企业官网建设流程全解析

做药物研发早期靶点验证的同行，应该都体会过这种拧巴：手里握着一个理论上很有潜力的候选基因，但要证明它真实参与疾病通路，首先得过蛋白表达这一关。过去我大概率要先克隆、转染、诱导、纯化，整套流程一两周起步，遇到毒性蛋白还得反复改载体；后来开始用无细胞蛋白表达技术（cell-free protein synthesis，CFPS）做靶点验证，节奏完全变了。这篇文章以nuclera这类集成式无细胞蛋白表达平台为例子，聊聊它在靶点验证里怎么落地，以及从产量、活性到稳定性几个维度怎么优化。内容偏实操，会尽量把背后原理和参数选择逻辑讲清楚。

1. 为什么靶点验证要把实验搬到细胞外

1.1 传统细胞表达路线的三个高墙

靶点验证的核心问题，是先拿到“足够接近生理状态”的目标蛋白。很多人觉得选一个商业化表达系统，按照说明书诱导就完事了，但实际操作中，传统活细胞表达路线至少有三堵墙绕不过去。

第一堵是时间。从接到序列到拿到纯化蛋白，克隆到表达载体需要1天，转化和测序1天，诱导表达1天，裂解和纯化保底2天，乐观估计也要一周。如果要设置多个突变体对照，比如验证某个磷酸化位点是否影响活性，工作量直接乘以突变体数量。做靶点验证的人常处于一种“需要快速推翻自己假设”的状态，等一个纯化结果等两周，实验节奏会很被动。

第二堵是毒性。很多真核靶点蛋白，比如激酶结构域、转录因子、膜蛋白，在原核细胞里高表达就会杀死宿主。我碰到过一个激酶，挑菌后平板长得很好，但一诱导就停止生长，最后只能降低IPTG浓度，用16℃过夜表达勉强拿到一点点，纯度还不行。这种情况下，问题不在于表达系统选得不对，而在于活细胞本身会对蛋白表达产生应激反应，这是细胞系统的天然约束。

第三堵是体内调控带来的偏差。活细胞不会让你舒舒服服地“想要什么蛋白就堆什么蛋白”，它会降解错误折叠的产物，会限制能量分配，会把外源蛋白拖进包涵体。这导致你最终拿到的蛋白，可能和你想验证的靶点状态其实并不一致。举个例子，我在验证一个转录因子时，细胞表达得到的蛋白总是部分降解，后来才发现是蛋白内部有一个强的蛋白酶敏感位点。这类问题在细胞里很难精准控制，因为细胞会自主优化蛋白稳态，不按照你的实验目的来。

1.2 无细胞系统是怎么绕开这些墙的

无细胞蛋白表达的思路很直接：把细胞裂解，保留里面的转录翻译机器（核糖体、tRNA、聚合酶、伴侣蛋白等），然后你直接在试管里加入DNA模板、氨基酸、能量物质，让它体外合成目标蛋白。这里的关键不是“没有细胞”，而是“不再需要维持生命活动”。

没有细胞壁和代谢网络，意味着你不用考虑蛋白对宿主的毒性和生长抑制。许多在活细胞里致死或者难以高表达的蛋白，在无细胞体系里反而能顺利合成，因为体系里没有完整细胞去“感受”压力。没有细胞膜周转和蛋白酶体调控，产物可以直接暴露在环境中，便于你添加去垢剂、辅因子、分子伴侣，甚至脂质体来模拟膜环境。没有复杂的转染建株过程，PCR扩增出的线性DNA就能作为模板，省掉分子克隆这一步。

时间上的优势更明显。常规CFPS反应普遍在2到6个小时内完成表达，一个96孔的平行实验可以同时处理几十个靶点变体，第二天就能做活性初筛。对于靶点验证这种需要反复试错、快速迭代的场景，这个特点几乎是决定性的。

