果蝇、小鼠、斑马鱼、酵母以及线虫秀丽隐杆线虫等模型生物，长期以来为现代生物学提供了可重复、可比较的研究基础。研究人员选择这些物种，主要在于其生物学特征既相对简化、便于实验操作，又能揭示跨物种的基本规律。

不过，在更广泛的蛋白质研究领域，科学界缺少类似的共同参照点。蛋白质作为细胞内执行功能的关键分子，承担催化反应、构建结构以及细胞间通讯等任务。多数生物体拥有数以万计的蛋白质类型，而单一蛋白质又可能在不同环境下发生突变、修饰并以多种方式被测量。随着研究工具进步，尤其是在人工智能推动下，新蛋白质序列的生成速度不断提升，但对其性质与功能的验证仍面临挑战。

在缺乏统一标准的情况下，不同实验室即便研究同一蛋白质，也可能因实验条件差异而得到不一致结果，导致研究结论难以直接对照，相关发现更容易呈现为分散、重复且不易推广的“孤立结果”。有研究者据此提出，蛋白质科学或需要建立一套“模型蛋白”，以便研究人员在共同基准上累积与比较成果。

绿色荧光蛋白被视为潜在起点

在候选“模型蛋白”中，绿色荧光蛋白（GFP）被认为具备成为共同参照的基础。该蛋白最初从水母中分离，在蓝光照射下可发出明亮的绿色荧光。生物学研究中，研究人员常将绿色荧光蛋白与目标蛋白融合，用于追踪目标蛋白在细胞内的位置以及生成时间。

由于应用广泛，绿色荧光蛋白在实践中已成为许多实验的“练习蛋白”或验证工具。报道提到，2000年代初，研究人员利用绿色荧光蛋白及其黄色变体，在克隆猪实验中证明外源基因可以被添加到大型哺乳动物并实现可靠表达。荧光信号使得外源基因是否成功整合、细胞是否产生相应蛋白更易被直观确认。

相关实验的长期目标之一，是通过工程化方式让猪产生特定的人类蛋白，以帮助免疫系统接受猪器官而非排斥。绿色荧光蛋白在其中主要承担验证作用，用于确认新基因存在、蛋白被制造且能够正常工作，并可能与其他蛋白协同。报道指出，这一路径最终促成了首例猪到人类的肾脏移植。

生成式人工智能推动“基准蛋白”需求

在蛋白质设计方面，蛋白质语言模型等生成式人工智能方法可提出大量可供测试的蛋白质序列，用于开发酶、治疗剂或材料。尽管部分AI设计蛋白在实验室中表现有效、可减少试错，但仍有大量候选序列在实验验证中失败。

报道认为，荧光蛋白可作为评估此类模型的“压力测试”对象。AI生成蛋白质面临的关键难点之一，是证明所建议序列能够正确折叠并形成具有功能的蛋白质。绿色荧光蛋白的优势在于：是否正确折叠可通过荧光信号快速反映。研究人员可对亮度、稳定性或颜色等指标提出预测，并直接检验AI生成蛋白是否符合预期。

报道同时强调，绿色荧光蛋白并不能保证AI模型对所有蛋白质都能成功，但可作为一种快速且被广泛信赖的标志，用于判断设计流程是否在正常运行。

教学应用被纳入讨论

除科研验证外，报道还提到，将绿色荧光蛋白明确定位为“模型蛋白”可能有助于生物学教学。其安全性与可视化特征，使学生即便在实验设计不够完善的情况下，也可能获得清晰的荧光信号，从而更直观地理解基因表达、蛋白质折叠与生物工程等概念。

报道指出，模型生物之所以能推动学科发展，在于科学界围绕共同参照点构建研究体系。提出者认为，蛋白质科学规模已足够庞大，确立绿色荧光蛋白为模型蛋白，或可促进研究结果的衔接、教学实践以及新工具的评估。

本文内容据The Conversation文章改写，原文遵循知识共享许可协议。