Nature封面重磅:AI蛋白质工程工具Raygun发布,抗体药研发迎来新范式7月29日，杜克大学团队在《Nature》以封面文章形式正式发布新一代全栈蛋白质优化大模型Raygun。这不是又一个"预测结构"的AlphaFold复刻，而是一套能直接对蛋白质进行"定向改造"的AI工程工具。从预测到设计，从"看懂"到"改造"，这一步跨越意味着什么？对抗体药、合成生物学、酶工程又会产生怎样的影响？本文为你梳理清楚。Raygun是由杜克大学研究团队开发的全栈蛋白质工程AI平台，核心能力不是"预测蛋白质长什么样"，而是"告诉AI你想要什么功能，它直接给你优化好的蛋白质序列"。简单来说，AlphaFold解决的是"结构预测"问题——给你一段氨基酸序列，AI告诉你它会折叠成什么三维结构。而Raygun解决的是"功能优化"问题——给你一个已有蛋白质，AI直接帮你改造，让它更稳定、亲和力更强、催化效率更高。这就好比：AlphaFold是"看图纸猜建筑长什么样"，Raygun是"直接帮你把房子改得更结实、更实用"。Raygun的发布之所以登上Nature封面，核心在于它实现了三个关键突破：第一，从"理解"到"创造"的跨越。过去几年，AI在蛋白质结构预测领域取得了巨大进展，但"知道长什么样"不等于"能改好用"。Raygun直接面向工程应用，让AI真正进入了蛋白质设计的核心环节。第二，全栈优化能力。Raygun不是只优化某一个指标，而是可以同时处理蛋白质稳定性、靶向亲和力、酶催化效率等多种功能属性，覆盖了抗体药、酶工程、细胞因子等主要应用场景。第三，大幅缩短研发周期。传统蛋白质工程依赖大量的定向进化实验，周期长、成本高。Raygun可以在计算机上快速筛选和优化，把"试错"环节从实验室搬到电脑里，显著加速研发进程。抗体药是目前生物医药领域最火热的赛道之一，而抗体的亲和力、稳定性、免疫原性优化是研发的核心痛点。Raygun可以直接对抗体进行定向优化，有望大幅缩短抗体药从发现到临床的时间。对国内Biotech公司来说，这既是机遇也是挑战——用好工具可以快速追赶，但如果工具掌握在少数巨头手中，也可能拉大差距。合成生物学的核心是用酶来催化各种化学反应，但天然酶往往效率不高、稳定性差。Raygun可以对工业酶进行批量优化，提升催化效率和稳定性，降低合成生物学的产业化成本。这对国内正在兴起的合成生物学赛道是重要利好，尤其是在生物制造、医药中间体、新材料等领域。胰岛素、干扰素、生长因子等蛋白药物已经上市多年，但普遍存在半衰期短、副作用大等问题。Raygun可以对这些已有蛋白进行优化升级，开发出更好的二代、三代产品。首先，"能优化"不等于"能成药"。蛋白质优化只是药物研发的一个环节，后续还有成药性评价、临床试验、生产工艺等诸多关卡。AI可以加速前端，但不能替代整个研发链条。其次，数据壁垒仍然存在。AI模型的效果高度依赖训练数据，而高质量的蛋白质功能数据大多掌握在大药企和CRO手中。开源模型能否在真实场景中匹敌闭源方案，还需要时间验证。第三，知识产权边界尚待厘清。AI设计的蛋白质能否申请专利？专利归属如何界定？这些法律问题目前还没有明确答案，可能会影响后续的商业化路径。对于关注这个领域的读者，接下来几个观察点值得留意：一是首批Raygun优化的候选分子何时进入临床，这是检验工具真实价值的试金石；二是国内团队是否会快速跟进，蛋白质工程AI的国产化进程如何；三是监管层面如何回应，AI设计的蛋白药物在审批上是否会有新的政策框架。从AlphaFold到Raygun，AI正在一步步从"预测"走向"创造"，从"工具"变成"基础设施"。这不是某一家公司的胜利，而是整个生物医药行业进入新阶段的信号。未来几年，会有越来越多的"AI设计"的药物走到我们面前。现在的每一步突破，都在为那个未来铺路。直播合作：13621039957，market@lusenky.com【热文推荐】
Jennifer Doudna诺奖团队新研究！AI 设计 "迷你基因剪刀"，编辑效率超越天然酶
万亿分子库再结硕果：成都先导DEL平台产出心血管新药进入II期临床
12 亿落定！英矽智能与康哲药业达成中枢神经领域 AI 新药合作，AI 制药商业化再提速
【露森直播】
夜雨聆风
