Два исследования предлагают разные способы работы с белками: выбирать последовательности по нескольким требованиям и совместно учитывать описание, состав и пространственную форму. Данных о голосах и рейтингах нет; порядок редакционный.

MODS: несколько свойств в одном поиске

Препринт от 20 октября описывает метод управления генерацией белковых последовательностей без переобучения самого генератора. MODS ищет компромиссы между несколькими полезными свойствами, а после каждой серии проверок обновляет модели, которые оценивают предложенные варианты.

На шести задачах с оценщиками, обученными на экспериментальных измерениях, авторы сообщают о конкурентных результатах; в нескольких задачах метод превзошёл лучшие из сравниваемых подходов. Практический интерес — возможность экономнее расходовать ограниченное число циклов обратной связи при поиске подходящих последовательностей.

Важно различать экспериментальные данные для обучения оценщика и экспериментальную проверку нового белка. В представленной работе варианты проверяли вычислительные модели: это ещё не подтверждение того, что созданные последовательности обладают нужными свойствами в лаборатории.

Trion-1: описание, последовательность и форма вместе

Trion-1 объединяет текстовое описание, аминокислотную последовательность и пространственную структуру белка. Эти представления уточняются с двунаправленным обменом информацией. Единую модель используют для шести задач, включая предсказание формы, восстановление последовательности по форме и проектирование белков.

Авторы сообщают о показателе сходства предсказанной и эталонной формы выше 0,8 при одной попытке и контроле сходства проверяемых белков с обучающими. Этот показатель относится к совпадению структур: он не означает, что более 80% новых белков успешно работают.

Интерес здесь в объединении нескольких связанных задач внутри одной модели. Но результаты также получены в вычислительной проверке и сами по себе не подтверждают работу новых белков в лаборатории.

Оба подхода помогают выбирать, что стоит проверять дальше. Их научную ценность на этом этапе следует оценивать по качеству вычислительных испытаний, не выдавая предложения моделей за уже полученные биологические результаты.