做个粗浅类比：传统表达像是去餐厅点菜，后厨要备料、炒菜、上桌，中间有任何一步出问题你就得重新排队；无细胞表达像是把调料和锅都放在眼前，你只管调配方、定火候，几分钟后就能尝到成品的味道。

1.3 nuclera这类平台在靶点验证中的定位

需要先澄清一个容易混淆的点：nuclera这类平台并不只是一个“卖了试剂盒让你自己做反应”的工具，而是一套把DNA模板构建、无细胞表达、转移取样整合到一块的工作站。

它的典型流程是这样的：你把目标基因的序列输入软件，平台上的芯片合成模块先直接合成线性DNA片段，然后自动转移到无细胞表达模块，配置好反应液后平行表达，最后把产物导向下游检测孔位。这个流程覆盖了“序列到靶点候选蛋白”的完整通路，而不是像传统方法一样，你在多个仪器和手工操作之间来回切换。

它适合的场景，比较典型是早期靶点验证团队：需要几天内同时评估多个靶点突变体的可表达性、可溶性、活性和互作能力，但暂时不想投入大规模真核表达和蛋白纯化的人力。也能给晶体学、抗体制备、生化筛选这些下游提供前置筛选数据。换句话说，它像是一个“蛋白快速原型平台”，用于在投入重资源之前，把候选靶点矩阵收敛到少数几个真正值得做的事。

2. 平台设计的底层逻辑与建系统前的硬性判断

2.1 裂解物来源的选择逻辑

无细胞系统的“引擎”是裂解物，选择哪种裂解物，几乎决定了你的蛋白产量、折叠质量和可修饰性。市面上常见的有几类。

大肠杆菌S30提取物是目前用得最广的，产量高、成本低、操作成熟，适合表达原核蛋白、激酶结构域、可溶性重链抗体片段等。它的翻译速度很快，但偏向原核的折叠环境，对复杂多结构域真核蛋白的支撑偏弱。兔网织红细胞裂解物和麦胚提取物属于真核系统，提供更接近哺乳动物的分子环境，更容易帮助含二硫键和复杂折叠的蛋白获得活性构象，但产量通常不如大肠杆菌系统。人源细胞裂解物更先进，能提供一定程度的翻译后修饰，适合最接近生理环境的表达，但成本和制备门槛都高。

选型逻辑很简单：看靶点蛋白的复杂性，再权衡产量和真实性。我通常的建议是，如果验证的是激酶、磷酸酶、酶活性等主要依赖催化核心的蛋白，用大肠杆菌系统效率最高；如果是膜蛋白、转录因子复合物、泛素化通路相关蛋白，建议优先考虑真核或无细胞人源系统。这不是说大肠杆菌系统一定不行，而是避免在一开始就陷入“表达出来了但没有活性”的尴尬。

有些平台会提供模块化裂解物选项，比如nuclera可以在同一个工作流里切换不同表达环境，这是它做靶点验证很占便宜的地方——你可以在同一批模板上跑两套系统，快速对比哪一种产物状态更符合预期的活性数据。

2.2 反应体系的基础组分与能量平衡

无细胞反应体系看起来就是一管“汤”，但里面每个组分都有明确的职责。基础配方大致包括裂解物、DNA模板、氨基酸、核苷三磷酸（NTP）、能量再生系统、镁离子、缓冲液。

能量再生系统是里面最容易被人忽略、也最容易翻车的环节。核糖体每合成一个肽键都要消耗两分子GTP，而转录消耗高能磷酸键，体系必须在数小时内持续供给能量。常用方案是磷酸肌酸/肌酸激酶，或者磷酸烯醇式丙酮酸（PEP）系统。回头复盘过我遇到过的产量偏低案例，多半是能量系统提前耗竭，表现为反应前两小时产物逐渐增加，之后完全停止。解决办法通常是提高能量底物浓度，或换成持续供给型能源系统。

