我们在第3章里看到，通过基因水平转移重组代谢酶，大自然不断更新着生物体内的生化反应。即便如此，代谢酶自身也并不是这样形成的。从上述最后举的几个例子中我们可以看出，大自然会通过改变已有蛋白质的氨基酸序列创造新的蛋白质，我们已知的5 000多种酶中的每一种都是按照这种方式被创造出来的。此外，还有不胜枚举的蛋白质在我们体内负责调节基因、输送物质、收缩肌肉、运输氧气、输入养分、排泄废物、在细胞间传递信息以及承担其他无数种任务。蛋白质多样的功能足够我们写上整整一本书。事实上已经有这样的书了，这种专业的书对某些蛋白质的记述非常完备，事无巨细。
但这本书不属此类。
你无法只是通过道听途说就了解有一种蛋白质叫抗冻蛋白，还有一种叫视蛋白，以及理解这些蛋白质起源的真相，就像你没法只靠几个国家的卫星图像就画出一张完整的美国地图。要解释新蛋白质的起源需要我们拿它们与大量原始蛋白质进行比较，成百上千对地进行比较。
如果能解读基因的DNA或者基因编码的氨基酸链，也就是蛋白质的基因型，这个任务就会容易一些。对两者进行解读的先驱之一是英国生物化学家弗雷德里克·桑格（Frederick Sanger）。他是极少数得过两次诺贝尔奖的科学家之一，第一次是因为他成功破译了胰岛素的氨基酸序列，而第二次则是表彰他成功完成了对DNA的碱基测序。在距离他做出卓越贡献的几十年后，我们才终于掌握了解读代谢基因型的技术，才认识了更多蛋白质的基因型和表现型。这些基因型和表现型来自各种生物，所处环境各异：北极圈荒原、热带丛林、山麓、深海、人体内脏、滚烫的温泉、贫瘠的荒漠、肥沃的平原、肮脏的水沟和清澈的河渠。
这么大一堆关于蛋白质的事实如果不经组织，简直就是一本疯子编纂的字典，里面的几百万个单词杂乱无章，毫无头绪可言。然而一旦经过组织，这些事实就成了图书馆的一部分，这个图书馆和第3章中巨大的代谢图书馆类似。这个宇宙图书馆里收录的正是蛋白质的基因型，每个文本都由20个字母构成的字母表写就，每个字母对应一个氨基酸。这座图书馆收集了生命已经创造和能够创造的所有蛋白质，有时也被称为蛋白质空间（protein space）或序列空间（sequence space）——因为每个文本都对应一个唯一的氨基酸序列。
通过与前面章节类似的计算方式，我们大概已经可以预见，这个图书馆的规模和代谢图书馆一样惊人。回想一下，20种可能的氨基酸，两个字母可以构成的文本就有400（202）种。同理，3个氨基酸构成的可能文本有8 000（203）种，4个氨基酸对应于16万（204）种文本，以此类推。像这样的短文本充其量只能叫肽，大多数蛋白质包含的文本要长得多，即多肽，它的可能文本数量随着长度增加呈爆炸式增长，即便是仅由100个氨基酸构成的蛋白质，可能的文本数量也已经超过了10130种。这个数字大得难以想象，但是蛋白质图书馆内的馆藏数量比这还大，因为像蔗糖酶这样的蛋白质含有1 000多个氨基酸，而有些人类蛋白质比蔗糖酶还要再长许多倍。其中有一个庞然大物叫肌联蛋白（titin），含3万个氨基酸，是肌肉的弹性成分。由此可见，蛋白质图书馆的规模同样是超宇宙常数级别的。
蛋白质图书馆和代谢图书馆的相似之处不仅在于规模。和后者一样，蛋白质图书馆也是一个超几何体，相似的文本彼此邻近。每个蛋白质文本位于这个超立方体的一个顶点，就像在代谢图书馆里一样，每个蛋白质都有许多直接相邻的邻居，这些邻居和它只差一个字母，位于超立方体上相邻的顶点。
我们以一个含有100个氨基酸的蛋白质分子为例，如果你想改变蛋白质的第一个氨基酸，那么就有19个选项，这也就意味着与这个蛋白质只差第一个氨基酸的蛋白质邻居有19个。按照同样的思路，这个蛋白质有19个与其第2个氨基酸不同的邻居，19个与其第3个氨基酸不同的邻居，19个与第4个……19个与其第100个氨基酸不同的邻居。一句话，我们的蛋白质有1 900个直接邻居。这样一个社区已经很庞大了，但如果你改变的不是一个氨基酸，而是两个或更多，那么这个社区还会更大。显然，对进化来说这不是坏事：只要简单改变一个或几个氨基酸，就可以产生许多新的蛋白质。
在这座图书馆迷宫里漫游，要是手里没有一团展开的毛线丈量走过的路程，很容易就会迷路，这一点也和代谢图书馆类似。在这里我们也需要借助某种方式来衡量蛋白质图书馆里的“距离”，于是我们采用了两个蛋白质相异的氨基酸数目作为衡量距离的单位。这个标准可以告诉你，从一个蛋白质文本到任一其他文本要走多远，即需要改变多少个氨基酸。
图书馆中的文本很重要，但更重要的是每个文本承载的意义。我们的双眼无法解读这种意义，无法阅读蛋白质化学语言的单词、句子和段落，但生命自身精通这门语言，并能分辨出一个蛋白质文本到底是文风优美的佳作，还是词不达意的垃圾。
细胞判断蛋白质是否有意义的标准很实际：能让细胞存活的蛋白质就有意义。只有有用的蛋白质才有意义，有缺陷的变异蛋白不能正确完成折叠，自然也就一无是处。如果“意义”这个词听起来过于以人类为中心，我们不妨参考一下符号学——一门语言学的分支，主要研究意义的意义，其中对“意义”的定义是任何符号（随便什么东西，可以是路标，可以是一本书）所指涉的内容。根据这个定义，如果蛋白质的基因是符号，那么它所编码的蛋白质氨基酸序列以及蛋白质在细胞内所起的作用就是它的意义。
宇宙图书馆里到底确切地藏有多少本有意义的书，我们仍然无从得知。但经过几十年的研究，如今我们已经可以估算蛋白质图书馆里有意义的蛋白质的数量，因为大多数有用的蛋白质都有特定的折叠形状。从图书馆里随机选取一个书架，随机选取一个蛋白质，它能够折叠的概率至少是万分之一。这个概率听起来好像不是很大，但请记得，宇宙图书馆本身非常巨大，光是由100个氨基酸组成的蛋白质就超过10130个。即使其中只有万分之一的蛋白质能够折叠，也有10126个，即1后面跟着126个0，这比全宇宙中的氢原子数量还多。由此可知，有意义的蛋白质的数目大得超乎想象。
