来源：Microb Cell Fact | 编译：DNA Lab Space
丝氨酸蛋白酶是工业酶制剂家族中的“多面手”，底物谱宽、稳定性好，在洗涤、食品、皮革加工等领域需求旺盛。但把这类酶塞进微生物宿主里高效生产，却是个老难题——酶蛋白对宿主细胞有毒性，分泌效率又低，产量常常上不去。最近，来自江南大学的研究团队在 Microbial Cell Factories 发表了一项工作，把定向进化、机器学习辅助突变和信号肽工程三招组合起来，成功让一种耐酸碱性丝氨酸蛋白酶PrtA在毕赤酵母（Komagataella phaffii）中的胞外分泌量提升了近5倍。15升发酵罐中，优化菌株产酶达到4807.5 U/mL，折合蛋白浓度1.5 g/L。这个数字，对于这类“难缠”的蛋白酶来说，相当能打。
研究背景：好酶不好产，卡在分泌关
微生物来源的丝氨酸蛋白酶之所以受工业青睐，靠的是广谱底物特异性和良好的稳定性。PrtA是其中一员，它耐酸、耐碱，在偏酸环境下依然保持碱性蛋白酶活性，这种特性在工业场景中尤其讨喜。然而，异源高表达这条路并不好走。问题出在两方面：一是蛋白酶本身会“攻击”宿主细胞，造成细胞毒性；二是这类蛋白的分泌效率普遍低下，大量产物滞留在胞内，提纯成本居高不下。
过去几年，研究者尝试过密码子优化、启动子筛选、共表达分子伴侣等手段，效果参差不齐。一个共识逐渐形成：单点突破往往不够，需要把多个策略叠加起来。本研究的思路正是如此——先通过定向进化提升蛋白本身的分泌适应性，再用机器学习预测关键氨基酸位点，最后筛选最优信号肽组合。三步走完，环环相扣。
研究方法：三步走的组合拳
菌株与载体系统
研究选用 E. coli Trans1-T1 作为克隆宿主，K. phaffii GS115 作为表达宿主。表达载体为 pPIC9 和 pPICZαA，这两个都是毕赤酵母常用的分泌表达质粒。底物采用牛乳酪蛋白钠盐（Sigma-Aldrich，C8654），限制性内切酶 EcoRI、NotI、DraI 购自 Thermo Fisher Scientific。培养基包括 BMGY、BMMY、MD、MM，均按 Invitrogen EasySelect™ Pichia Expression Kit 手册配制。原文摘要未详述培养基具体配方。
基因合成与质粒构建
PrtA 编码基因（XP_663162）按 K. phaffii 密码子偏好性优化后，由华大基因合成。成熟肽编码区用特异性引物 PrtA-MF 和 Prt-MR（表 S1）扩增，通过同源重组方式克隆到 pPIC9 质粒中，与 α-factor 信号肽形成框内融合，构建出 pPIC9-prtA-M。连接反应使用北京全式金 Basic Seamless Cloning and Assembly Kit。重组质粒经测序验证插入序列正确。
转化与表达
重组质粒用 Bgl II 限制酶线性化后，电转化进入 K. phaffii GS115 感受态细胞。蛋白表达诱导按照 EasySelect™ Pichia Expression Kit 标准流程操作。His⁺ 转化子先在 MD 琼脂平板和 MM 琼脂平板上于 30°C 培养 48 小时进行初步筛选，随后用无菌牙签挑取单菌落进行后续验证。原文摘要未详述电转化具体电压、时间等参数。
定向进化与机器学习辅助突变
第一轮改造采用定向进化策略，获得 Q245K 单点突变体。第二轮引入机器学习模型 MPEPE（Mutation Predictor for Enhanced Protein Expression），该模型用于预测影响蛋白分泌的关键氨基酸残基。模型打分最高的位点随后进行饱和突变，从中筛选出 I342D 突变体。两轮突变叠加，得到双突变体 PrtA-Q245K/I342D。原文摘要未详述定向进化文库构建方法及 MPEPE 模型的具体训练数据集。
