酶表达量提高方法：五层优化全解析

重组酶的表达水平，是决定其能否从实验室走向工业应用的核心经济参数。无论是生物制药中的工程酶、工业催化中的水解酶，还是合成生物学中的功能酶，“产得出、产得够”始终是产业化落地的第一道门槛。

然而，提高酶表达量并非单一策略可以解决的问题。酶的来源不同、结构复杂度不同、宿主偏好不同，每一个变量都可能成为表达瓶颈。本文从宿主选择、基因与转录优化、翻译与折叠、发酵工艺、AI驱动五个层面，系统梳理酶表达量提高的完整方法体系。

一、宿主选择：找对“生产车间”

Multi-level strategies for enhancing enzyme expression

表达宿主的选择是决定酶表达量的第一层决策。不同宿主在蛋白折叠能力、翻译后修饰、分泌能力等方面差异显著，没有“最好的宿主”，只有“最合适的宿主”。

大肠杆菌（E.coli）是最广泛使用的原核表达系统，优势在于遗传操作成熟、生长快速、成本低廉。对于结构相对简单的酶，E. coli通常是首选。但大肠杆菌缺乏复杂的翻译后修饰能力，对于需要糖基化或二硫键正确配对的真核酶，容易出现包涵体或活性不足的问题。针对膜蛋白或毒性蛋白，可尝试使用C41（DE3）、C43（DE3）等特殊菌株，这类菌株通过lacUV5启动子点突变降低T7 RNA聚合酶的本底表达水平，缓解转录速率，减轻膜蛋白/毒性蛋白对宿主的毒害作用，同时降低新生肽链聚集速率，减少包涵体形成。

毕赤酵母（Komagataella phaffii，旧称Pichia pastori）是真核表达的常用宿主，兼具真核系统的蛋白加工能力和原核系统的高密度发酵特性。对于需要分泌表达或糖基化修饰的酶，毕赤酵母往往是更优选择。优化策略涵盖基因水平、转录水平、翻译水平、蛋白折叠与分泌、细胞抗性及发酵工艺六大维度。

枯草芽孢杆菌（B.subtilis）是工业酶生产的重要宿主，尤其适合分泌表达。通过启动子和信号肽的优化组合，已实现多种酶的高效分泌。

酿酒酵母（S.cerevisiae）在部分细菌蛋白酶的表达中表现优异，可获得高滴度、高可溶性的重组蛋白，且无内毒素污染风险。

对于特定酶，往往需要通过多宿主平行测试来确定最优表达系统。

二、基因与转录水平优化：从源头提升表达潜能

选定宿主后，下一个关键问题是：如何让宿主细胞“更高效地转录”目标基因？

密码子优化是最基础也是最有效的基因层面优化手段。不同物种对同义密码子的使用频率存在显著偏好，当目标基因中存在大量宿主稀有密码子时，核糖体翻译延伸会受阻。通过将目标基因的密码子替换为宿主偏好的密码子，可以在不改变氨基酸序列的前提下，大幅提升翻译效率。在真菌系统中，密码子优化已持续提升漆酶产量。

双顺反子设计（BCD）是一种定量调控蛋白表达的精准策略。研究者开发了一种利用双顺反子设计文库进行酶表达筛选的方法，仅需不超过17次测试、分两步（表达谱分析和聚焦筛选）即可完成优化。该BCD文库编码了992倍的表达范围，蛋白丰度基于荧光强度进行量化，该策略目前主要在原核系统中运用成熟。

启动子工程是转录水平优化的核心。在枯草芽孢杆菌中，通过筛选内源强启动子，研究者发现启动子PrapA、PmetE-1、Phin-1表达碱性果胶酶的活力分别是常用P43启动子的9.8倍、4.8倍和3.0倍。此外，构建双启动子系统可进一步提升表达量。

三、翻译与折叠水平优化：让蛋白质“正确诞生”

Representative molecular tools for improving soluble expression

转录出来的mRNA需要被高效翻译，而翻译出来的肽链需要正确折叠，这两个环节的瓶颈往往比转录更棘手。

融合标签技术是提高可溶性表达最直接有效的手段之一。SUMO标签是其中效果最突出的标签之一——在25°C诱导条件下，融合SUMO标签的肝素酶I的可溶性组分占比从融合前的（24.28±1.63）%显著提升至（94.52±3.99）%。GST标签同样被广泛用于亲和纯化。在某淀粉酶表达案例中实现了胞外酶活602%的提升，该策略对分泌型难折叠蛋白通常效果更加显著。

分子伴侣与折叠通路调控是解决折叠瓶颈的另一核心策略。当目标蛋白过量表达时，宿主自身的分子伴侣系统往往不堪重负，导致新生肽链错误折叠、形成包涵体。通过共表达外源分子伴侣或调控折叠通路，可以为目标蛋白提供“折叠助手”。研究显示，共表达HAC1转录因子（激活未折叠蛋白反应通路）可使脂肪酶LipA的产量显著提高，酶活力达到3,233.2 U/mL，增幅达47.6%。在毕赤酵母中，共表达分子伴侣BiP与UPR调控因子HAC1的组合策略。

蛋白理性设计同样可以从序列层面改善可溶性表达。通过理性设计策略，用碱性氨基酸（精氨酸和赖氨酸）替换疏水性氨基酸，可显著提高末端脱氧核苷酸转移酶（TdT）在大肠杆菌中的可溶性表达水平。

