Исследователи проверили систему Pinal на создании четырех разных белков: флуоресцентного, двух ферментов и белка, участвующего в крупном многобелковом комплексе. Для каждого варианта применяли схожую схему: сначала формировали большой набор компьютерных вариантов, затем отбирали наиболее перспективные и проверяли их экспериментально. Как отмечает Ars Technica, для успешного обучения системе оказалось достаточно, чтобы структурные данные были в целом корректными.
В качестве примера ученые использовали зеленый флуоресцентный белок GFP, за открытие которого его создатель получил Нобелевскую премию. Pinal поручили разработать 50 тысяч белков, способных светиться по аналогии с GFP. Затем варианты отфильтровали по нескольким признакам, исключив последовательности, похожие на уже известные флуоресцентные белки.
Одновременно отбирались конструкции с двумя важными свойствами GFP. Они должны были формировать структуру в виде бочонка и содержать аминокислоту, которую можно химически изменить для запуска флуоресценции. Таким образом, ученые стремились получить белки, в целом напоминающие GFP, но заметно отличающиеся от него по конкретной последовательности аминокислот.
После компьютерного отбора список сократился до 29 приоритетных кандидатов. Все их синтезировали в бактериях E. coli, однако флуоресценцию продемонстрировал только один белок. Остальные три эксперимента с другими типами белков проводились по тому же принципу: из большого числа предложений выбирали несколько десятков для лабораторной проверки, и лишь часть из них оказывалась работоспособной.
Низкую долю успешных результатов нельзя оценивать без учета условий эксперимента. Наиболее перспективные варианты часто были похожи на уже известные белки GFP, поэтому их заранее исключали. Кроме того, исследователи не проверяли конструкции, чья форма отличалась от структуры GFP, из-за чего за рамками испытаний могла остаться значительная группа альтернативных флуоресцентных белков.