摘要： 难表达蛋白的表达优化往往并不是单一变量问题，同一蛋白的序列突变、融合标签和反应环境之间可能产生明显的组合效应。针对植物球蛋白这一类容易聚集、辅基装配复杂的血红素蛋白，相关研究利用数字微流控无细胞蛋白合成体系，对野生型与半胱氨酸→丙氨酸突变体、不同可溶性融合标签以及多种氧化还原和分子伴侣条件进行百组以上并行筛选。结果显示，保守半胱氨酸突变能够改善部分植物球蛋白的表达与纯化表现，GSSG及PDI/GSSG相关氧化环境在优选体系中占比较高，小分子标签及无标签条件整体表现更具优势，同时不同同源蛋白之间存在明显的标签与反应条件特异性。本文进一步结合200 μL放大表达、Strep亲和纯化、质量光度法和纳米差示扫描荧光结果，解析数字微流控高通量筛选在难表达蛋白条件优化中的技术价值。
关键词：无细胞蛋白合成、无细胞蛋白表达、数字微流控、DMF-CFPS、植物球蛋白、高通量筛选、难表达蛋白、半胱氨酸突变、蛋白稳定性、可溶性标签、血红素蛋白、Nuclera
一、为什么难表达蛋白不能只靠一个“最佳表达条件”解决
在重组蛋白表达实验中，很多优化工作仍然遵循逐项试错的思路，例如先比较几个表达温度，再更换诱导条件，然后尝试不同融合标签或添加分子伴侣。但对于真正的难表达蛋白，这种方法很容易遇到一个问题：影响最终结果的并不是某一个变量，而是蛋白序列、融合标签、折叠环境、氧化还原状态以及辅因子条件之间的组合。某种标签在一个反应环境中可能明显改善表达，在另一种环境中却可能阻碍折叠；同一种突变对于一个同源蛋白有利，也未必能够复制到另一个结构相似的蛋白。
植物球蛋白就是一个典型案例。这类蛋白参与NO清除和氧化应激调控，但从重组表达角度来看，其脱辅基状态容易聚集，血红素相关装配过程也增加了表达体系的复杂度。更重要的是，不同植物来源的同源球蛋白即使整体折叠结构高度保守，其局部表面电荷、疏水性和关键残基仍可能不同，因此传统上为一种植物球蛋白建立的表达条件，并不能直接假设适用于其他同源蛋白。
数字微流控无细胞蛋白合成体系提供了一种不同的优化思路，即不再预设某一个变量一定最重要，而是在较小反应体积中同时建立大量“蛋白版本×标签×反应条件”的组合，然后让实验结果筛选出更有潜力的条件。相关数字微流控无细胞蛋白表达与高通量筛选资料，可参考Nuclera无细胞蛋白表达筛选技术资料。
二、第一类关键变量：保守半胱氨酸究竟是结构基础还是表达负担
植物球蛋白序列中存在高度保守的半胱氨酸残基，这类残基携带巯基，在特定氧化环境中可能形成非预期二硫键并促进蛋白聚集。因此，研究通过将保守Cys定点替换为Ala，希望观察去除巯基之后是否能够改善蛋白可溶性、表达量和纯化效率。与只测试单一蛋白不同，这项研究同时比较了甜菜BvPgb和多个燕麦AsPgb野生型及对应突变体，因此能够判断Cys→Ala的效果是否具有普遍性，还是依赖具体蛋白背景。
筛选结果显示，甜菜BvPgb C86A突变体的荧光表达总量高于野生型，而纯化总收率与野生型保持相近。值得注意的是，SUMO标签对BvPgb野生型表达存在较明显抑制，但在C86A突变体中，这一负面作用几乎消失。这说明一个单点突变不仅可能影响蛋白本身稳定性，还可能进一步改变蛋白对融合标签的响应，因此“突变”和“标签”不能完全拆成两个彼此独立的变量评价。
燕麦AsPgb系列同样表现出蛋白特异性差异。AsPgb1.1 C70A突变体的纯化收率高于对应野生型，AsPgb1.5 C84A突变之后标签依赖关系发生明显改变，而AsPgb3.1 C161A的纯化效率也得到提升。整体结果支持一个重要判断：去除保守巯基在多数受试蛋白中能够减轻氧化聚集并改善表达或纯化表现，但不同蛋白改善程度并不一致，因此不能把Cys→Ala简单理解为所有植物球蛋白通用的增产突变。
图1：各蛋白在不同标签与反应体系下的表达产量热图，颜色深浅对应表达浓度高低
三、第二类关键变量：氧化环境为什么比单纯“加分子伴侣”更重要
