知识卡片：Miniaturizing and modifying natural proteins with Raygun

一句话结论：Raygun 通过将蛋白质序列编码为固定维度的概率分布，实现了对天然蛋白质的微型化（缩小 10-25%，有时超过 50%）、修饰和扩展，并在细胞实验中保留了功能。

英文关键词：protein design, generative AI, protein language model, miniaturization, insertions and deletions

研究问题：现有计算蛋白质设计无法像自然进化那样对现有蛋白质模板进行大规模的协调性序列修改（尤其是插入和缺失），如何实现功能保留的大规模序列改造？

方法/产品要点：

• 核心创新：将蛋白质不编码为高维空间中可变长度的序列，而是编码为固定维度的概率分布（高斯分布），使任意长度的蛋白质可直接比较。
• 架构：基于 ESM-2（6.5 亿参数）的自动编码器，包含降维层、重复层和 T-Block 层（7.01 亿可训练参数）。
• 控制参数：仅需两个参数——噪声（控制替换率）和目标长度（控制插入/缺失）。
• 生成速度：每次生成 0.3 秒（NVIDIA A100 GPU），比扩散模型快约 100 倍。
• 训练方式：自监督训练，推理推荐使用仅更新解码器的微调版本。

主要结果或产业意义：

• 将荧光蛋白缩小到比 FPbase 中 96% 的荧光蛋白更短（8 个候选中有 6 个表现出荧光）。
• 将广泛用于蛋白质组学的合成生物素连接酶 TurboID 微型化，保留连接酶活性。
• 扩展表皮生长因子（EGF），产生 EGFR 结合亲和力高于野生型的变体。
• 人类无法实验验证的结论：待核实（如对所有蛋白质类型的通用性、长期结构稳定性）。

为什么重要：

• 填补了现有方法无法在保留核心结构的同时实现大规模插入和缺失的空白。
• 与已有相关卡片（如 SciReasoner）的区分：本工作专注于序列层面的长度变换（而非多模态结构推理），首次证明可从学习到的序列表示中计算性地复现进化中协调的插入、缺失和替换能力。

局限与不确定性：

• 目前仅验证了荧光蛋白、TurboID 和 EGF 等少数蛋白类型，对其他蛋白家族的通用性待核实。
• 微型化/扩展后的蛋白在体内的长期稳定性和免疫原性待核实。
• 对于长度变化超过 50% 的极端案例的功能保持率待核实。
• 与扩散模型相比，虽速度快但生成质量在小样本下的稳定性待核实。

可用于图书/PPT/简报的角度：

• 蛋白质工程的新范式：从“改建”到“扩建与缩建”。
• AI 如何模仿数十亿年自然进化的“手术刀”——插入、缺失、替换。
• 荧光蛋白、生物传感器、基因治疗载荷的微型化应用前景。
• 与扩散模型的对比：单步生成 vs 迭代去噪，速度与保真度的权衡。

原始材料：

• Devkota, K. et al. Miniaturizing and modifying natural proteins with Raygun. Nature (2026). https://www.nature.com/articles/s41586-026-10842-8 doi:10.1038/s41586-026-10842-8