来源：Microb Cell Fact | 编译：DNA Lab Space
一株工程化的毕赤酵母，通过“定向进化+机器学习预测+信号肽筛选”三管齐下，把一种酸稳定性碱性丝氨酸蛋白酶的胞外分泌量推高了近5倍。15升发酵罐里的最终产量达到4807.5 U/mL——这个数字背后，是研究者对蛋白分泌瓶颈的层层拆解。
研究背景
微生物来源的丝氨酸蛋白酶在工业界备受青睐，原因在于它们底物谱广、稳定性好。碱性蛋白酶PrtA更是其中的特殊角色——它在酸性条件下依然稳定，这一特性让它在洗涤、食品加工、皮革处理等场景中极具应用潜力。
但把PrtA放进异源宿主里高效生产，却一直是个难题。细胞毒性、分泌效率低下，是这类蛋白酶在微生物宿主中过表达时最常见的两道坎。蛋白酶本身就会攻击宿主细胞的蛋白分泌机器，产量越高，细胞死得越快。这种“自杀式”表达困境，让许多有工业价值的蛋白酶止步于实验室阶段。
毕赤酵母（Komagataella phaffii，旧称Pichia pastoris）是业界公认的蛋白表达利器，甲醇诱导启动子、强大的分泌通路、翻译后修饰能力，都让它成为重组蛋白生产的首选宿主之一。可即便如此，面对PrtA这种“带刺”的蛋白，常规的单点优化策略往往收效甚微。
Zhao等人选择了一条组合路线：先做定向进化，再做机器学习辅助的理性设计，最后筛选信号肽。每一步解决一个层面的问题——蛋白本身的表达适应性、分泌通路的关键限速点、以及分泌信号的高效匹配。三管齐下，效果是叠加的。
研究方法
菌株与载体系统。 研究采用E. coli Trans1-T1作为克隆宿主，K. phaffii GS115作为表达宿主。表达载体选用了pPIC9和pPICZαA两种，均为毕赤酵母常用的甲醇诱导型载体。蛋白酶底物使用牛乳来源的酪蛋白钠盐（Sigma-Aldrich，货号C8654）。限制性内切酶EcoRI、NotI和DraI购自Thermo Fisher Scientific。培养基包括BMGY、BMMY、MD和MM四种，均按照Invitrogen EasySelect™ Pichia Expression Kit手册配制。原文摘要未详述其余化学试剂的品牌与纯度，仅注明均为分析纯、市售可得。
基因合成与载体构建。 编码丝氨酸蛋白酶PrtA的基因（GenBank编号XP_663162）按照K. phaffii密码子偏好性进行优化，由华大基因（BGI Genomics）合成。成熟PrtA编码区用特异性引物PrtA-MF和Prt-MR（引物序列见原文Table S1）扩增，通过同源重组方式克隆入pPIC9质粒，与α-因子信号肽编码序列进行框内融合，构建重组质粒pPIC9-prtA-M。克隆试剂盒使用Transgen公司的Basic Seamless Cloning and Assembly Kit。连接产物经测序验证插入序列正确性。
转化与蛋白表达。 重组质粒经Bgl II限制酶线性化后，电转化导入K. phaffii GS115感受态细胞。阳性转化子的筛选策略是：先转接到MD琼脂平板，再转接MM琼脂平板，30°C培养48小时，利用His⁺营养标记筛选阳性克隆。挑取单菌落的具体操作是用无菌牙签逐个转移。蛋白表达诱导流程按Invitrogen EasySelect™ Pichia Expression Kit操作手册执行。原文摘要未详述甲醇诱导的具体浓度、诱导温度与时间、摇瓶转速等参数。
蛋白纯化。 原文摘要未详述纯化方法的具体参数——如层析柱类型、缓冲液配方、洗脱梯度等。仅能确认重组蛋白经过了纯化步骤，用于后续酶学性质分析。
定向进化与突变体筛选。 研究者对PrtA进行定向进化，获得Q245K单点突变体。该突变体细胞外表达量较野生型提高1.35倍。原文摘要未详述定向进化采用的突变方法（如易错PCR、DNA shuffling等）、突变文库规模及筛选通量。
机器学习辅助突变设计。 研究者开发了名为MPEPE（Mutation Predictor for Enhanced Protein Expression）的机器学习模型，用于预测影响蛋白分泌的关键氨基酸残基。模型输出排名首位的突变位点被选为饱和突变靶点。饱和突变实验在该位点引入全部19种替代氨基酸，筛选获得I342D突变体，其生产率较野生型提高1.48倍。原文摘要未详述MPEPE模型的训练数据集、特征工程方法及模型架构。
组合突变构建。 将Q245K与I342D两个有益突变叠加，构建双突变体PrtA-Q245K/I342D。该突变体分泌量达到野生型的1.84倍，且酶学性质未发生改变。原文摘要未详述酶学性质检测的具体指标（如最适pH、最适温度、动力学参数等）。