在难表达蛋白优化中，研究人员经常会优先考虑加入DnaK、PDI或者其他分子伴侣，但本研究的筛选结果显示，对于植物球蛋白而言，氧化还原环境本身可能是更核心的影响因素。对优选反应条件进行统计后，GSSG以及PDI/GSSG组合合计占优选反应体系的48%，高于DnaK和TRXB1等条件的出现比例，说明植物球蛋白表达对反应体系整体氧化还原状态具有较高敏感性。
这一结果需要结合植物球蛋白中的保守半胱氨酸理解。蛋白中的自由巯基在不合适环境中容易发生非预期氧化和聚集，而适当的氧化环境可能帮助体系建立更加稳定的氧化还原平衡，从而降低随机巯基反应带来的聚集风险。研究中PDI/GSSG组合表现较好，但单纯还原型伴侣带来的提升相对有限，因此其作用并不能简单解释为“PDI帮助形成正确二硫键”，更可能与整个反应体系的氧化还原状态共同相关。
与此同时，金属辅因子混合液以及Zn²⁺条件也表现出一定正向作用，但整体优先级低于GSSG和PDI/GSSG相关条件。这进一步说明，对于植物球蛋白这类特殊血红素蛋白，折叠环境优化应当同时考虑氧化还原状态、辅因子以及蛋白自身序列，而不是只添加一种分子伴侣后观察表达量变化。
四、第三类关键变量：融合标签并不是越大越能提高可溶性
融合标签常被用于解决难表达蛋白的溶解性问题，因此很多实验会优先尝试SUMO、TRX等经典标签。但该研究得到的结果显示，对于植物球蛋白而言，融合标签的适配性非常依赖具体蛋白，而且整体呈现出小分子标签和无标签条件更占优势的趋势。
表现相对较好的标签主要集中在10 kDa以内，包括P17、CUSF和FH8，而SUMO、TRX、ZZ、SNUT等较大分子标签整体提升效果较弱，部分组合甚至出现明显抑制作用。更值得关注的是，无标签体系占全部优选条件约40%，说明对于相当一部分植物球蛋白，加入融合标签并不是必须条件，甚至去除标签可能让目标蛋白获得更加自然的折叠空间。
研究中还有19%的3C蛋白酶添加条件被纳入优选组合，这从另一个角度支持了“标签可能干扰折叠”的判断。如果标签本身只是单纯提高溶解性，那么切除标签不应频繁成为优势条件；而3C切除之后部分蛋白表现更好，说明标签与目标蛋白之间存在结构和空间层面的相互影响。
不同物种同源蛋白之间也存在明显适配差异，例如CUSF对甜菜BvPgb野生型更加适合，而P17则更加适配燕麦AsPgb1.5。因此，难表达蛋白标签选择并不适合按照“某个标签过去表现好，所以以后都用它”的经验路线，而更适合把多个标签放入并行筛选体系，用实验数据确定蛋白特异性的最优组合。
图2：优选组合的蛋白表达浓度、纯化浓度与纯化效率对比
五、高通量筛选之后为什么还需要做放大表达验证
微量高通量筛选的核心作用是快速缩小条件空间，但筛选中表现良好的组合是否能够在更大反应体积中继续保持，则需要进一步验证。因此，研究从优选条件中选择序列同源性较高的AsPgb1.5和BvPgb1.2进行200 μL体系放大表达，以观察筛选结果是否能够迁移。
AsPgb1.5选择P17标签，BvPgb1.2选择CUSF标签，两种蛋白均采用PDI/GSSG反应体系。放大表达后经过Strep亲和纯化，最终得到P17-AsPgb1.5，浓度为0.69 mg/mL、约22 μM；CUSF-BvPgb1.2浓度为0.77 mg/mL、约20 μM。纯化后条带较为单一，说明由数字微流控筛选得到的优选组合能够进一步支持放大表达和纯化。
这里的意义并不只是得到两个蛋白，而是验证高通量筛选得到的条件具有一定放大参考价值。如果微量体系中的排名在放大后完全消失，那么高通量筛选只能用于早期探索；而本研究的放大结果说明，通过数字微流控筛选先减少候选条件，再进入更大体积制备，是一种更加节省实验量的开发策略。
六、质量光度法显示两种放大产物均以单体为主
完成纯化后，研究进一步利用质量光度法评价两种蛋白的寡聚状态。BvPgb的单体比例达到93%，AsPgb1.5的单体比例为72%，说明两种产物都以单体状态为主，但AsPgb1.5仍然表现出更明显的非单体组分。
结合实验条件，研究推测当前获得的蛋白主要为可溶性的脱辅基球蛋白，也就是尚未完成血红素结合的apo-Pgb。因此，这一结果首先证明筛选体系能够获得较高比例可溶性单体蛋白，但不能直接等同于已经获得具备完整生物功能的成熟holo-Pgb。
图3：放大产物及其寡聚状态表征
