Белковый инженер похож на повара, который пытается сделать блюдо одновременно вкусным, полезным и дешёвым. Изменяя один ингредиент, он рискует испортить другой. Раньше компьютерные помощники умели оценивать свойства белков только по отдельности, не видя, как они связаны между собой.

Новая работа сравнивает три типа нейросетей, которые учатся предсказывать сразу несколько свойств белка по его «рецепту» — последовательности аминокислот. Одна из них, с байесовским последним слоем, оказалась самой надёжной: она лучше всех справлялась с неточными данными и побеждала на 70% испытаний.

Удивительно, но самый простой способ записи белка — просто отметить, какая аминокислота на каком месте — не уступал сложным методам на четверти задач. А сжатие данных перед обучением улучшало точность до 42%. Теперь у инженеров есть проверенные правила: как выбрать модель, чтобы быстрее получать белки с нужными свойствами — от стиральных порошков до лекарств.