摘要：傳統(tǒng)藥物研發(fā)往往耗時數(shù)年、耗資巨大，無細(xì)胞蛋白合成（CFPS）技術(shù)的出現(xiàn)正在打破這一困境。它無需依賴活細(xì)胞培養(yǎng)，直接在體外復(fù)刻蛋白質(zhì)合成的核心過程，搭配機(jī)器學(xué)習(xí)（ML）的智能優(yōu)化，成為了藥物研發(fā)的“超級加速器”。從抗體、疫苗到抗菌肽，這項技術(shù)已經(jīng)成功合成多種具有藥用價值的生物分子，不僅大幅縮短了研發(fā)周期，還降低了成本。本文將帶大家走進(jìn)無細(xì)胞蛋白合成的世界，看看它如何與 AI 聯(lián)手，改變我們對藥物研發(fā)的認(rèn)知。

一、什么是無細(xì)胞蛋白合成？打破活細(xì)胞限制的 “開放式工廠”

提到蛋白質(zhì)合成，我們通常會想到活細(xì)胞里復(fù)雜的過程 ——DNA 轉(zhuǎn)錄成 RNA，RNA 再翻譯成蛋白質(zhì)，全程受到細(xì)胞內(nèi)部環(huán)境的嚴(yán)格調(diào)控。而無細(xì)胞蛋白合成（CFPS），簡單說就是把這個過程 “搬” 到了試管里，打造了一個開放式的生物合成工廠。

這個 “工廠” 主要由三個核心模塊組成：提供合成工具的裂解液（含各種酶和蛋白質(zhì)）、提供能量的小分子混合物（如氨基酸、核苷酸等），以及作為模板的DNA。這三個模塊相互配合，在體外就能完成蛋白質(zhì)的合成，完全不需要活細(xì)胞的參與。

和傳統(tǒng)的細(xì)胞內(nèi)表達(dá)相比，CFPS 有幾個致命優(yōu)勢：首先是脫耦聯(lián)，把細(xì)胞生長和蛋白質(zhì)合成分開，不用再等細(xì)胞慢慢增殖，大大節(jié)省時間；其次是開放性，反應(yīng)體系里的各種參數(shù)都能獨(dú)立調(diào)節(jié)，方便優(yōu)化；再者是快速便捷，線性 DNA 模板幾天就能合成，跳過了傳統(tǒng)質(zhì)粒構(gòu)建需要幾周的繁瑣步驟。

更關(guān)鍵的是，CFPS 可以使用現(xiàn)成試劑，搭配自動化設(shè)備就能實(shí)現(xiàn)高通量合成，甚至凍干后在室溫下就能儲存運(yùn)輸，讓藥物研發(fā)在各種場景下都能開展。對于需要快速響應(yīng)的場景（比如突發(fā)傳染病疫苗研發(fā)），這種靈活性簡直是 “救命神器”。

二、藥用蛋白 “量產(chǎn)車間”：CFPS 能合成哪些救命藥？

經(jīng)過 20 年的發(fā)展，CFPS 已經(jīng)成為合成藥用蛋白的 “多面手”，從抗體、疫苗到抗菌藥物，覆蓋了多種藥物類型，不少已經(jīng)進(jìn)入臨床研究階段。

1. 抗體與抗體藥物偶聯(lián)物（ADCs）：精準(zhǔn)打擊疾病

抗體是免疫系統(tǒng)的 “精準(zhǔn)導(dǎo)彈”，而 CFPS 能快速合成具有靶向性的抗體片段。比如針對新冠病毒刺突蛋白的sdFab（合成二聚化抗原結(jié)合片段），通過 CFPS 平臺結(jié)合高通量篩選，很快就確定了其結(jié)合能力。還有一種叫 “深度篩選” 的技術(shù)，能在 3 天內(nèi)發(fā)現(xiàn)對疾病靶點(diǎn)親和力提升 5200 倍的抗體片段（scFVs），而傳統(tǒng)方法需要的抗體庫規(guī)模要大上百倍。