镁离子浓度则是一个更微妙的变量。镁是维持核糖体大小亚基结合所必需，也参与聚合酶的催化活性。浓度低了，翻译起始效率上不去；高了，又容易导致核酸沉淀或聚合反应偏移。在常见的E. coli S30体系里，醋酸镁的最优浓度通常在10到20 mM区间，但精确值会随着模板结构和裂解物批次漂移。做参数优化时，镁离子浓度扫描应该是你早期必做的项目之一。

氨基酸的配置也有讲究。20种标准氨基酸都要齐，且最好有适当冗余，因为表达量高了以后，某个稀有氨基酸耗竭会成为瓶颈。大肠杆菌系统对亮氨酸、精氨酸这些密码子的偏好会影响翻译延伸速度，必要时可以针对序列做稀有密码子分析，提前补充对应氨基酸。

2.3 DNA模板的样式选择与用量

无细胞表达的一个独特点在于，它不像活细胞那样必须先建立稳定的质粒株系，线性PCR产物就可以直接作为模板。这为靶点验证省掉了大量克隆工作。但线性模板有个天然软肋：会被体系里的核酸外切酶降解，导致产量随时间衰减。

解决思路一般有几个方向。一是给模板两端加上稳定结构，比如T7终止子序列，或者特殊的发夹结构；二是在反应体系里补充核酸酶抑制剂；三是使用平台自动合成的线性DNA，这类产物通常设计好了末端修饰，抗降解能力比手搓PCR产物好很多。此外，质粒模板依然在需要高产量或长期保存模板的场景里不可替代，只是它在平行筛选中的成本和时间不划算。

模板用量也不是越多越好。很多第一次用无细胞系统的人会不自觉把DNA浓度往上加，结果产量不但没升高，反而剧烈下降。原因在于，翻译起始阶段核糖体数量是有限的，如果转录出来的mRNA过量而核糖体不够，大量mRNA会被RNase降解或被翻译机器浪费。常见的最适模板量在0.1到0.5 μg/50 μL反应之间，具体数值可以用一个两倍梯度实验快速扫出来。参考这个小操作能省不少试剂。

2.4 优化到底在优化什么

很多人第一次接触无细胞蛋白表达，以为“优化”就是机械地把产量调高。实际做下来你会发现，优化是产量、完整性、活性、均一性几个指标之间的平衡。对一个靶点蛋白有效的最优条件，换一个蛋白可能完全失效。

比如温度。同一个激酶蛋白，在37℃下表达量也许很高，但可能因为折叠过快导致形成包涵体；在25℃下，产量虽然打折，但可溶性蛋白比例反而更大，酶活也更好。这个规律很像做菜的火候：大火炒得快但容易糊，小火慢炖肉才透。靶点验证真正需要的不是最大产量，而是“够用且具备生理活性”的蛋白样本。

再比如体系的氧化还原环境。表达含有二硫键的蛋白时，必须在反应体系里添加氧化型谷胱甘肽（GSSG）和还原型谷胱甘肽（GSH）的缓冲配对，模拟内质网的氧化折叠环境。缺少这一步，产物可能量很大但全部以错误折叠状态存在。这种细微之处，是通用说明书不会告诉你的。

所以我的判断标准一直是：优化成功不是看考马斯亮蓝染色条带有多深，而是看你的下游检测信号是否特异、可重复，并且和已知的阳性对照一致。

3. 靶点验证中的实操路线与关键参数

3.1 从序列到表达模板的标准化动作

实操层面，我习惯把流程整理成一套固定的标准动作。拿到某个候选靶点后，第一步不是立刻合成基因，而是先花十几分钟把序列“修理”到适合无细胞表达的状态。

首先是启动子和表达元件的设计。T7启动子是CFPS最常用的转录启动序列，反应体系中需要额外补充T7 RNA聚合酶。设计线性模板时，结构顺序一般是T7启动子、5UTR、翻译起始元件（比如大肠杆菌系统的Shine-Dalgarno序列）、目标蛋白编码序列、标签序列、T7终止子。中间哪一个元件缺失或顺序不对，都会直接影响表达效率。我当时踩过最无语的坑是，模板上少了一段5UTR，导致mRNA直接不被有效翻译，Western blot完全没信号。

