Raygun y la ingeniería de proteínas de longitud variable: de la secuencia fija a la representación probabilística

Un artículo publicado en Nature el 29 de julio de 2026 presentó Raygun, un marco generativo capaz de miniaturizar, ampliar y modificar proteínas naturales mediante una representación probabilística derivada de embeddings de modelos de lenguaje proteico. El trabajo reportó variantes fluorescentes funcionales, miniaturización de TurboID y modificaciones de EGF con mayor afinidad por EGFR. Es investigación preclínica, no evidencia terapéutica en humanos.

Gran parte del diseño computacional de proteínas trabaja con secuencias cuya longitud se fija durante la generación. Esa restricción limita la exploración coordinada de inserciones y deleciones, pese a que la evolución natural utiliza ambos mecanismos junto con sustituciones para producir diversidad funcional.

Raygun parte de representaciones obtenidas con ESM-2 y transforma secuencias de longitud variable en una representación probabilística de dimensión fija. La partición del embedding en bloques resumidos como distribuciones aproximadamente gaussianas hace comparables proteínas de distinta longitud y permite muestrear secuencias más cortas o largas conservando información contextual del molde.

Los autores informaron reducciones aproximadas de 10–25% y, en algunos casos, superiores al 50%, además de expansiones y modificaciones extensas. Seis de ocho diseños seleccionados de proteínas fluorescentes conservaron fluorescencia; también se generaron versiones miniaturizadas funcionales de TurboID y variantes ampliadas de EGF con mayor afinidad por EGFR.

Hecho confirmado: la representación probabilística puede guiar cambios de longitud conservando función en varios sistemas. Inferencia: puede ser útil cuando el tamaño molecular limite vectores de transferencia genética o biosensores. Hipótesis: podría generalizarse a proteínas terapéuticas complejas u otros elementos biológicos; esa extrapolación requiere validación.

La miniaturización puede reducir restricciones de empaquetamiento y la modificación coordinada de indels puede acelerar ingeniería dirigida. Cualquier aplicación biomédica futura deberá examinar inmunogenicidad, estabilidad, farmacocinética, actividad fuera de objetivo y seguridad biológica.

La validación cubre un número limitado de proteínas y contextos. El éxito observado no implica generalización universal y no existe evidencia clínica en humanos.

El avance cambia la unidad de razonamiento del diseño proteico: de secuencias de longitud fija a espacios probabilísticos comparables entre longitudes. Su valor médico potencial dependerá de validación funcional y traslacional rigurosa.