更厲害的是，CFPS 還能合成抗體藥物偶聯(lián)物（ADCs）—— 這種 “生物導(dǎo)彈” 能把化療藥物精準(zhǔn)送到腫瘤細(xì)胞，減少對正常細(xì)胞的傷害。研究人員通過在無細(xì)胞體系中引入非天然氨基酸，利用點(diǎn)擊化學(xué)實(shí)現(xiàn)藥物與抗體的精準(zhǔn)連接，最終讓單克隆抗體的產(chǎn)量提升了 50%-100%。

2. 疫苗：快速響應(yīng)傳染病與癌癥

在疫苗研發(fā)領(lǐng)域，CFPS 同樣表現(xiàn)亮眼。通過合成病毒樣顆粒（VLPs）—— 一種沒有病毒核酸、但能激發(fā)免疫反應(yīng)的顆粒，科學(xué)家們開發(fā)出了穩(wěn)定性更高、免疫原性更低的疫苗。還有針對細(xì)菌感染的糖綴合物疫苗，利用 CFPS 技術(shù)實(shí)現(xiàn)了低成本、無冷藏儲存的生產(chǎn)，特別適合資源匱乏地區(qū)。

對于癌癥疫苗，研究人員通過 CFPS 將抗原與佐劑精準(zhǔn)偶聯(lián)，在體外實(shí)現(xiàn)了更高效的抗原呈遞，在體內(nèi)能誘導(dǎo)更多針對腫瘤的免疫細(xì)胞，為癌癥免疫治療提供了新方向。

3. 膜蛋白與抗菌藥物：攻克傳統(tǒng)研發(fā)難點(diǎn)

G 蛋白偶聯(lián)受體（GPCRs）是藥物研發(fā)的 “明星靶點(diǎn)”，超過 34% 的 FDA 批準(zhǔn)藥物都以它為目標(biāo)，但它的合成一直是個難題。CFPS 平臺通過優(yōu)化反應(yīng)體系（如添加特定去污劑、利用昆蟲細(xì)胞裂解液提供天然脂質(zhì)環(huán)境），成功合成了多種有功能的 GPCRs，還通過冷凍電鏡解析了其結(jié)構(gòu)，為藥物設(shè)計提供了關(guān)鍵依據(jù)。

面對日益嚴(yán)重的抗生素耐藥性（AMR），CFPS 也給出了解決方案。它能高效合成肽類抗生素（PBAs），包括抗菌肽（AMPs）、核糖體合成后修飾肽（RiPPs）等，這些新型抗生素能以獨(dú)特機(jī)制打擊耐藥菌，且不易產(chǎn)生耐藥性。比如通過 CFPS 合成的羊毛硫肽 salivaracin B，經(jīng)過工程優(yōu)化后抗菌活性大幅提升。

4. 噬菌體：對抗耐藥菌的 “新武器”

噬菌體是細(xì)菌的 “天敵”，噬菌體療法被認(rèn)為是治療多重耐藥菌感染的重要方向。CFPS 平臺能快速生產(chǎn)臨床相關(guān)的噬菌體，甚至通過基因工程改造噬菌體，擴(kuò)大其宿主范圍。一種叫 PHEIGES 的技術(shù)，能在體外快速完成噬菌體基因組的改造、合成和篩選，短短時間內(nèi)就能獲得針對特定耐藥菌的噬菌體，為耐藥菌感染的治療提供了新工具。

下表總結(jié)了部分通過 CFPS 合成的藥用產(chǎn)品：

三、AI+CFPS：讓藥物研發(fā)效率 “指數(shù)級” 提升

如果說 CFPS 是藥物研發(fā)的 “加速器”，那機(jī)器學(xué)習(xí)（ML）就是它的 “智能導(dǎo)航系統(tǒng)”。無細(xì)胞合成的反應(yīng)體系涉及上百個參數(shù)，可能的組合高達(dá) 1012 種，靠人工篩選根本不可能完成。而機(jī)器學(xué)習(xí)能通過算法快速找到最優(yōu)方案，讓研發(fā)效率再上一個臺階。

1. 設(shè)計 - 構(gòu)建 - 測試 - 學(xué)習(xí)（DBTL）：循環(huán)優(yōu)化的 “魔法”