其次是标签选择。靶点验证阶段常用的标签组合是N端His标签加上C端Strep标签，前者用于金属螯合纯化和Western blot检测，后者提供温和的亲和纯化手段。两条标签同时存在还有一个好处：可以用双标签夹心法判断产物的全长完整性，如果C端标签信号弱于N端标签，说明发生了C端降解。这个细节对评估靶点稳定性很有用。

最后是密码子检查。如果目标基因来自人源，而你使用的是大肠杆菌无细胞系统，应优先检查稀有密码子密集区域。遇上连续多个AGG/AGA、CCC等低频密码子时，翻译延伸会停滞甚至提前终止。现代基因合成服务普遍会把序列优化成宿主偏好密码子，但你在手工设计PCR模板时不要跳过这一步。

3.2 表达条件扫描的标准做法

条件扫描的核心是“先平铺，后逐点收窄”。我通常会用一块96孔板做三组变量：温度、时间、镁离子浓度。

温度梯度设25℃/30℃/37℃，反应时间设2小时/4小时/6小时，镁离子浓度设12/16/20 mM。每个条件做三到四个重复。反应结束后每个孔取少量样品跑SDS-PAGE，配合Western blot和可溶性分析。这个矩阵跑下来，基本就能锁定合适的条件区间。

如果目标蛋白定位为膜蛋白，或者预测有跨膜螺旋，在条件扫描里还应加一个变量：去垢剂类型和浓度。常用的有Brij-98，Triton X-100，DDM等。去垢剂的作用是给疏水区域提供一个模拟膜环境，防止新合成的膜蛋白在水相里立刻聚沉。我见过一类G蛋白偶联受体的胞外结构域，不加去垢剂时表达产物呈现高比例沉淀，加了0.1%的DDM后，可溶性比例显著上升，下游配体结合实验才顺利跑通。

扫描结束后，不要只关注总表达量，建议把样品分两部分，一部分全细胞总蛋白，一部分离心后的上清，分别比较。可溶性蛋白的比例，往往比总产量更影响后续靶点验证的成功率。

3.3 下游活性检测接口怎么设计

无细胞表达产物常常可以直接进入下游检测，不需要纯化。这一点对靶点验证非常有用，因为它把“表达”和“功能”测试之间的人工步骤压缩掉了。

如果做蛋白-蛋白相互作用验证，典型的做法是把表达产物离心澄清后取上清，直接做pull-down。用融合标签把目标蛋白固定在磁珠上，然后加入候选互作蛋白或细胞裂解液，孵育后洗脱，跑胶或做质谱鉴定。需要注意，无细胞裂解物本身背景蛋白很杂，必须设置无模板反应的阴性对照孔，否则分不清是特异结合还是裂解物自带背景。

如果验证酶活性，比如激酶，一般用ADP-Glo这类均相检测方法。把激酶反应直接在无细胞产物上清里进行，不纯化，加入底物和ATP后反应，然后检测ADP生成量。这里有一个容易忽略的问题：无细胞体系本身含有内源激酶和ATP酶活性，会造成高背景。解决方案是同时跑一个“无模板阴性对照”和“已知抑制剂抑制对照”，用净信号评估目标激酶活性。

如果目标蛋白是治疗性靶点，还想看小分子结合能力，推荐微量热泳动MST或差示扫描荧光DSF。这两种方法都可以用粗表达产物做，不需要高纯度。DSF尤其适合做靶点稳定性扫描，通过熔解温度变化判断有没有配体结合。不过这一类检测对体系内杂质浓度敏感，条件允许的话，简单纯化一下结果会更干净。

