想把一件毛衣改小，直接剪掉下摆通常不行：尺寸变了，版型也可能毁了。蛋白质也是如此。它由一串氨基酸折叠而成，功能不仅取决于“用了哪些材料”，还取决于整条链最终折成什么形状。简单截短或接长，很容易牵一发而动全身。
发表于《Nature》的 Raygun，尝试让 AI 对天然蛋白质做这种“伸缩改造”。它以已有蛋白质为模板，通过替换、插入和删除氨基酸，生成更短、更长或组成不同的新版本。值得关注的不是模型又能多生成一些序列，而是它开始处理一个更接近真实生物设计的问题：怎样大幅修改一个已经好用的蛋白质，同时尽量保住其核心结构与功能位点。
难点不是改一个字，而是重排整句话
过去的模板改造主要依靠替换，即把某个位置的氨基酸换掉。但蛋白质稍长一些，可选组合就会迅速膨胀。论文举例说，仅选择 25 个替换位置，就会产生 种可能，无法逐一预测。
自然演化还会使用插入和删除，也就是在序列中增加或移除氨基酸。它们可以真正改变蛋白质长度，但风险更高：缩小蛋白质不是随手删掉一段，放大也不是任意接上一截，多处改动必须彼此配合。
Raygun 借助 ESM-2——一种拥有 6.5 亿参数的蛋白质语言模型。它把氨基酸序列当作“语言”，从大量序列中学习哪些搭配符合演化规律，并为每个位置生成包含上下文的信息摘要。
关键一步：先把长短不同的蛋白质放进同一把尺子
普通蛋白质语言模型产生的表示会随序列长度变化。长蛋白质和短蛋白质因此像两张规格不同的图纸，很难直接比较，更难从一个尺寸生成另一个尺寸。
Raygun 换了一个表示角度：它不再把蛋白质仅仅编码成一串长度可变的高维点，而是编码成固定维度的概率分布。同期《Nature》报道将其描述为：先把蛋白质分成若干部分，将各部分的信息转成数值模式，再得到一种标准化表示。这样，不同长度的蛋白质就能进入同一个表示空间，模型也能一次生成不同尺寸的候选序列，无须反复迭代调整。
系统使用编码器—解码器结构。输入包括天然蛋白质模板、控制替换程度的噪声参数，以及控制插入和删除的目标长度。换句话说，设计者主要通过两个参数决定“改得多不像原版”和“最终要多长”。模型完成表示空间中的改造后，再把结果转换回实际氨基酸序列。论文称，其从表示还原序列的神经网络验证准确率超过 99%。
它真的还能工作吗？
论文报告，Raygun 可将蛋白质通常缩短 10%—25%，部分情况下超过 50%，也能扩展到天然尺寸以上。大范围生成结果主要依据计算预测：候选蛋白质保留了结构完整性和功能位点。这里应当注意，“预测保留”不等于所有新蛋白质都已在实验中证明有效。
研究团队进一步做了有限的细胞实验。荧光蛋白实验中，生成的候选序列比 FPbase 数据库中 96% 的已知荧光蛋白更短；8 个受测候选里有 6 个发出荧光，其中 2 个达到了上述长度标准。团队还缩小了合成生物素连接酶 TurboID，所得变体表现出连接酶活性。相反方向上，他们放大了表皮生长因子 EGF，并获得了对 EGFR 结合亲和力高于野生型的变体。
为什么这比“从头生成”更值得留意
生成式蛋白质设计常被理解为让 AI 从零提出新序列。Raygun 走的是另一条路：从一个已经存在、已有用途的天然蛋白质出发，生成更小、更大或更可调整的版本。
未参与研究的西湖大学计算生物学家 Fajie Yuan 在《Nature》同期报道中称，这是编辑现有蛋白质“有意义且有创造性”的第一步。原因很实际：许多应用需要的并非一个完全陌生的新蛋白质，而是一个研究者已经信任、但尺寸或性质更合适的版本。
更深一层看，这项工作提出：蛋白质的关键功能信息，或许可以用一种不依赖序列长度的方式表达。如果这一思路能够扩展，它就可能让插入、删除和替换不再是零散操作，而成为协调进行的大规模设计手段。
局限与未知
- 10%—25% 的缩短幅度、超过 50% 的个别结果及 EGF 亲和力提升都来自原论文；供稿节选没有给出完整样本量、具体亲和力数值、统计显著性或实验条件。
- 实际验证目前集中在荧光蛋白、TurboID 和 EGF 等有限案例。不能据此推断任意蛋白质伸缩后都能保持功能。
- 论文提出现有方法尚不能大规模利用插入和删除并保住核心结构，但现有材料不足以独立核实这一范围很宽的首创性判断，也没有提供成功率、失败率或系统性方法对比。