Исследователи проверили систему Pinal на создании четырёх разных белков: флуоресцентного, двух ферментов и белка, входящего в состав крупного белкового комплекса. Для каждого варианта применяли схожую схему: сначала система формировала большое число проектов, затем их отбирали с помощью вычислительных критериев, а наиболее перспективные образцы проверяли экспериментально.
В качестве примера использовали зелёный флуоресцентный белок GFP, открытие которого принесло его автору Нобелевскую премию. Pinal поручили разработать 50 000 белков, способных светиться подобно GFP. Из списка исключили последовательности, похожие на уже известные флуоресцентные белки, но сохранили признаки, важные для работы GFP: способность формировать структуру в виде бочонка и наличие аминокислоты, которую можно химически изменить для запуска флуоресценции.
Таким образом, от новых вариантов требовалось общее сходство с GFP при заметном отличии конкретной последовательности аминокислот. После компьютерного отбора осталось 29 приоритетных кандидатов. Все их синтезировали в бактериях E. coli, однако флуоресценцию продемонстрировал только один белок.
Остальные эксперименты строились по тому же принципу: из огромного набора вариантов вычислительными методами выбирали несколько десятков, а затем проверяли их в лаборатории. На первый взгляд такой результат может показаться крайне низкой эффективностью. Однако наиболее вероятные рабочие конструкции часто напоминали известные белки GFP и поэтому исключались ещё на этапе отбора.
Кроме того, исследователи не проверяли варианты, чья структура существенно отличалась от GFP. Поэтому среди отвергнутых кандидатов могли находиться альтернативные флуоресцентные белки, способные работать по другому принципу. Как отмечает Ars Technica, структурных данных, по-видимому, оказалось достаточно, чтобы обучение системы Pinal дало результат.