过去设计蛋白质，像是先把“我要一种能完成某项任务的分子”翻译成结构和序列条件，再交给模型。Nature发表的Pinal尝试省掉这层人工翻译：研究者直接用自然语言写需求，模型便生成候选蛋白序列。蛋白质是由氨基酸序列折叠而成的生物分子；所谓候选，意味着生成后仍要经过计算筛选和实验验证。
Pinal有160亿参数，使用17亿组人工合成标注的“蛋白质—文本”配对训练。作者把它用于荧光蛋白、PET水解酶、醇脱氢酶和代谢H蛋白四类任务，并称实验均观察到预期功能，两种酶也表现出催化活性。最具体的结果是：未经反复实验优化，Pinal设计的H蛋白在一条多酶二氧化碳固定通路中，将产物滴度提高到对应大肠杆菌天然H蛋白的1.7倍。它值得关注的不是“文字已经能保证造出可用蛋白”，而是自然语言正开始成为生物设计的高层接口；生成仍只是起点，功能最终要靠实验确认。