機(jī)器學(xué)習(xí)優(yōu)化 CFPS 主要依靠DBTL 循環(huán)（設(shè)計 - 構(gòu)建 - 測試 - 學(xué)習(xí)），這個循環(huán)能不斷迭代，讓蛋白質(zhì)產(chǎn)量越來越高、成本越來越低。

圖表說明：設(shè)計階段由機(jī)器學(xué)習(xí)算法確定實(shí)驗方案；構(gòu)建階段整合裂解液、能量、DNA 三大模塊制備 CFPS 反應(yīng)體系；測試階段表達(dá)目標(biāo)蛋白；學(xué)習(xí)階段通過數(shù)據(jù)分析優(yōu)化方案，四步循環(huán)逐步提升蛋白產(chǎn)量或降低成本。

具體來說，第一步 “設(shè)計” 由 AI 算法根據(jù)已有數(shù)據(jù)，預(yù)測出最有潛力的反應(yīng)條件；第二步 “構(gòu)建” 按照預(yù)測方案配制 CFPS 反應(yīng)體系；第三步 “測試” 運(yùn)行反應(yīng)并檢測蛋白產(chǎn)量等指標(biāo)；第四步 “學(xué)習(xí)” 將測試數(shù)據(jù)反饋給 AI，更新模型并設(shè)計下一輪實(shí)驗。

通過這個循環(huán)，研究人員曾在 16 維參數(shù)空間中，僅探索 0.014% 的可能組合，就讓蛋白表達(dá)量提升了 3 倍；還有研究通過 7 輪迭代，讓核糖體合成系統(tǒng)的效率提升 10 倍，同時成本降低 4 倍。

2. 高通量篩選：一天篩選 10?種組合

為了進(jìn)一步提升效率，科學(xué)家們開發(fā)了基于微流控的DropAI 平臺，能每天并行篩選 10?種反應(yīng)組合。它把 CFPS 反應(yīng)分成無數(shù)個微小液滴，每個液滴都是一個獨(dú)立的反應(yīng)體系，再通過熒光編碼技術(shù)快速識別最優(yōu)條件。

在一項研究中，DropAI 僅用 4 小時、25 微升試劑，經(jīng)過兩輪篩選就讓大腸桿菌 CFPS 的蛋白產(chǎn)量提升 1.9 倍，成本降低 2.1 倍，還成功驗證了 12 種不同分子量蛋白的合成。更神奇的是，利用遷移學(xué)習(xí)技術(shù)，它還能快速優(yōu)化其他菌種的 CFPS 體系，無需從頭訓(xùn)練模型。

3. 大語言模型助力：編程時間從數(shù)月縮至一周

現(xiàn)在，大語言模型（如 ChatGPT-4）也加入了這場 “加速革命”。研究人員讓 ChatGPT-4 編寫 DBTL 循環(huán)的自動化代碼，原本需要數(shù)月的編程工作，一周就完成了。通過 AI 生成的代碼，他們成功優(yōu)化了兩種抗菌肽的 CFPS 合成，產(chǎn)量分別提升 9 倍和 3 倍，讓整個研發(fā)流程更加高效。

四、不止于合成：CFPS+AI 改寫蛋白質(zhì)工程與新藥設(shè)計

除了優(yōu)化產(chǎn)量，CFPS 與 AI 的結(jié)合還在蛋白質(zhì)工程和從頭設(shè)計領(lǐng)域大放異彩。藥物研發(fā)不僅需要快速合成蛋白，更需要設(shè)計出性能更優(yōu)的候選藥物 —— 比如親和力更強(qiáng)的抗體、穩(wěn)定性更高的酶、抗菌譜更廣的肽類藥物。

1. 蛋白質(zhì)工程：快速找到 “最優(yōu)突變體”

傳統(tǒng)的蛋白質(zhì)工程需要反復(fù)進(jìn)行基因突變和篩選，耗時費(fèi)力。而 CFPS 的迷你化反應(yīng)體系能同時進(jìn)行上千個突變體的合成和檢測，再搭配 AI 的預(yù)測模型，能快速鎖定性能最優(yōu)的突變體。

