杜克大学新AI工具像一把“分子收缩射线”，蛋白质缩短40%功能丝毫不打折

在杜克大学医学院的一间实验室里，研究人员盯着屏幕上两组蛋白质结构图看了整整五分钟——一组是自然界中正常大小的蛋白质，另一组是他们用AI刚刚重新设计过的版本。后者短了将近一半，但折叠的形状、关键的活性位点，几乎一模一样。用团队成员的话说，这种感觉就像是“你明明看着一台机器被拆掉了一堆零件，结果它照常运转”。这项发表在《自然》杂志上的研究，给出了一种前所未有的蛋白质改造方式：不是从零设计全新的分子，而是像用一把分子版收缩射线枪那样，把现有蛋白质缩小、拉长、或者大面积重写，同时保住它的核心功能。

这个名叫Raygun的AI框架，思路跟以往完全不同。过去想要改造一个蛋白质，科学家通常走两条路：要么在天然蛋白上做点状突变，一次改几个氨基酸，小心翼翼地试探会不会破坏结构；要么干脆从零画图纸，用计算工具去“创造”一个理论上能折叠成特定形状的序列，这需要极大的算力和运气。Raygun走的是第三条路——它不满足于小修小补，也不做从无到有的创世者，而是把现有蛋白质整个推倒重来，但保留那张看不见的“功能蓝图”。

这一切的底层逻辑，藏在所谓的蛋白质语言模型里。论文的共同通讯作者、杜克大学生物统计与生物信息学及细胞生物学助理教授Rohit Singh打了这样一个比方：氨基酸序列决定蛋白质形状和功能的背后，存在一套“语言”，但全世界的科学家到现在也没有完全学会它。“蛋白质语言模型像是一个翻译器，”Singh解释说，“它从几百万条天然蛋白质序列里学习模式，再把这些模式和生物学结构、功能对应起来。”你可以把它想象成一个读过全世界所有蛋白质“文献”的AI，它虽然不理解生命如何运作的原理，但它知道哪些“词”经常一起出现，哪些“句式”对应着某种活性。

Raygun在这套模型上装了一层全新的编码系统。传统方式下，不同长度的蛋白质就像长度不等的句子，直接拿来做比较或者改造非常别扭——你怎么能让一条300个氨基酸的链和一条800个氨基酸的链，在同一个坐标系里对齐？Raygun的做法是把所有蛋白质都“翻译”成一种标准化的数学表示，不管原始尺寸多大，都被压缩进同一个格式。这个格式里保存的不是一个一个的氨基酸身份，而是AI从序列中学到的结构-功能相关特征。一旦所有蛋白质都被摆进同一个平面，原本不可比较的东西突然可以比较了，原本不能直接改造的东西也可以动手了——缩短、拉长、大段替换，都变成了可操作的动作。

更让人惊讶的是操作门槛。研究者只需要调整两个参数：一个决定序列变化的程度，另一个控制蛋白质变短还是变长。没有几十页的结构生物学先验知识，没有长达数月的分子动力学模拟，只有两个旋钮。你设定“缩小40%”，它就能吐出一个缩短版本的蛋白质序列；你设定“保持长度，但重写序列”，它就给你一个表面上完全不同、但折叠后几乎一样的分子。

当然，计算机里看起来再完美的预测，拉进真实世界都可能塌陷。杜克团队没有停留在虚拟空间里。他们让细胞来做最终裁判。在一系列测试中，AI生成的蛋白质保持了预测中的结构完整性，关键的活性位点纹丝不动。研究小组选了几个狠角色来验证——荧光蛋白和酶。荧光蛋白发不发得出光，是检验折叠是否正确的金标准之一，因为哪怕是最细微的结构偏差，都可能导致发色团周围的环境发生改变，荧光信号衰减甚至消失。结果Raygun设计的短版荧光蛋白在活细胞内正常发光。酶的测试同样过关，这些承担细胞核心任务的分子机器，在被大幅修改后依然卡进了代谢链条里，正常运转。

但真正让合作者惊呼的，是表皮生长因子（EGF）的受体结合实验。EGF是一个颇具分量的人物：它参与伤口愈合，同时也跟癌症中经常被改写的细胞生长信号通路有关。这样的蛋白一旦被重新设计，一点差错都不能出——分子表面的电荷分布、糖基化的位置、跟受体结合的构象，任何一个细节变了都可能意味着功能的彻底丢失。然而Raygun设计出来的EGF变体，在结合实验中稳稳地抓住了它的受体，如同原版一样精准。这一结果直接把这个工具从“能改”推到了“改完还能用”的层面。

在科研圈混过的人都知道，蛋白质工程领域有一条不成文的魔咒：小改动能保功能，大改动必塌结构。Raygun似乎在挑战这条规则。它表明，在天然蛋白质的序列空间里，可能藏着大量我们从未涉足过的区域——这些序列和天然版本看起来毫不相干，但折叠后的三维面貌惊人地相似。就好像语言模型发现，描述同一个意思可以有无数种句型，其中大部分人类从来没说过，但母语者听了都能懂。

这种能力的来源，要追溯到蛋白质语言模型训练时吞下的海量进化数据。几百万条天然序列代表的不是随机组合，而是自然界在数十亿年间通过无数次突变、筛选、淘汰后保留下来的“可行解”。AI从这些可行解里抽象出了比氨基酸本身更高阶的模式——哪些位置必须保持一致，哪些可以灵活替换，哪些化学性质必须守恒。Raygun所做的，不过是让这套模式有了操作界面。

杜克团队给这项工作定下的应用方向相当具体：基因治疗、生物技术、生物医学研究。原理不难理解——很多蛋白质工具太长了，塞不进基因治疗的载体里；有些酶太大了，工业催化效率上不去；有些药物候选分子半衰期短，需要更紧凑的版本。如果Raygun能在不改动功能的前提下压缩蛋白尺寸，这些问题就有了新的出路。同样值得一提的是，这种方法还可以反向操作——把蛋白质拉长，插入新的结构域或者柔性连接区，制造出具备新特性的融合蛋白。论文中虽然没有展开这一方向的数据，但框架本身已经具备了这种扩展能力。

此外，这项研究还给进化生物学提供了一个反事实实验的机会。自然界中的蛋白质之所以是现在的长度和序列，是历史偶然性和功能约束共同作用的结果。但如果有多少个“平行宇宙”的版本也能工作？Raygun相当于第一次让人有机会系统性地去探索那些进化从未踏足过的序列空间。研究者可以用它去问一个新的问题：这个蛋白是必须这么长，还是碰巧这么长？

回到最让人拍案的部分。当一款计算工具只需要两个设定、一跑代码，就能把一条天然蛋白序列压缩掉将近一半、扔进细胞里还照常运行时，这不只是技术进步——它在暗示，我们对蛋白质序列-结构-功能关系的理解，可能正站在一扇新的大门前。蛋白质语言模型抓住的那种深层语法，天然蛋白的序列只是其中一个不那么简练、不那么优雅的版本。而Raygun是第一个认真做“编辑”的写手。