ProtGPT3: an Open-source family of Promptable and Aligned Protein Language Models

Stel je voor dat je een gigantisch, magisch kookboek hebt dat elk recept kent voor elk gerecht in het universum. In de wereld van de biologie is dit "kookboek" een computerprogramma dat de "recepten" begrijpt voor het bouwen van eiwitten—de piepkleine machines die levende wezens in leven houden.

Dit artikel introduceert een nieuwe, open-source versie van dit kookboek genaamd ProtGPT3. Dit is hoe het werkt, uitgelegd via eenvoudige analogieën:

1. Het Probleem: Te Veel Chaos

Voorheen waren deze computerprogramma's als een chef die miljoenen nieuwe gerechten kon verzinnen, maar die vaak onzinmaaltijden bedacht die niemand kon eten. Wetenschappers wilden de chef sturen om specifieke soorten gerechten te maken (zoals "pittige pasta" of "vegan desserts"), maar het was moeilijk om duidelijke instructies te geven zonder de chef telkens helemaal opnieuw te moeten trainen.

2. De Oplossing: Een Flexibele Familie van Chefs

De auteurs hebben een hele familie van deze eiwit-chefs gecreëerd, variërend van kleine, snelle chefs tot enorme, superintelligente chefs (tot wel 10 miljard "hersencellen"). Ze hebben ze openbaar gemaakt voor iedereen om te gebruiken, net als een openbare bibliotheek van recepten.

3. Twee Nieuwe Manieren om Instructies te Geven

Het artikel belicht twee slimme manieren om deze chefs te vertellen wat ze moeten koken, zonder dat ze opnieuw getraind hoeven te worden:

• De "Prompt"-methode (Few-Shot Prompting): In plaats van de chef een hele nieuwe taal te leren, toon je hem gewoon een paar voorbeelden van het gerecht dat je wilt. Het is alsof je een chef een foto van een "perfect chocoladegebak" geeft en zegt: "Maak iets zoals dit." Het artikel vond dat deze methode net zo goed is als de oude, langzame manier van het hertrainen van de chef, maar veel sneller en gemakkelijker.
• De "Alignment"-methode (Fine-Tuning): Dit is alsof je de chef een reeks strikte regels leert over wat een "goed" gerecht maakt. De onderzoekers leerden de modellen om te voorkomen dat ze "saaie" of repetitieve recepten (lage complexiteit) maken, terwijl ze de smaken juist divers houden. Dit zorgt ervoor dat de gegenereerde eiwitten van hoge kwaliteit en stabiel zijn.

4. De "MSA" Superkracht

Sommige van deze chefs hebben een speciale vaardigheid genaamd MSA (Multiple Sequence Alignment). Denk hierbij aan een chef die niet alleen naar één recept kij{%_}t, maar naar een hele stapel vergelijkbare recepten uit verschillende culturen kan kijken om de essentie van een gerecht te begrijpen.

• Het Resultaat: Toen het team een specifiek eiwit probeerde te ontwerpen om fluor te verwijderen (een "low-data defluorinase"), deed de chef die de "stapel recepten"-methode gebruikte (ProtGPT3-MSA) het beter dan de chefs die vanaf nul opnieuw waren getraind.
• Bewijs uit de Praktijk: Ze hebben dit niet alleen gesimuleerd op een computer; ze hebben het eiwit ook daadwerkelijk gebouwd in een laboratorium. Het werkte: het eiwit loste goed op en werd succesvol tot expressie gebracht, wat bewees dat het computerontwerp echt en functioneel was.

5. Het Schip in Real-Time Sturen

Ten slotte beschrijft het artikel een nieuwe truc genaamd "Feynman–Kac inference". Stel je voor dat je met een auto naar een bestemming rijdt. Meestal kies je een route en houd je je daaraan. Deze nieuwe methode is als een GPS die je stuur constant bijstuurt terwijl je rijdt om ervoor te zorgen dat je precies op het pad naar je doel blijft, zelfs als de weg lastig wordt. Hierdoor kunnen wetenschappers de generatie van eiwitten sturen naar een specifiek doel op het moment van creatie.

Kortom: De auteurs hebben een veelzijdige, open-source toolkit gebouwd die wetenschappers helpt om gemakkelijker nieuwe eiwitten te ontwerpen. Ze lieten zien dat je de AI niet altijd opnieuw hoeft te trainen; soms werkt het geven van goede voorbeelden of een "stapel recepten"-aanpak beter, sneller en levert het resultaten op die ook echt werken in de echte wereld.