数据可用性 蛋白质序列来自于 UniProtKB/Swiss-Prot 和 UniProtKB/TrEMBL (https://www.uniprot.org/，版本 2023_03)。预测的蛋白质结构来自 AlphaFold 蛋白质结构数据库 (https://alphafold.ebi.ac.uk/)。功能注释和关键字来自 InterPro (版本 101.0；https://www.ebi.ac.uk/interpro/)，酶分类信息来自 ENZYME 命名数据库 (https://enzyme.expasy.org/)。用于结构比较的实验确定的蛋白质结构来自蛋白质数据银行 (PDB；https://www.rcsb.org/)。UniRef100 (https://www.uniprot.org/help/uniref) 被用于序列相似性分析。荧光蛋白参考信息来自 FPbase (https://www.fpbase.org/)。预训练的 Pinal 权重可以从 https://huggingface.co/westlake-repl/Pinal 下载。所有其他数据均可在论文及补充信息中获取。本论文提供源数据。代码可用性 Pinal 在 Apache 2.0 许可下开源。代码库可在 GitHub (https://github.com/westlake-repl/Denovo-Pinal) 获得。Pinal 网络服务器位于 http://www.denovo-pinal.com/。与 Pinal 的第二个组件相对应的 SaProt-T/O 服务器可以从 Pinal 网络服务器链接访问，也可以直接访问 http://113.45.254.183:9527/。大规模训练资源的发布需要仔细考虑潜在的双重用途生物安全风险。在开发 Pinal 时，大规模结构组件的训练语料库来自 AFDB，其发布的蛋白质结构集合不包含病毒蛋白组。因此，Pinal 并未针对病毒蛋白设计进行训练或预期。然而，无限制的公开发布完整的预训练语料库及完整的训练流程可能会降低将类似系统适应于敏感生物数据集的门槛。为了降低此风险，这些全尺度训练资源仅在编辑和同行评审评估的保密访问下提供。由于它们不会以完整的形式公开发布，并且为了支持透明性和可重复性，我们提供公共访问推理代码、评估代码、模型使用说明、训练模型权重和网络服务器，以遵循 AlphaFold 69、74、ESM3 38 和 ESMFold 68等大规模蛋白质基础模型的常规发布实践。有关训练语料库的组成、来源、过滤策略和构建的更多信息请参见方法和补充信息。参考文献 Dauparas, J. 等人。基于深度学习的蛋白质序列设计的鲁棒性。Science 378, 49-56 (2022)。文章 ADS CAS PubMed PubMed Central Google Scholar Lu, H. 等人。机器学习辅助的水解酶 PET 解聚。Nature 604, 662-667 (2022)。文章 ADS CAS PubMed Google Scholar Watson, J. L. 等人。利用 RFdiffusion 进行蛋白质结构和功能的全新设计。Nature 620, 1089-1100 (2023)。文章 ADS CAS PubMed PubMed Central Google Scholar Arnold, F. H. 定向进化：为生命带来新的化学。Angew. Chem. Int. Ed. 57, 4143-4148 (2017)。文章 Google Scholar Wang, Y. 等人。定向进化：方法论和应用。Chem. Rev. 121, 12384-12444 (2021)。文章 CAS PubMed Google Scholar Yang, J. 等人。主动学习辅助的定向进化。Nat. Commun 16, 714 (2025)。文章 ADS CAS PubMed PubMed Central Google Scholar Yang, K. K., Wu, Z. & Arnold, F. H. 机器学习指导的蛋白质工程定向进化。Nat. Methods 16, 687-694 (2019)。文章 CAS PubMed Google Scholar Zhao, H., Giver, L., Shao, Z., Affholter, J. A. & Arnold, F. H. 体外重组的分子进化，通过错步扩展过程 (StEP)。Nat. Biotechnol. 16, 258-261 (1998)。文章 ADS CAS PubMed Google Scholar Stemmer, W. P. C. 通过 DNA 重组快速进化蛋白质。Nature 370, 389-391 (1994)。文章 ADS CAS PubMed Google Scholar Kuhlman, B. 等人。设计具有原子级准确性的全新球状蛋白折叠。Science 302, 1364-1368 (2003)。文章 ADS CAS PubMed Google Scholar Huang, P.-S., Boyken, S. E. & Baker, D. 纯新蛋白设计的成熟。Nature 537, 320-327 (2016)。文章 ADS CAS PubMed Google Scholar Koga, N. 等人。设计理想蛋白质结构的原则。Nature 491, 222-227 (2012)。文章 ADS CAS PubMed PubMed Central Google Scholar Fleishman, S. J. 等人。针对流感血凝素保守茎部区域的蛋白质计算设计。Science 332, 816-821 (2011)。文章 ADS CAS PubMed PubMed Central Google Scholar King, N. P. 等人。自组装蛋白纳米材料的计算设计，具有原子级准确性。