在一項酶工程研究中，研究人員通過 CFPS 平臺一天內(nèi)完成 10000 個酰胺合成酶突變體的篩選，再用機(jī)器學(xué)習(xí)模型預(yù)測最優(yōu)組合，最終找到的突變體讓藥物產(chǎn)量提升了 34 倍。還有研究通過 AI 引導(dǎo)的定向進(jìn)化，僅用 6 小時篩選 48 個蛋白酶變體，就得到了活性提升 4 倍的突變體。

2. 從頭設(shè)計：AI 造藥，CFPS 驗證

現(xiàn)在 AI 已經(jīng)能直接設(shè)計全新的蛋白質(zhì)序列，而 CFPS 則成為了驗證這些 “人造蛋白” 的最佳平臺。比如研究人員用生成式 AI 設(shè)計了 500 種抗菌肽，通過 CFPS 快速合成并檢測，發(fā)現(xiàn) 30 種具有功能，其中 6 種能廣譜對抗多重耐藥菌，且不會讓細(xì)菌產(chǎn)生耐藥性。

還有一項研究中，AI 模型 ProGen 基于 2.8 億個天然蛋白序列訓(xùn)練，設(shè)計出了 100 種人工溶菌酶。通過 CFPS 合成后發(fā)現(xiàn)，這些人工蛋白的表達(dá)量、折疊正確性和催化活性，都和天然溶菌酶相當(dāng)，甚至部分低序列同源性（<40%）的人工蛋白，也能保持良好功能。這意味著，未來我們可以直接讓 AI 設(shè)計新藥，再用 CFPS 快速驗證，徹底改變 “從天然分子中篩選藥物” 的傳統(tǒng)模式。

五、未來展望：無細(xì)胞技術(shù)讓藥物研發(fā)更普惠

無細(xì)胞蛋白合成技術(shù)的優(yōu)勢顯而易見：快速、靈活、低成本、易規(guī)模化，再加上 AI 的智能加持，它正在讓藥物研發(fā)從 “漫長的試錯過程” 變成 “精準(zhǔn)的設(shè)計 - 驗證流程”。

未來，這項技術(shù)可能會讓個性化醫(yī)療更進(jìn)一步 —— 比如根據(jù)患者的腫瘤特征，快速合成專屬的抗體藥物偶聯(lián)物；在傳染病爆發(fā)時，短期內(nèi)完成疫苗的研發(fā)和生產(chǎn)；還能讓藥物研發(fā)走出實(shí)驗室，在資源匱乏地區(qū)實(shí)現(xiàn) “按需生產(chǎn)”，無需依賴復(fù)雜的冷藏和運(yùn)輸條件。

當(dāng)然，CFPS 技術(shù)也還有需要完善的地方，比如如何進(jìn)一步提升大規(guī)模生產(chǎn)的產(chǎn)量、降低成本，如何合成更復(fù)雜的膜蛋白和糖蛋白等。但隨著技術(shù)的不斷迭代和 AI 算法的持續(xù)優(yōu)化，這些難題都在逐步破解。

從試管里的簡單反應(yīng)，到改變?nèi)祟惤】档男滤幯邪l(fā)，無細(xì)胞蛋白合成技術(shù)正在用科技的力量，讓 “快速造藥”“精準(zhǔn)造藥” 成為現(xiàn)實(shí)?；蛟S在不久的將來，我們熟悉的 “研發(fā)一款新藥需要十年” 的說法，會被 “十天合成候選藥，百天進(jìn)入臨床試驗” 所取代 —— 而這一切，都源于這個 “不用活細(xì)胞的合成工廠”和 AI 的完美配合。

識別微信二維碼，添加生物制品圈小編，符合條件者即可加入

生物制品微信群！

請注明：姓名+研究方向！

本公眾號所有轉(zhuǎn)載文章系出于傳遞更多信息之目的，且明確注明來源和作者，不希望被轉(zhuǎn)載的媒體或個人可與我們聯(lián)系(cbplib@163.com)，我們將立即進(jìn)行刪除處理。所有文章僅代表作者觀不本站。