البروتين يشبه سلسلة من الخرزات (الأحماض الأمينية) تنطوي إلى شكل محدد بدقة، ويعتمد عمل البروتين في الخلية على هذا الشكل. يبدّل مصممو البروتينات مواقع الخرزات للحصول على الشكل المطلوب، لكن عدد الاحتمالات هائل. الشبكة العصبية LigandMPNN تنتج احتمالًا واحدًا في كل مرة، مثل شخص يجمع أحجية ويضع القطعة في المكان الخطأ من المحاولة الأولى.

الطريقة الجديدة RosettaSearch تستخدم النموذج اللغوي الكبير كمولّد للأفكار. يقترح النموذج العديد من التسلسلات المعدّلة، بينما يتحقق برنامج RosettaFold3 بسرعة من مدى جودة طي كل تسلسل إلى البنية المحددة. يتم البحث ضمن ميزانية حسابية صارمة: مثل طبّاخ يتذوق الطبق، يضيف رشة ملح، ثم يتذوق مرة أخرى، وهكذا حتى يصل إلى الطعم المثالي. في اختبار على 400 بروتين، حيث أعطى LigandMPNN احتمالات فاشلة، وجد RosettaSearch تحسينات في 18–68% من الحالات، وارتفع النجاح الإجمالي 2.5 مرة. تعمل الطريقة أيضًا على بنى جديدة تمامًا مولّدة بالحاسوب.

المثير للاهتمام أن جودة التحسينات تزداد مع «قدرة التفكير» للنموذج: النسخ الأقوى (o4-mini و Gemini-3) تؤدي أفضل. ويمكن أيضًا إضافة الرؤية: ينظر النموذج إلى صورة البنية المتوقعة للبروتين ويأخذها في الاعتبار أثناء التوليد. هذا أول عرض كبير يبيّن أن النماذج اللغوية يمكن أن تكون أدوات تحسين لتصميم البروتينات دون تدريب شاق.