信号肽筛选。 研究者系统评估了9种信号肽对双突变体分泌效率的影响。这9种信号肽包括：血清白蛋白信号肽、去除前肽区的α-因子信号肽、PrtA自身天然信号肽，以及其他6种未在摘要中逐一列出的信号肽。同时考察了包含前肽区的完整α-因子信号肽作为对照。原文摘要未详述各信号肽的氨基酸序列来源及构建方式。
发酵放大实验。 优化后的工程菌株在15升补料分批生物反应器中进行放大生产。原文摘要未详述发酵过程中的具体控制参数——如pH设定值、溶氧控制策略、甲醇流加方案、发酵周期、温度曲线等。
研究结果
单点突变的叠加效应。 定向进化获得的Q245K突变体，细胞外表达量是野生型的1.35倍。这是一个不错的起点，但远未达到工业化的要求。机器学习模型MPEPE预测的关键位点经饱和突变后，I342D突变体把生产率推高到野生型的1.48倍。两个突变叠加后，效果不是简单相加，而是协同增强——双突变体PrtA-Q245K/I342D的分泌量达到野生型的1.84倍，且酶学性质与野生型保持一致。
这个1.84倍值得玩味。如果两个突变完全独立作用，预期叠加效应应该是1.35 × 1.48 ≈ 2.0倍。实际得到的1.84倍略低于理论乘积，但明显高于任一单突变体。这说明两个位点对分泌通路的影响存在部分重叠，并非完全独立的加分项——但它们确实协同作用，而非相互干扰。
信号肽筛选的戏剧性差异。 9种信号肽的筛选结果呈现两极分化。血清白蛋白信号肽、去除前肽区的α-因子信号肽、以及PrtA自身天然信号肽，三者表现相当，均使双突变体的分泌量翻倍。加上这层信号肽优化后，最终工程菌株的总分泌量达到野生型PrtA的4.98倍。
最引人注目的发现是α-因子前肽区的负效应。当α-因子信号肽包含前肽区时，产量急剧下降。前肽区在天然α-因子成熟过程中扮演着折叠辅助和酶原维持的角色，但在PrtA的分泌语境下，它反而成了累赘。这个结果提示，信号肽的“完整”未必是好事——对于特定目标蛋白，截短或替换某些结构域，可能反而打开分泌的通道。
15升发酵罐的最终答卷。 将优化后的菌株（含双突变PrtA-Q245K/I342D，配合最优信号肽）在15升补料分批反应器中放大培养，最终产酶活力达到4807.5 U/mL，折合蛋白浓度约1.5 g/L。这个数字的意义需要放到上下文里看：碱性蛋白酶在毕赤酵母中的分泌表达，此前鲜有突破克级每升的报道。4807.5 U/mL的活力，对应的是兼具产量与活性的双重成功——蛋白不仅表达量高，而且保持了正确的折叠和催化功能。
策略的层次感。 把整个改造路径拆开来看，每一层的贡献是清晰的：定向进化贡献1.35倍，机器学习引导的饱和突变贡献1.48倍（叠加后1.84倍），信号肽优化再贡献约2.7倍（从1.84倍到4.98倍）。三个层次各自解决不同的问题——蛋白自身的表达适应性、分泌通路的关键瓶颈、以及信号肽与目标蛋白的匹配度。这种“分而治之”的策略，比盲目追求单一环节的极致优化要高效得多。
讨论与展望
这项研究的亮点在于策略的集成度。定向进化捕捉自然发生的有利突变，机器学习模型在序列空间中寻找人工进化难以触及的关键位点，信号肽筛选则解决分泌的“第一公里”问题。三者叠加，把PrtA的分泌量从野生型水平推高到近5倍——这个增幅在蛋白酶这类“难缠”蛋白的表达中并不多见。
MPEPE模型的应用尤其值得关注。它从序列特征预测影响蛋白表达的突变位点，绕开了传统理性设计对蛋白结构的依赖。对于那些结构信息匮乏、但工业价值显著的酶，这类数据驱动的策略提供了一条不依赖晶体结构的改造路径。
当然，这套策略的普适性仍有待验证。PrtA的分泌瓶颈是否与其他碱性蛋白酶相似？MPEPE模型的预测能力能否迁移到其他蛋白家族？15升罐的产量能否在百升级、千升级规模上重现？这些问题，原文摘要未提供答案。
但至少，4807.5 U/mL这个数字已经说明：组合策略对付“难缠”蛋白，是有效的。
参考来源
Zhao B, Zhou Q, Wei P, Zhang H, Qin X. A combined strategy for high-efficiency expression of alkaline protease PrtA in Komagataella phaffii (syn. Pichia pastoris). Microb Cell Fact. PMID: 41808135.
PMID: 41808135