منظور از پروتئین‌‌، صرفا پروتئین‌‌های خوراکی نیست؛ اگرچه مهندسی محصولات گوشتی، تخم مرغ و لبنیات غیرحیوانی، در واقع بزرگ‌ترین تمرکز زیست‌‌شناسی مصنوعی در این روزهاست. پروتئین‌‌ها دستگاه‌های بیولوژیک تغییرپذیری هستند که تقریبا هر کارکردی در سلول‌‌های زنده را پشتیبانی می‌کنند و خارج از زیست‌‌شناسی هم کاربردهای زیادی دارند. مثلا آنزیم‌‌های موجود در شوینده‌ها، لوازم آرایش و منسوجات؛ یا پادتن‌‌هایی که برای درمان‌‌های قوی به کار می‌‌روند؛ یا هر حوزه‌‌ دیگری از بیوتکنولوژی که پروتئین‌‌ها واکنش‌‌ها را تسریع می‌کنند تا محصولاتی مثل مواد شیمیایی تخصصی، عطرها و چاشنی‌‌ها، سوخت زیستی، مواد اولیه و ... تولید کنند. برای این بیومولکول‌‌ها استفاده‌های بی‌شماری وجود دارد و کردل می‌خواهد با توانایی طراحی پروتئین‌‌های سفارشی که کارهای متنوعی انجام می‌دهند، امکان کاربردهای بیشتر را ایجاد کند.

استف ون گریکن، مدیرعامل و هم‌‌بنیان‌‌گذار کردل، خودش را «سفیر پروتئین خوب» توصیف می‌کند. او در دهه گذشته، در Google AI کار کرده و توسعه چند اپلیکیشن یادگیری ماشینی را در دستور کار داشته است. در مدتی که گریکن در گوگل کار کرده، به زبان پروتئین‌‌ها علاقه‌‌مند شده است؛ از جمله اینکه توالی آمینواسیدها چگونه به الگوهای خاص تبدیل می‌شود و ساختارهایی را شکل می‌دهد که به پروتئین‌‌ها امکان می‌دهند عملکرد پیچیده خود را پیش ببرند. او از آن زمان، روی ایده ترکیب تکنولوژی پردازش زبان طبیعی با شناخت کارکرد توالی پروتئین کار کرده تا بتواند پیش‌‌بینی‌‌های بهتری برای طراحی منطقی پروتئین داشته باشد. طراحی پروتئین یک صنعت چند میلیارد دلاری است و پیش‌‌بینی می‌شود ارزش بازار آن تا سال ۲۰۲۴ به ۹/  ۳ میلیارد دلار برسد.

اما گفته می‌شود این بازار پتانسیل‌‌های بیشتری دارد و می‌تواند شاخه‌هایی در دیگر حوزه‌های زیست‌‌شناسی مصنوعی داشته باشد. در حال حاضر، مهندسی پروتئین‌‌ از طریق آزمون و خطا در لابراتوار انجام می‌شود و نرخ موفقیت رسیدن به طراحی‌‌های خاص، کمتر از یک درصد است. بیولوژیست‌‌ها برای افزایش شانس موفقیت، می‌توانند از ابزارهای نرم‌‌افزاری برای پیش‌‌بینی ساختار پروتئین بر اساس توالی آن استفاده کنند که کار بسیار پیچیده‌‌ای است.

کردل به شکل متفاوتی این مشکل را حل کرده است: آنها از یک مدل نوآورانه برای «مهندسی معکوس» پروتئین‌‌ها استفاده می‌کنند و به جای استفاده از مدل‌های ساختار متوالی، از الگوریتم‌‌های یادگیری ماشین بر اساس داده‌های واقعی استفاده می‌کنند. کاربر می‌تواند مشخص کند چه نوع پروتئینی را می‌خواهد طراحی کند و آن پلتفرم لیستی از توالی‌‌های پروتئین که می‌توانند آن ساختار را ایجاد کنند، ارائه می‌دهد. برای استفاده از این تکنولوژی، نیازی نیست که کاربر در استفاده از یادگیری ماشینی، متخصص باشد. نرم‌‌افزار کردل را در حال حاضر چند شرکت استفاده می‌کنند و آنها قصد دارند در سطح گسترده‌‌ای آن را توزیع کنند. به همین دلیل است که استفاده از این پلتفرم برای دانشگاهیان رایگان است. مدیرعامل کردل می‌گوید: «می‌خواهیم برای دموکراسی‌‌سازی مهندسی پروتئین، آن را در دسترس همه قرار دهیم.»