编辑丨&
科幻作品中随意缩放人体的构想虽难实现，但将其应用于蛋白质改造却成为可能。2026 年 7 月 29 日，加州大学圣地亚哥分校与杜克大学在《Nature》发表最新成果，提出名为 Raygun 的 AI 模型。该模型并非从零生成蛋白序列，而是在 AI 构建的蛋白进化空间中，对现有蛋白进行缩短、延长及序列替换等重新设计，实现了从“蛋白生成”到“蛋白进化设计”的技术跨越。
论文链接：https://www.nature.com/articles/s41586-026-10842-8
重新编辑已有蛋白
近年来，AI 已成为蛋白设计的关键工具。蛋白语言模型能理解氨基酸间的隐藏规律，生成模型则尝试创造全新结构。然而，自然界的蛋白演化并非一次性产生全新序列，而是基于现有基础进行删除、插入或替换微调。传统 AI 模型难以有效处理此类渐进式变化。
Raygun 旨在让 AI 进入这一更接近自然进化的设计空间。它不仅能生成新蛋白，更能理解已有蛋白的潜在变异方向，主动探索优化路径。
图 1：Raygun 模型架构描述。
Raygun 采用编码器 - 解码器架构，输入包括模板序列、控制替换率的噪声参数以及目标长度。模型首先利用 ESM-2 蛋白语言模型将序列转化为高维特征表示，随后转换为固定维度的概率分布以突破序列长度限制。在 NVIDIA A100 GPU 支持下，其生成时间仅需 0.3 秒，速度比基于扩散的从头生成方法快约 100 倍。
从缩小尺寸到增强功能
为验证 Raygun 的适应性进化能力，研究团队选取了多个代表性蛋白体系进行测试。
蛋白小型化突破
团队利用 Raygun 对四种不同规模的蛋白进行了缩小实验，范围涵盖由 147 个氨基酸组成的血红蛋白至由 2549 个氨基酸组成的 mTOR 酶。结果显示，在不破坏原始结构与功能的前提下，Raygun 成功减少了 15% 至 20% 的氨基酸数量，部分案例甚至实现了减半或翻倍的大幅调整。
图 2：使用 Raygun 对不同序列长度的蛋白质进行编辑。
荧光蛋白优化
荧光蛋白是生命科学的重要工具，但其较大尺寸常限制应用场景。研究团队利用 Raygun 重新设计绿色荧光蛋白（GFP），生成了长度显著缩短的变体。部分设计比已知最短的天然荧光蛋白更短，且仍保持荧光功能。
图 3：八种由 Raygun 生成的荧光蛋白候选物。
实验验证显示，在测试的 8 个 GFP 变体中，有 6 个保持了可检测的荧光信号。这些蛋白的氨基酸数量减少了 10%–16%，体积小于数据库中绝大多数荧光蛋白，同时保留了特有的形状与发光能力。
探索蛋白的新可能
除改变尺寸外，研究团队还测试了 Raygun 赋予蛋白新性能的能力。
TurboID 小型化
TurboID 是一种常用于捕捉细胞内蛋白相互作用的邻近标记酶，但其尺寸限制了在细胞工程和递送中的应用。利用 Raygun 进行小型化设计后，部分变体在缩短长度的同时仍保持了催化功能，为构建更灵活的分子工具提供了新方案。
图 4：TurboID 与 EGF 结合结果。
EGF 功能增强
在功能增强方面，团队以表皮生长因子（EGF）为目标。Raygun 生成的一系列 EGF 变体中，部分设计表现出比原始蛋白更强的结合能力。这表明 Raygun 不仅能模拟天然序列，还能在保持合理性的基础上，探索自然进化尚未触及的优化方向。
为蛋白编辑打开便捷大门
传统蛋白工程依赖“假设 - 突变 - 筛选 - 调整”的人工驱动流程，而 Raygun 采用了模拟自然进化的策略：通过添加、删除或替换蛋白亚基来修改现有结构。从 GFP 的小型化到 TurboID 的压缩，再到 EGF 的结合力提升，Raygun 代表了在既有生命结构基础上寻找适配新需求的工程策略。
尽管该工具在其他类型蛋白上的适用性尚待进一步验证，但随着蛋白语言模型与实验验证体系的深度融合，未来有望助力科学家设计更多适用于医学、工业及生物技术的定制化分子工具。
相关报道：https://www.nature.com/articles/d41586-026-02335-5