3.4 平行表达一个靶点家族的实际收益

举一个比较典型的案例。一个激酶家族有8个成员，都含有相似的催化结构域，但底物偏好和调控机制差异很大。传统做法是对每个成员逐一克隆、表达、纯化，算上失败重试，两到三个月跑完算顺利。用无细胞平台做这件事，流程被压缩成三步：把8条序列设计成线性模板送合成，同时在96孔板上表达，48小时之内拿到全部成员的总蛋白表达量和可溶性数据。

这只是起点。基于这些表达量数据，团队可以马上把后续的抑制剂选择性筛查材料分装给下游，把互作蛋白筛选也并行启动。整个过程省掉的是大量重复的克隆、转化和诱导表达的时间。更重要的是，一旦某个成员的蛋白表达量不稳定，你可以当天重新设计模板，第二天再表达一轮，而不是被传统体系的一个月周期卡住。

这个场景的核心价值，不是把单个蛋白表达做得更好，而是把“批次内一致性”做出来。靶点家族之间的横向比较，如果靠不同批次、不同纯化批次拼凑出来，实验结论的质量会大打折扣。

4. 常见问题与排查实录

4.1 问题速查表

做久了之后，我整理出一套自己的问题排查表格，遇到翻车基本先对照它定位，省掉很多重复劳动。

这条表格是我压箱底的东西。对无细胞表达没经验的人，看到“表达量低”容易扎进模板优化里，其实很多问题出在体系组分的平衡上。

4.2 一个转录因子从包涵体到可溶的排查过程

有一个做转录因子靶点验证的项目让我印象很深。目标蛋白在活细胞系统里无论如何都是包涵体，我决定换无细胞系统试试。第一轮，37℃表达4小时，目标蛋白确实出现了，但离心后上清里几乎看不到，说明还是以不溶形式存在。

当时我没有急着加去垢剂，而是先跑了一个温度梯度。把条件降到室温，并把反应时间从4小时延长到6小时，上清里的可溶蛋白比例明显提高。进一步排查后，发现这个蛋白的活性依赖锌离子，于是我在反应体系里补加了适量ZnCl2。加完之后，不仅可溶性进一步改善，后续的电泳迁移率实验（EMSA）里能看到明确的DNA结合迁移带。这说明，锌离子的螯合状态与结构稳定性直接相关。整个过程从发现问题到拿到有活性的蛋白，只用了三天。

这里面最关键的一条经验是：物理解释优先。先做温度和时间梯度，让折叠动力学慢下来，再考虑添加功能性金属辅因子。很多蛋白在无细胞系统里不溶，不是因为系统不支持折叠，而是合成速度太快，折叠跟不上了。

4.3 高背景信号的排除逻辑

靶点验证最怕的不是没信号，而是有信号但分不清真假。有一次做互作实验，候选靶蛋白和一个已知伴侣对照都能拉下某个标记蛋白，细看发现无模板空白对照也能拉下来，说明裂解物里本身就有能结合标记蛋白的组分。

这个问题的排查逻辑是：先确认空白对照的背景水平，再把候选蛋白的Bait固定在磁珠上，用更高严谨度的洗涤条件（提高盐浓度和去垢剂浓度）洗去非特异结合。如果背景依然压不下去，就要考虑换一个更特异的检测接口，比如把pull-down换成与SPR/BLI类似的实时结合分析。让靶蛋白固定在传感器表面，候选蛋白流过表面，结合和解离曲线会告诉你真实的亲和力，而不是靠一次pull-down的条带深浅下结论。

无细胞表达产物的背景问题不是无解的，但要求你从一开始就设计好对照组。没有对照的表达产物数据，尽量不要拿去支撑靶点验证结论。

5. 容易被忽略的实操细节与长期维护建议

5.1 裂解物的分装与批次管理

裂解物是整个反应体系里最贵、最敏感的原料。它本质上是细胞破碎后的复杂混合物，里面含有大量活性酶和辅因子，反复冻融会直接导致无细胞翻译活性陡降。我的习惯是拿到一支商品化裂解物后，先分装成25 μL或50 μL的小份，-80℃保存。用的时候取出一管，一次性用完，绝不把剩余的部分重新冻回去。

