Profluent、Salesforce研究院和UCSF的科学家，以类似生成文本人工智能的方法，使用模型ProGen设计百万种蛋白质，并且成功找出具有杀菌效果的蛋白质。这个研究实际应用人工智能设计蛋白质，并经测试和证明其具有特定效果，也就是说，同样的方法将能够被用于加速新药制造。
这项研究使用一个由Salesforce研究院所开发的ProGen模型，该模型能够预测人造蛋白质的氨基酸串行。ProGen的运行方式和生成文本的人工智能相似，研究人员将来自19,000个家族的2.8亿种蛋白质的氨基酸串行输入到模型中，并添加蛋白质特性控制标签，经过数周的训练，ProGen便学会生成新蛋白质的方法。
研究人员使用5个溶菌酶家族的56,000个氨基酸串行，以及有关这些蛋白质的上下文资讯微调ProGen后，该模型迅速产生一百万个氨基酸串行，研究人员根据与天然蛋白质串行相似程度，和潜在氨基酸语法和语义的自然程度，筛选出100个串行并在细胞中实验进行实验，其中有66个和蛋白、唾液里的溶菌酶一样，能够杀死细菌。
研究人员筛选这66个氨基酸串行，制作出5种活性最强的人工酶，将这些酶添加到大肠杆菌样本中，并且和溶菌酶HEWL相比较，发现其中两种人工酶，能够以和HEWL相当的活性分解细菌细胞壁，而这两个人工酶串行仅有18%的相似程度，和已知蛋白质串行的相似度个别为90%和70%。
天然蛋白质的功能很大程度受组成影响，只要有一个突变就会使蛋白质失去作用，而在另外一轮的筛选中，研究人员找出一个只与天然蛋白质串行有31.4%相似的蛋白质，但是该蛋白质仍然具有活性。
要产生特定功能的蛋白质，不只是需要生成对的氨基酸串行，蛋白质更需要折叠成特定的三维结构，才能具有功能性，研究人员以X光来测量蛋白质形状，发现人造蛋白质即便在氨基串行上，与现有蛋白质差异高达30%，但仍可以呈现与天然蛋白质相符的形状。研究人员提到，他们现在仍不清楚人工智能究竟如何在变更氨基酸串行的同时，仍产生正确的形状。
这些人工智能所生成的蛋白质要被用于药物，还需要在实验室中进行长时间的测试，但是研究人员提到，这种蛋白质设计方法比蛋白质设计技术定向演化（Directed Evolution）更强大，能够加速所有用途的新蛋白质开发。