七、结构同源并不意味着热稳定性相同
研究随后通过纳米差示扫描荧光对蛋白热稳定性进行初步评价。甜菜BvPgb的熔解温度Tm为55℃，并在较高温度条件下出现聚集趋势；燕麦AsPgb1.5的热转变信号则不够清晰，整体稳定性表现弱于甜菜同源蛋白。
这一结果与前期筛选中观察到的“同源蛋白需要不同标签和条件”相互呼应。即使两个蛋白具有较高序列同源性和相似整体结构，其局部表面性质、动态稳定性以及对融合标签和氧化环境的敏感性仍然可能不同，因此不适合根据一个同源蛋白的成熟表达方案直接推断另一个蛋白的最佳条件。
对于更广泛的蛋白工程研究而言，这也是高通量实验筛选不可完全被结构预测替代的原因。结构模型可以帮助解释蛋白为什么可能发生变化，但最终表达量、可溶性、纯化回收和热稳定性仍然需要实验数据验证。
八、这项研究最终明确了哪三条难表达蛋白优化规律
第一，保守半胱氨酸可能成为植物球蛋白氧化聚集的重要影响因素，多数受试蛋白在Cys→Ala突变之后表达、可溶性或纯化效率出现改善，但该效应具有明显蛋白特异性，因此突变策略需要逐个蛋白验证。
第二，GSSG以及PDI/GSSG相关氧化环境在优选体系中占比较高，说明对于植物球蛋白这类蛋白，适当氧化还原平衡比单纯增加还原型分子伴侣更值得关注。氧化环境的作用也可能与保守巯基状态相互影响，因此反应体系与序列变量之间存在组合关系。
第三，可溶性标签不是越大越好，也并非一定需要。P17、CUSF、FH8等小标签整体表现更具优势，无标签条件约占优选体系40%，而3C蛋白酶相关条件的出现进一步说明标签本身可能干扰部分植物球蛋白折叠。因此，对于难表达蛋白，应将“是否需要标签”本身也视为一个需要筛选的问题。
九、目前得到的是可溶性apo-Pgb，下一步仍需要解决成熟蛋白功能问题
研究虽然实现了稳定可溶蛋白的高通量筛选和放大验证，但原文也明确指出，目前尚未完成血红素嵌入以及完整生物活性验证。因此，这套工作流解决的是“如何快速找到更有利于表达和稳定性的反应条件”，而不是直接完成成熟功能性植物球蛋白的全部制备过程。
后续研究可以进一步加入适配血红素装配的分子伴侣或者其他成熟过程组件，促进holo-Pgb形成，并通过NO清除、抗氧化等功能实验验证蛋白是否具备预期活性。同时，也可以扩展更多氨基酸突变类型，从单一Cys→Ala逐步研究不同残基在聚集和稳定性中的作用。
更广泛地看，这种高通量体系并不只适用于植物球蛋白。膜蛋白、血红素酶、对宿主具有毒性的重组蛋白，以及需要大量组合条件优化的AI设计蛋白或酶工程项目，同样可能面临传统体内表达通量有限的问题，因此也具备进一步应用数字微流控无细胞筛选的可能性。
参考文献
Groth, L.; Bülow, L. Digital Microffuidics-Driven Cell-Free Protein Synthesis Platform Reveals Expression and Stability Determinants for Phytoglobins and Cysteine-to-Alanine Substituted Variants. Antioxidants 2025, 14, 1317.
拓展阅读
Nuclera无细胞蛋白表达与高通量筛选技术资料
Nuclera无细胞蛋白表达筛选系统技术干货
关于技术来源
本文基于Nuclera公开资料及Groth、Bülow关于数字微流控驱动无细胞蛋白合成与植物球蛋白筛选的研究信息，曼博生物MineBio整理，用于科研信息分享、实验参考和难表达蛋白条件优化思路理解。本文涉及的Cys→Ala突变、GSSG、PDI/GSSG、P17、CUSF、FH8、SUMO、TRX、3C蛋白酶、200 μL放大表达、蛋白浓度、单体比例和Tm等数据均来源于对应研究体系，不应直接视为适用于其他目标蛋白的固定条件。实际应用仍需结合目标蛋白序列、折叠特征、辅因子需求和功能验证体系进行重新筛选。 本文围绕Nuclera、eProtein Discovery、数字微流控、无细胞蛋白表达、难表达蛋白、高通量筛选、蛋白工程、膜蛋白和蛋白稳定性优化等方向整理相关公开技术信息。
