluorescente. O sistema gerou cerca de 50 mil sequências; após a seleção, restaram 29 candidatos, e um deles de fato se mostrou fluorescente.

São etapas distintas de seleção, portanto seria um erro reduzi-las a uma única medida universal de “precisão do modelo”. Elas mostram, contudo, o processo real: geração de um conjunto amplo, filtragem computacional e, depois, um experimento físico. Para um gerente de produto, o custo de encontrar um candidato funcional importa mais do que a apresentação da resposta na interface.

Carbon-X: fazer uma pergunta sobre DNA no chat

O Carbon-X é baseado no Qwen3-14B e tem 14,8 bilhões de parâmetros. Foi lançado por pesquisadores da Hugging Face, da Zhongguancun Academy e do TIGEM / da Universidade de Nápoles. O código e os pesos estão disponíveis sob a licença Apache 2.0. O modelo recebe sequências de DNA acompanhadas de perguntas em linguagem natural; a família de modelos e as condições de uso estão descritas na ficha do modelo.

Um caso simples: um pesquisador fornece um trecho original de DNA e uma variante com a substituição de uma única letra, depois pede uma avaliação das possíveis consequências. Outro é perguntar se um fragmento se parece com uma região que regula a atividade de um gene. Essa interface pode ser útil para uma equipe que desenvolve ferramentas para pesquisadores e quer reduzir a alternância manual entre sequências, anotações e explicações.

Mas uma explicação coerente não confirma uma conclusão biológica. Os desenvolvedores alertam para erros na contagem de bases, nas coordenadas e nas alterações exatas das sequências. Quando falta contexto, o modelo pode inventar uma função para uma região. A qualidade da geração de sequências longas de DNA também diminui.

O que verificar antes da integração

Minha conclusão prática é começar com uma operação bem delimitada, para a qual já existam exemplos verificados e uma compreensão clara do custo de um erro. No caso do Carbon-X, pode ser uma análise preliminar de variantes conhecidas, seguida de revisão especializada. No Pinal, pode ser a sugestão de candidatos dentro de um processo de laboratório já existente.

É sensato deixar as operações exatas com sequências a cargo do código: verificar o comprimento, localizar uma substituição e comparar os fragmentos original e modificado. O modelo pode cuidar das explicações e da formulação de hipóteses. Na interface, vale preservar os dados de entrada, a versão do modelo e os resultados das verificações externas para que a resposta possa ser reproduzida.

Para quem funda uma empresa de biotecnologia, esses trabalhos oferecem um motivo concreto para realizar um projeto piloto. A avaliação deve considerar o número de resultados confirmados, o tempo dos especialistas e os gastos com experimentos. O sucesso de uma proteína específica ou um chat conveniente para trabalhar com DNA, por si só, ainda não mostra quanto custará resolver o seu problema.

História

Perguntas frequentes sobre a notícia

O que se sabe sobre Pinal: da descrição da função a candidatos para o laboratório?

Imagine a seguinte tarefa: é preciso encontrar uma enzima que realize determinada reação. O usuário descreve a função, e o Pinal trabalha em duas etapas. O módulo T2struct propõe uma representação estrutural da proteína. Em seguida, o SaProt-T usa essa representação junto com a instrução textual para selecionar uma sequência de aminoácidos: a cadeia que compõe a proteína.

O que se sabe sobre Carbon-X: fazer uma pergunta sobre DNA no chat?

O Carbon-X é baseado no Qwen3-14B e tem 14,8 bilhões de parâmetros. Foi lançado por pesquisadores da Hugging Face, da Zhongguancun Academy e do TIGEM / da Universidade de Nápoles. O código e os pesos estão disponíveis sob a licença Apache 2.0. O modelo recebe sequências de DNA acompanhadas de perguntas em linguagem natural; a família de modelos e as condições de uso estão descritas na ficha do modelo.

O que verificar antes da integração?

Minha conclusão prática é começar com uma operação bem delimitada, para a qual já existam exemplos verificados e uma compreensão clara do custo de um erro. No caso do Carbon-X, pode ser uma análise preliminar de variantes conhecidas, seguida de revisão especializada. No Pinal, pode ser a sugestão de candidatos dentro de um processo de laboratório já existente.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ 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
O que você acha?
Carregando comentários…