AI替蛋白質「改尺寸」：Raygun刪增胺基酸，功能能否留下成為關鍵考驗

蛋白質的尺寸並非只有外觀差異。分子過大，可能塞不進基因治療常用的病毒載體；作為細胞標記或研究工具時，也可能干擾原本要觀察的生物過程。刊登於《Nature》的研究提出生成式人工智慧框架Raygun，嘗試直接替既有蛋白質增刪胺基酸，在改變長度的同時保留其摺疊方式與關鍵功能。

Raygun建立在擁有6.5億參數的蛋白質語言模型ESM-2之上。一般模型會把每個胺基酸表示成一組數值，因此蛋白質長度不同，整體表示的大小也跟著改變；研究團隊則把蛋白質壓縮為固定維度的機率分布，使不同長度的序列可以放在同一空間比較與取樣。使用者只需調整序列變化幅度與目標長度，模型便可同時安排替換、插入和刪除，而非逐一修改殘基。

在電腦分析中，Raygun通常能將蛋白質縮短10%至25%，部分設計甚至超過50%，也能反向放大分子。許多候選序列保有預測中的整體結構及功能位點；在NVIDIA A100晶片上，每次生成約需0.3秒。不過，這裡大部分成果仍是結構模型和序列評分的判斷，不能等同蛋白質已在生物系統中正確摺疊並發揮作用。

團隊因此選擇幾類蛋白質進行實驗。八種縮短的螢光蛋白被放入人類胚腎細胞表現，其中六種產生高於背景的螢光；最短的eGFP與mCherry變體分別為199及206個胺基酸，比資料庫中96%的已知螢光蛋白更短。然而，這些變體的亮度低於原始蛋白質，若要成為實用的成像工具或生物感測器，仍需進一步定向演化與優化。

縮小酵素的結果更能顯示技術邊界。研究人員先生成50萬個TurboID生物素連接酶候選者，經序列、穩定性與結構篩選後挑出11個測試；六個能在細胞中表現，但只有兩個具有顯著的生物素連接活性，而且它們僅比原蛋白短1%與6%。一個縮短約一半的版本雖可表現，卻沒有顯著酵素活性，說明保住形狀並不保證複雜催化功能也能保留。

Raygun也被用來放大只有53個胺基酸的表皮生長因子EGF。團隊從一萬個候選者中篩選並提交四個進行實驗，其中兩個與EGFR受體的結合力優於天然EGF，解離常數分別為0.274與0.561微莫耳，天然EGF則為0.759微莫耳。這證明加長蛋白質未必稀釋功能，但結合力增強尚不代表具有更佳治療效果，細胞訊號、毒性及體內行為都未在這項試驗中得到回答。

論文所述模型約以8萬條UniRef50蛋白質序列訓練；2024年的公開軟體紀錄則描述另一個以9.5萬條序列訓練、大小約2.9 GB的預訓練版本，顯示公開模型與正式研究版本可能有所差異。Raygun現階段較適合作為快速提出候選序列的起點，再配合特定任務的計算篩選、蛋白質製備、細胞實驗與動物驗證。若這條流程日後能穩定重現，縮小治療蛋白、抗體或分子工具或可降低載體與製造限制；眼前的成果則證明了可行性，也提醒設計速度遠快於實驗驗證速度。