分泌途径工程对于分泌型酶尤为重要。通过工程化合成信号肽并配合强启动子，可有效增强分泌表达。在毕赤酵母中，通过敲除OCH1基因可改善高糖基化问题。此外，共表达囊泡运输因子也可提高分泌效率。

四、发酵工艺优化：让细胞“多干活、少内耗”

基因和蛋白层面的改造解决了“能不能产”的问题，而发酵工艺优化解决的是“产多少、产多好”的问题。

高细胞密度发酵（HCDC）是提高酶产量的核心工艺手段。通过优化补料策略促进稳健的细胞生长，可显著提升单位体积的酶产量。

诱导条件优化直接决定了目标蛋白的产量与质量。降低诱导温度是减少包涵体形成的常用策略。末端脱氧核苷酸转移酶在15°C低温诱导条件下实现了可溶性表达。在肝素酶I的表达中，25°C诱导使SUMO融合酶的可溶性表达达到最优。此外，优化诱导剂浓度和诱导时间等参数，也可显著增加蛋白表达量。

培养基优化同样影响显著。在枯草芽孢杆菌中，通过优化碳源（25 g/L甘油）、氮源（20.75 g/L大豆蛋白胨）等培养基组分，酶活力从19.08 U/mL提升至80.36 U/mL，提高4.2倍。

pH调控是近年来的新策略。对于碱性适配酶而言，通过将表达培养基pH提升至9.0并工程化大肠杆菌适应高pH环境，研究者使两种醇脱氢酶的可溶性活性产量分别提高了18.55倍和26.59倍。这提示我们，环境pH对蛋白折叠和稳定性的影响远比想象中更大。

五、AI驱动：从“逐一试错”到“全局优化”

AI-driven global optimization paradigm

传统的酶表达量优化往往依赖“逐一试错”——更换宿主、测试标签、调整条件，每一步都需要大量实验验证。而AI技术的介入正在改变这一模式。

天鹜科技自主研发的对话式蛋白质研发智能体MatwingsVenus™（晓鹜™），在酶表达量优化场景中提供了系统化的解决思路。平台依托百亿级蛋白质序列数据集和200余款蛋白质设计工具，可从序列出发直接预测目标蛋白的可溶性、稳定性及表达潜力。用户仅需通过自然语言输入任务目标，系统即可自动拆解任务，完成从序列分析、表达优化方案设计到候选筛选的全链路研发。

平台集成的AI定向进化与AI挖酶两大核心功能，在表达量优化中各有侧重：“AI定向进化”可基于少量实验数据快速预测有益突变组合，大幅压缩实验筛选规模；“AI挖酶”则可在海量未知功能蛋白质数据中直接发掘天然高表达的酶资源。

在产业化验证层面，据公开报道，天鹜科技已交付30余个蛋白质设计项目。在与金赛药业的合作中，平台将蛋白质耐碱性提升4倍、使用寿命延长一倍，并成功实现5000升工业化生产，每年为企业节省超千万元成本。

酶表达量提高常见问题速查

Q1：这么多提高表达量的方法，我应该从哪里开始？

建议按“成本－收益”梯度推进：第一步做密码子优化（成本最低、收益最确定），第二步测试2～3个融合标签（SUMO、GST、MBP），第三步如仍不理想再考虑更换宿主或共表达分子伴侣。先解决“能不能产”的问题，再解决“产多少”的问题。

Q2：密码子优化做了，表达量还是上不去，问题出在哪？

密码子优化解决的是“核糖体能不能顺畅翻译”的问题，但如果翻译出来的蛋白本身就容易错误折叠，密码子优化也帮不上忙。此时建议优先尝试融合标签（SUMO标签在多项研究中表现突出）或降低诱导温度（15-25°C）。如果还不行，考虑更换宿主，有些酶在大肠杆菌中天生就“不好好折叠”，换到毕赤酵母或枯草芽孢杆菌可能会有惊喜。

Q3：SUMO标签、GST标签、MBP标签，哪个效果最好？

没有绝对的“最好”，取决于具体酶的性质。但SUMO标签在多项研究中表现突出，肝素酶I中可溶性占比从约24%提升至约94%，且SUMO标签可以被专一性蛋白酶精准切除，不留下额外残基。建议条件允许时平行测试2-3种标签，选择最适合目标酶的方案。

Q4：分子伴侣共表达和融合标签可以一起用吗？

可以，且往往存在协同增益效应。融合标签解决的是“蛋白本身的可溶性”，分子伴侣解决的是“细胞内折叠环境”的问题——两者靶向不同环节，可以协同作用。毕赤酵母中BiP和HAC1共表达使重组菌胞外酶活提高602%的案例已充分证明了组合策略的潜力。

Q5：发酵工艺优化是不是应该在基因改造完成之后再开始？

通常建议优先完成基因层面改造以提升单位细胞的生产能力，再通过发酵工艺优化提升生物量和生产稳定性，但二者并非完全独立：分泌信号、压力响应等基因改造会直接影响高密度发酵的适配性，而诱导条件、pH等工艺参数也会显著影响单位细胞的表达效率，实际研发中常需交替迭代优化

Q6：AI技术具体怎么帮我提高酶表达量？

AI可以从三个层面赋能：在设计阶段，AI模型可直接生成高可溶性、高稳定性的序列变体；在筛选阶段，AI定向进化可基于少量数据预测有益突变组合，将实验量从数万个变体压缩至数十个；在挖掘阶段，AI挖酶可从海量数据库中直接发现天然高表达的酶资源。天鹜科技MatwingsVenus™（晓鹜™）平台将这些能力整合为一个闭环，可将传统2—5年的研发周期压缩至2-6个月。