Yapay zeka alanındaki son gelişmeler, protein mühendisliğinde çığır açabilecek yeni bir sistemi beraberinde getirdi. ProtoCycle adlı bu sistem, doğal dil komutlarıyla istenen özelliklere sahip proteinler tasarlayabiliyor.
Geleneksel protein tasarım yöntemleri, büyük dil modellerini doğrudan metin-dizi üreticileri olarak kullanıyor ancak bu yaklaşım büyük miktarda veri ve hesaplama gücü gerektiriyor. ProtoCycle ise farklı bir strateji benimsiyor: LLM'leri öncelikle planlama aşamasında kullanarak, çok aşamalı ve geri bildirim odaklı bir karar döngüsü oluşturuyor.
Sistemin en önemli özelliği, insan protein mühendislerinin yinelemeli çalışma biçimini taklit etmesi. ProtoCycle, bir LLM planlayıcısını hafif bir araç ortamıyla birleştirerek, araçlardan gelen geri bildirimleri değerlendiriyor ve planlarını buna göre revize ediyor. Bu 'planla-uygula' döngüsü sayesinde sistem, tutarlı planlar üretebiliyor ancak bunları güvenilir sekanslar halinde gerçekleştirmekte yaşanan zorluğu aşıyor.
Denetimli öğrenme yörüngeleri ve çevrimiçi pekiştirmeli öğrenme ile eğitilen ProtoCycle, güçlü dil uyumluluğu sağlarken aynı zamanda rekabetçi katlanabilirlik özelliğini koruyor. Araştırmacıların yaptığı analizler, sistemin yansıtma (reflection) mekanizmasının başarısında kritik rol oynadığını gösteriyor.