Белок в клетке — не жёсткая деталь, а скорее мягкая перчатка, которая может обхватывать разные предметы. До сих пор дизайнеры белков работали как скульпторы, создавая ключ под единственный замок: одна мишень, одна форма. Но жизнь сложнее: иногда нужно, чтобы белок узнавал сразу два разных вируса или менял очертания в зависимости от соседей.

Новый метод Chamaileon справляется с этой задачей. Вместо того чтобы рисовать белок с нуля, он учится на примерах, где известны и последовательность аминокислот (бусины на нитке), и трёхмерная укладка, и контекст — с кем белок должен связаться или в каком состоянии находиться. Обучение похоже на работу переводчика: модель видит пару «контекст + структура» и восстанавливает текст-последовательность, а потом действует наоборот. Так она улавливает скрытые правила, по которым одна и та же цепочка может сворачиваться по-разному.

На этапе применения модель перебирает множество вариантов одной последовательности, примеряя её к разным контекстам — как портной, который подгоняет один костюм под разные фигуры, чуть меняя выкройку. Этот приём называется смесью путей (Mixture-of-Paths Sampling) и позволяет обойти нехватку экспериментальных данных, где для одного белка сняты все его возможные формы.

Авторы проверили Chamaileon на специально собранном наборе задач CROSS — от связывания с двумя разными белками до переключения между открытой и закрытой формой. Во всех случаях сгенерированные последовательности оказались стабильными и узнавали нужные мишени. Такой подход открывает дорогу к дизайну умных белков, которые не просто бьют в одну точку, а гибко реагируют на окружение — почти как живые.