批次管理是另一个容易被忽略的点。不同批次的裂解物，即使来自同一家供应商，基础表达活性也可能差30%以上。做靶点验证时，如果必须在多天完成一批平行实验，建议把同一次实验需要的所有裂解物提前算好总量，使用同一个批次。相关批次号、反应日期、模板批号都要记录在实验笔记里。等出了问题回查的时候，这些信息能帮你快速定位究竟是模板、体系还是裂解物批次的问题。

5.2 产物收获后处理与保存

无细胞反应结束后，不是一个跑胶验证就完事了。产物里的能量系统会持续消耗，残余的蛋白酶和核酸酶也会继续工作，如果不及时终止，即使放4℃也会有缓慢的质量下降。常规做法是反应结束后马上把孔板放在冰上，然后根据下游需求统一处理。

短期保存，4℃放几个小时做活性检测一般没问题，但超过过夜就不好说了。更稳妥的方法是加入嘌呤霉素抑制翻译延伸，或者离心去除裂解物碎片后，把含有目标蛋白的上清加20%甘油后，在-80℃冻存。需要注意的是，不同蛋白对冻融的耐受性差异巨大，有些激酶冻一次活性损失超过一半，有些却很稳。最好在进入大规模保存之前，对重点靶点做一次“冻融前vs冻融后酶活对比”。这个数据以后会非常有用。

5.3 成本控制与自动化整合的经验

无细胞表达单次反应看似便宜，但如果做整板全因子扫描，试剂消耗会快速累积。我的经验是，先做一个小规模的1到2个因子的预实验，确定平台期和最适条件，再放开来跑大矩阵。不要一上来就让所有条件矩阵同时跑。另外，可以在不影响数据质量的前提下，把标准反应体积从50 μL缩小到25 μL甚至10 μL。表达量检测用灵敏度更好的荧光标记抗体或者基于活性的发光检测，小体积完全够用。

如果你所在团队有液体处理工作站，建议把无细胞反应板的配制流程转移到自动化平台。反应体系的分液精度对产量影响不小，自动化操作能把孔间差异降下来，平行比较的数据会更可信。我见过手工加样引起的边缘孔产量偏高问题，用自动化后这个问题基本消失了。

5.4 表达平台与下游工作流的衔接

无细胞表达平台用顺之后，最好不要只把它当作一个“快速表达工具”，而是要在整个靶点验证工作流里给它一个清晰的衔接位置。序列设计、模板合成、无细胞反应、初步生化检测、候选确认后的规模化真核表达，这些环节应该融为一体。

我的做法是，定义“前端快筛-后端深度验证”的两段式流程。前端用无细胞表达快速过滤掉表达困难或活性异常的靶点，后端只对通过前筛的少数靶点投入稳定的细胞表达或大规模纯化。这样可以显著减少后端资源占用。团队里只需要一个人负责前端平台的操作，后端纯化团队就可以集中精力服务更成熟的靶点项目。

另外，无细胞平台积累的数据本身就是资产。把每批靶点的表达量、可溶性比例、活性检测结果、模板序列和反应条件存成结构化数据，下一次拿到新靶点的时候，可以直接依据历史规律做条件推荐，而不是每次从头扫描。

6. 一点个人体会

用这类系统做了几年靶点验证，我最明显的感受是心态变了。以前拿到一个蛋白后，第一反应是“终于有材料可以做实验了”，会省着用；现在则是“这周内可以再验证两个突变体，直接把假设迭代一轮”。无细胞蛋白表达技术把靶点验证前期的不确定性大大压缩了。它当然不是万能的，产物质量不代表最终的生理真实性，很多结论最后仍然要回到细胞和动物模型里去确证。但对早期靶点验证而言，能以小时为单位拿到候选蛋白、快速做一轮功能数据，这个能力实在太重要了。