Raygun: ИИ уменьшает белки без потери функций — исследование Duke в Nature

Científicos de Duke University School of Medicine publicaron el 29 de julio de 2026 en Nature un modelo generativo llamado Raygun, que reduce las proteínas naturales en un 10–25% —y en algunos casos en más de la mitad— conservando su estructura tridimensional y sus sitios funcionales. Los medios ya han apodado a la herramienta el "rayo reductor molecular".

Cómo funciona el "rayo reductor"

Raygun es un modelo basado en plantillas (template-based): toma una proteína natural existente como modelo e introduce en ella sustituciones e inserciones-deleciones de aminoácidos (indels), en lugar de diseñar una molécula desde cero. En su base están los protein language models, entrenados con millones de secuencias naturales: traducen la cadena de aminoácidos a una representación matemática estandarizada, con la que trabaja el modelo.

El control se reduce a dos mandos. El primero define cuán intensamente modificar la secuencia; el segundo, en qué dirección mover el tamaño: hacer la proteína más corta o más larga. Arquitectónicamente, Raygun está construido como un autoencoder, donde una entrada de longitud variable se comprime en una representación fija.

• Desarrollador — el laboratorio de Rohit Singh, Duke University School of Medicine
• Publicación — Nature, 29 de julio de 2026 (DOI 10.1038/s41586-026-10842-8)
• Reducción de tamaño — de 10–25%, a veces más del 50%
• Entrada del modelo — la secuencia original, un parámetro de "ruido" y una longitud objetivo
• También puede hacer crecer las proteínas por encima de su tamaño natural

Qué mostraron los experimentos

Raygun se probó en tres clases de proteínas: proteínas fluorescentes (para visualización), enzimas celulares y variantes del factor de crecimiento epidérmico (EGF). Para el EGF —una proteína implicada en la cicatrización de heridas y en vías de señalización relacionadas con el cáncer— el equipo realizó experimentos de unión al receptor y confirmó que las variantes acortadas conservan su función.

Lo clave de estos resultados es que las versiones en miniatura no pierden sus sitios funcionales. El modelo introduce una diversidad considerable en la secuencia, pero conserva los sitios funcionales y la integridad estructural prevista. A diferencia de los modelos que crean proteínas desde cero, Raygun se apoya en una plantilla natural existente, lo que aumenta la probabilidad de que la molécula acortada resulte funcional.

"Existe un lenguaje que determina cómo la secuencia de aminoácidos de una proteína da origen a su forma y función, pero los científicos aún no comprenden ese lenguaje por completo", —

Rohit Singh, profesor asistente de bioestadística, bioinformática y biología celular de Duke University.

Para qué reducir las proteínas

Las proteínas compactas se necesitan sobre todo para la terapia génica: muchas proteínas terapéuticas son demasiado grandes para caber en vectores virales de capacidad limitada. Reducir la molécula sin perder función elimina esta limitación y amplía el abanico de dianas accesibles.

Además de la terapia génica, los autores mencionan el diseño de sensores proteicos y otras herramientas biotecnológicas. Según Singh, los modelos de lenguaje de proteínas funcionan como un traductor:

"Los modelos de lenguaje de proteínas actúan como una especie de traductor: aprenden patrones a partir de millones de secuencias y vinculan esos patrones con la estructura y función biológicas", —

Rohit Singh, Duke University.

Qué significa esto

Raygun convierte el rediseño de proteínas de una ingeniería manual lenta en un proceso controlable: defines la longitud objetivo y el grado de cambio, y obtienes una variante funcional. Esto acerca la "evolución dirigida" de proteínas a las tareas prácticas de la medicina y la biotecnología.

Preguntas frecuentes

¿Qué es Raygun?

Raygun es un modelo de IA generativa para el rediseño de proteínas de Duke University, publicado en Nature el 29 de julio de 2026. Toma una proteína natural como plantilla y crea versiones acortadas, alargadas o muy modificadas de ella conservando su función.

¿Cuánto reduce Raygun las proteínas?

Raygun reduce las proteínas en un 10–25%, y en algunos casos en más del 50%, conservando la estructura prevista y los sitios funcionales. Además, el modelo puede hacer crecer las proteínas por encima de su tamaño natural.

¿Dónde se aplica Raygun?

La principal aplicación es la terapia génica, donde las proteínas compactas son más fáciles de empaquetar en vectores virales. Los autores también mencionan el diseño de biosensores proteicos y otras herramientas biotecnológicas.