蛋白質的功能由其結構決定，而結構（即蛋白質的摺疊方式）則由其胺基酸序列（蛋白質的基本組成單元）所決定。許多設計新型蛋白質的方法，包括那些能與細胞中致病分子結合的蛋白質，都涉及兩步驟過程：首先確定結構，然後由機器學習框架生成一系列可能採用該結構的序列。
在自然界中，許多不同的胺基酸序列可以摺疊成相同的結構。同時，一個胺基酸序列也可能根據蛋白質的柔韌性或功能觸發條件，採用不同的結構。因此，當研究人員利用人工智慧設計新蛋白質時，挑戰在於引導 AI「看見」許多潛在有用的答案，即許多序列都能採用相同的摺疊方式。
「多年來，這個領域一直以模型能否重現演化所選擇的蛋白質序列來衡量成功，但我們的研究顯示，這並非蛋白質設計的最佳指標。」生物學系主任、Jay A. Stein (1968) 生物學教授兼生物工程學教授，以及近期發表於 PNAS 論文的資深作者 Amy E. Keating 表示。
由生物學系開發的新型機器學習框架 PottsMPNN，整合了控制蛋白質結構和穩定性的物理原理。這不僅改進了序列生成，也提升了預測突變如何影響蛋白質穩定性的能力。換句話說，該模型對「序列-能量圖景」（sequence-energy landscape）有了更深入的理解，即每個胺基酸的特性與蛋白質穩定性之間的關係。
將此框架整合到蛋白質設計流程中，將使研究人員能夠設計出結構可行，且序列與任何天然蛋白質都不相似的蛋白質。主要作者兼研究生 Foster Birnbaum 指出：「如果我們考慮的是一個全新的設計結構，那麼就沒有天然序列可以與之比較。」
他進一步說明：「我們真正關心的是，生成的序列有多大可能摺疊成所需的結構，模型對序列-能量圖景的理解程度，以及它預測突變對蛋白質穩定性影響的能力。」
如同人工智慧近年來推動了一些劇烈的社會變革，機器學習也同樣影響了基礎生物學研究的速度和廣度。直到最近，才有可能可靠地使用計算模型來生成蛋白質結構或序列。然而，目前最廣泛使用的模型是在 2022 年發布的。
Birnbaum 表示：「對於生物學機器學習這樣快速發展的領域來說，那個模型至今尚未被超越。我們一直在努力理解這是為什麼，以及那個模型究竟有何獨特之處，使其如此有用。」
Birnbaum 最初對研究人員稱之為「雜訊」（noise）的策略應用感興趣，即在訓練過程中為蛋白質結構添加變異。雜訊能降低模型過度模仿天然序列的傾向，從而增加其能生成序列的結構多樣性。
PottsMPNN 還利用成對分佈（pairwise distribution）來捕捉胺基酸之間的相互作用。它能夠考慮蛋白質中一對位置上所有 20 種可能序列選項之間的物理相互作用，這是 PottsMPNN 比其他方法更準確地建模序列-能量圖景的關鍵原因。Birnbaum 最後提到，他們還將一系列演化相關序列引入 PottsMPNN 框架的訓練中，以教導模型不同的序列如何能採用相同的摺疊結構。
Birnbaum 承認，儘管試圖擺脫對天然序列的依賴，但納入演化資訊在某些方面仍然是一種依賴。然而，PottsMPNN 成功證明，隨著模型對天然序列的依賴程度降低，其結構相容性和能量預測能力（包括對新型蛋白質的預測）都會有所提升。
談到 AI 時代的蛋白質設計，Birnbaum 表示：「一旦我們能設計出任何我們想要的蛋白質，這將使我們能夠進行潛在規模龐大的生物工程。這是一項艱鉅的任務，但我對本世紀生物學的進步感到非常樂觀。」
Birnbaum 希望該模型能進一步改進並針對特定任務進行微調，這在過去曾帶來更好的預測，例如關於特定突變的結果或影響。Keating 最後總結：「我們的方法正推動該領域朝著為多樣化應用設計有用且『自然界中不存在』的新型蛋白質邁進，同時也為未來的進步奠定了更堅實的基礎。」