给蛋白质＂瘦身＂的 AI:Raygun 让天然蛋白变小、变强,还不变形如果把细胞比作一座精密运转的工厂，蛋白质就是里面最勤恳的"工人"：有的负责搬运，有的催化反应，有的像信号灯一样让科学家看见细胞里发生了什么。可天然蛋白质有个老烦恼——个头往往偏大。当我们想把某个蛋白"贴"到另一个小蛋白上做标记，或者塞进病毒载体送进细胞治疗时，这个大块头常常碍事，甚至把本来的功能搞乱。几十亿年里，进化一直在给蛋白质"做减法"——通过替换、插入和删除氨基酸，慢慢雕琢出更合适的形态。但让计算机学着像进化那样去大规模改造天然蛋白，一直是道难题。最近，杜克大学等团队在《Nature》发表研究，推出一个名为 Raygun 的 AI 框架，专门干这件事：把天然蛋白质缩小、放大、改造，同时尽量保住它的结构和功能。过去，蛋白质语言模型会把一段蛋白表示成一串长短不一的向量——蛋白越长，这串向量就越长。这让不同长度的蛋白质之间很难直接比较，更别提统一地做"增删"操作。Raygun 换了思路：它借助 ESM-2 语言模型，先把蛋白质变成一串富含信息的"表示"，再依据中心极限定理，把这条长表示切成 50 段、每段取平均，最终凝练成一个固定大小的"概率分布"——可以理解为一片有形状的"云"。神奇之处在于：无论原蛋白是 50 个氨基酸还是 2500 个，都被收进同一套画法里。于是，任意长度的蛋白质第一次有了可以直接比较、直接改造的共同语言。在这片"云"上做设计，只需两个旋钮：一个管"噪声"，控制氨基酸被替换的多少；另一个管"目标长度"，控制插入和删除了多少。扭一扭，AI 就能在同一次生成里，产出一大批改过长度又改过序列的新蛋白。它不是像扩散模型那样一步步去噪，而是"一枪命中"——一次采样就吐出候选序列，在 A100 显卡上每次约 0.3 秒，比基于扩散的从头设计快约 100 倍。第一场，给荧光蛋白"减肥"。 绿色荧光蛋白 eGFP（238 个氨基酸）与红色 mCherry（236 个氨基酸）。Raygun 在不强行指定发光基团的前提下，自动生成更短版本：eGFP 最多减 25 个氨基酸、mCherry 减 37 个，分别做到 199 和 206 个氨基酸——比 FPbase 数据库里 96% 的已知荧光蛋白都短。在细胞中，8 个候选里有 6 个真的发出了荧光。第二场，改造 TurboID。 这是一种广泛用于蛋白质互作研究的生物素连接酶，约 335 个氨基酸，对很多小蛋白来说太大了。Raygun 既做"适度瘦身"也做"极限瘦身"：减掉约 1% 和 6% 的两个版本仍保持明显连接酶活性；而减到约一半（165 个氨基酸）的极端版本里，AI 自动识别并删掉了那段多余的 DNA 结合结构域——与人工设计的 UltraID 思路不谋而合，且 UltraID 并未出现在它的训练数据中。它在细胞中能稳定表达，但连接酶活性已不显著。第三场，把 EGF"拉长"。 表皮生长因子 EGF 只有 53 个氨基酸，已接近 Raygun 能处理的最小长度，于是团队反其道行之，把它略微放大到 55–57 个氨基酸。在一场面向 EGFR 的蛋白设计竞赛里，Raygun 做出的两个变体对受体的结合力（Kd 分别为 0.274 与 0.561 μM）强于天然 EGF（0.759 μM），拿下参赛所有 EGF 方案里的最好成绩。从血红蛋白（147 个氨基酸）到 mTOR（2549 个氨基酸），跨越 17 倍体量的测试都显示：Raygun 在改变长度的同时，大体守住了蛋白质原有的三维结构；它也更懂得"保重点"——对已知功能位点的保留比例，高于对整条序列的保守。研究者也坦诚边界：面对多结构域、强功能的蛋白，一味追求极致瘦身，可能保住形状却丢掉活性，这时需要结合定向进化等实验手段再打磨。文中还专门提到生物安全考量，表示遵守"负责任生物设计"原则。对普通读者而言，这项研究最迷人的地方在于：它把"像进化一样去改造蛋白质"这件事，从遥不可及变成了可一键探索。未来，更小巧的荧光标签、更轻便的病毒载体、更听话的生物传感器，或许都会从这样一片"概率的云"里飘出来。参考文献：Devkota, K., Shonai, D., Mao, J. et al. Miniaturizing and modifying natural proteins with Raygun. Nature (2026).温馨提示：本文由 AI 辅助整理与初稿撰写，关键数据已对照原始论文核实，细节与结论以原文为准。📚 欢迎关注与交流
聚焦生命科学及交叉学科研究前沿，分享有深度、有温度的知识与洞见～
夜雨聆风