信号肽筛选
研究共评估了九种信号肽对双突变体分泌效率的影响，包括血清白蛋白信号肽、α-factor（不含前导肽区）、PrtA 天然信号肽等。每种信号肽与双突变体编码序列融合，构建独立表达载体，转化后比较胞外酶活。原文摘要未详述九种信号肽的完整清单及各自来源。
15升发酵罐验证
最终选定的优化菌株在 15-L 补料分批生物反应器中进行放大验证。原文摘要未详述发酵参数（温度、pH、溶氧、诱导时间、甲醇流加策略等）。
研究结果：每一层改造都在“加分”
定向进化首战告捷：Q245K 提升 1.35 倍
第一轮改造收获明确。Q245K 突变体相较于野生型 PrtA，胞外分泌量提升了 1.35 倍。这个结果说明，单点突变就能显著改善蛋白的分泌特性，定向进化策略在 PrtA 上是有效的。
机器学习精准命中：I342D 再添 1.48 倍
MPEPE 模型预测出关键位点后，研究团队对该位点进行饱和突变。筛选出的 I342D 突变体，生产力比野生型提高了 1.48 倍。值得注意的是，模型预测的位点与定向进化得到的位点并不重合，说明两条路径捕获了不同的分泌限制因素。
双突变协同增效：1.84 倍，不是简单相加
把 Q245K 和 I342D 叠加起来，效果超出预期。双突变体 PrtA-Q245K/I342D 的分泌量达到野生型的 1.84 倍——1.35 × 1.48 = 1.998，理论上如果两个突变独立起作用，应该接近 2 倍。实际 1.84 倍略低于乘积，但仍显著高于任一单突变。更关键的是，双突变没有改变酶的催化性质，说明这两个位点的突变只影响分泌效率，不触碰活性中心。
信号肽筛选：三种信号肽各翻一倍
九种信号肽的筛选结果颇有信息量。血清白蛋白信号肽、α-factor（不含前导肽区）以及 PrtA 天然信号肽，三者表现相当，各自将双突变体的分泌量再翻一倍。组合下来，最终菌株的胞外表达量达到野生型的 4.98 倍。对照实验则揭示了一个“陷阱”：如果把 α-factor 的前导肽区（pro-region）一并保留，产量反而急剧下降。这个现象提示，前导肽区可能干扰了 PrtA 的折叠或分泌路径，去掉它反而更顺畅。
放大验证：15升罐产酶 4807.5 U/mL
实验室规模的成功最终要在反应器里接受检验。15-L 补料分批发酵中，优化菌株产酶达到 4807.5 U/mL，折合蛋白浓度 1.5 g/L。这个数据意味着，组合策略不仅在摇瓶尺度有效，放大到工业级体积后依然站得住脚。
讨论与展望
这项研究的亮点在于“组合”二字。定向进化、机器学习预测、信号肽工程，每个策略单独用都有天花板，但串联起来产生了接近 5 倍的累积效应。尤其值得玩味的是 α-factor 前导肽区的负面作用——这个在毕赤酵母表达系统中被广泛使用的元件，在 PrtA 这里反而成了绊脚石。这提醒我们，信号肽的选择不能一概而论，目标蛋白的特性才是决定因素。
机器学习模型 MPEPE 的表现也让人眼前一亮。它预测的位点与定向进化结果互补，说明数据驱动的突变策略在蛋白分泌工程中有实际价值。当然，这套方法是否适用于其他难表达蛋白，还需要更多案例验证。
从产业角度看，4807.5 U/mL 的产酶水平已经具备一定的经济可行性。后续工作如果能在发酵工艺优化（如甲醇流加策略、诱导温度调控）上继续挖潜，产量还有上升空间。原文摘要未提及该策略在其他蛋白酶上的适用性，也未给出酶学性质的具体表征数据（如最适温度、pH 稳定性曲线等），这些细节有待阅读全文进一步确认。
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