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

想象一下，你拥有一本巨大的、神奇的食谱，它知道宇宙中每一道菜肴的配方。在生物学世界中，这个“食谱”是一个计算机程序，它理解构建蛋白质（那些维持生命体运转的微型机器）的“配方”。

这篇论文介绍了一个名为 ProtGPT3 的全新开源版本“食谱”。它是如何运作的，通过以下简单的类比来解释：

1. 问题：过多的混乱

以前，这些计算机程序就像一位可以发明数百万种新菜肴的厨师，但他们经常做出一些没人能吃的胡言乱语。科学家们想要引导这位厨师制作特定类型的菜肴（比如“香辣意面”或“纯素甜点”），但很难在不从头开始重新训练厨师的情况下给出清晰的指令。

2. 解决方案：一个灵活的厨师家族

作者创建了一整个蛋白质厨师家族，从小型、快速的厨师到庞大、超级聪明的厨师（拥有高达 100 亿个“脑细胞”）。他们将这些模型开源供所有人使用，就像一个公共图书馆里的食谱库一样。

3. 两种全新的指令传达方式

论文强调了两种巧妙的方法，可以在无需重新训练模型的情况下告诉这些厨师该做什么：

• “提示词”法（少样本提示/Few-Shot Prompting）： 你不需要教厨师一种全新的语言，只需给他们看几个你想制作的菜肴示例。这就像递给厨师一张“完美巧克力蛋糕”的照片并说：“做个像这样的东西。”论文发现，这种方法与旧的、缓慢的重训方法一样出色，但速度更快、更简单。
• “对齐”法（微调/Fine-Tuning）： 这就像是教导厨师一套关于什么是“好菜”的严格规则。研究人员教会了模型避免制作“平淡”或重复性高（低复杂度）的配方，同时保持口味的多样性。这确保了生成的蛋白质具有高质量和稳定性。

4. “MSA”超能力

其中一些厨师拥有一种被称为 MSA（多序列比对/Multiple Sequence Alignment） 的特殊能力。把这想象成一位不仅看一份食谱，还能查看来自不同文化的整叠相似食谱，从而理解一道菜“精髓”的厨师。

• 结果： 当团队尝试设计一种用于去除氟的特定蛋白质（一种“低数据脱氟酶”）时，使用这种“食谱堆叠”方法的厨师（ProtGPT3-MSA）比那些从头开始重训的厨师做得更好。
• 现实世界的证明： 他们不仅仅是在计算机上进行模拟；他们还在实验室里实际构建了这个蛋白质。结果证明它是有效的：该蛋白质能够正常溶解并成功表达，证明了计算机设计是真实且具有功能的。

5. 实时驾驶方向盘

最后，论文描述了一种被称为“费曼-卡茨推断（Feynman–Kac inference）”的新技巧。想象你正在开车前往某个目的地。通常情况下，你会选定一条路线并坚持下去。而这种新方法就像拥有一个 GPS，它会在你“驾驶过程中”不断调整你的方向盘，以确保即使道路变得复杂，你也能精准地保持在通往目标的路径上。这使得科学家能够在蛋白质生成的瞬间，将生成过程引导向特定的目标。

简而言之： 作者构建了一个多功能、开源的工具包，帮助科学家更轻松地设计新蛋白质。他们证明了你并不总是需要重新训练 AI；有时，仅仅给它好的示例或使用“食谱堆叠”法，效果会更好、更快，并且能在现实世界中产生真正有效的结果。