重组漆酶表达策略:从实验室改造到环境修复的绿色引擎

来源:World J Microbiol Biotechnol | 编译:DNA Lab Space

📎 相关工具:论文智能降重

漆酶——这种含铜的多酚氧化酶,能降解木质素、染料、药物残留甚至多种有毒化合物,被誉为“绿色工具酶”。然而,从天然来源获取漆酶,产量低、成本高,始终是工业化路上的拦路虎。过去几年,重组表达技术试图打破这层天花板,但结果却参差不齐。2025年发表在《World Journal of Microbiology and Biotechnology》上的一篇scoping review,系统梳理了2019至2025年间重组真菌和细菌漆酶的研究进展,聚焦于表达优化策略与环境应用成效。这篇综述的结论直白而犀利:载体选择、密码子优化、His标签、定点突变和计算辅助设计,每一项技术都在推进,但不同宿主系统之间的表达效率差距依然巨大,极端温度与pH下的稳定性问题也远未解决。

研究背景

漆酶并非稀有酶种,自然界中真菌和细菌都能合成。真菌漆酶氧化能力强,但天然产量低、发酵周期长;细菌漆酶虽然表达相对容易,催化活性却常常逊色。这种“鱼与熊掌”的困境,推动了重组表达技术的介入——通过将漆酶基因导入异源宿主,绕开天然产酶的低效瓶颈。

但重组表达并非万能药。密码子偏好性不匹配、蛋白折叠错误、翻译后修饰缺失、宿主对目标蛋白的毒性反应……每一个环节都可能让表达量骤降。更棘手的是,即便成功表达了,酶的催化性能也未必优于天然版本。不同研究团队使用不同载体、不同宿主、不同诱导条件,得出的数据彼此之间难以直接比较,这为本领域的横向评估增添了巨大困难。

这篇综述正是在这样的背景下展开的。作者团队检索了多个主流数据库,筛选出2019至2025年间发表的、描述重组真菌和细菌漆酶用于环境修复的研究,试图回答两个核心问题:哪些表达策略真正有效?重组漆酶在环境治理中到底表现如何?

研究方法

该研究采用scoping review(范围综述)方法,系统检索了多个主流在线数据库,筛选时间跨度为2019年至2025年,纳入标准为描述重组真菌和细菌漆酶并用于环境应用的研究文献。原文摘要未详述具体检索数据库名称、检索式及筛选流程图,也未提供纳入研究的数量及排除标准的具体细则。

在表达策略层面,综述重点归纳了五类优化手段。第一类是高效载体的选择——不同表达载体携带不同启动子和信号肽,直接影响蛋白产量与分泌效率。第二类是密码子优化,根据宿主生物的密码子偏好性对漆酶基因进行序列调整,以提升翻译效率。第三类是His标签的添加,利用多聚组氨酸标签简化蛋白纯化流程。第四类是定点突变,通过改变关键氨基酸残基来调节酶的催化活性或稳定性。第五类是计算辅助方法,包括同源建模、分子对接和分子动力学模拟等手段,用于预测突变效果或指导理性设计。

宿主系统方面,综述指出两种主流选择:毕赤酵母(Pichia pastoris 广泛用于真菌漆酶的表达,而大肠杆菌(Escherichia coli 则是细菌漆酶表达的首选宿主。原文摘要未详述具体菌株编号、载体名称、诱导剂浓度、培养温度与时间、转速等参数,也未提供蛋白纯化方法的具体步骤。

培养基策略上,综述还讨论了利用农业工业废弃物作为替代培养基的方案。这类策略以可持续为导向,旨在降低生产成本并同步处理废弃物。但原文摘要明确指出,该策略在部分异源表达系统中的适用性仍然有限——具体是哪些系统、限制因素是什么,摘要未展开说明。

Scheme of catalytic mechanism of laccase (PDB ID: 1GYC). The substrate (RH) is oxidized at the type 1 copper (T1) site, generating radical species (R•) and releasing electrons. These electrons are transferred to the trinuclear copper cluster (T2/T3), where molecular oxygen (O₂) is reduced to water.
▲ Scheme of catalytic mechanism of laccase (PDB ID: 1GYC). The substrate (RH) is oxidized at the type 1 copper (T1) site, generating radical species (R•) and releasing electrons. These electrons are transferred to the trinuclear copper cluster (T2/T3), where molecular oxygen (O₂) is reduced to water.

研究结果

综述的核心发现可以概括为三个层面:表达系统的偏好性、环境应用的高效性、以及尚存的关键挑战。

表达系统方面P. pastorisE. coli 分别成为真菌和细菌漆酶表达的主力平台。真菌漆酶需要翻译后修饰(如糖基化)才能正确折叠并获得催化活性,而毕赤酵母具备真核蛋白加工能力,因此成为真菌漆酶表达的首选。细菌漆酶通常不需要糖基化,结构相对简单,大肠杆菌的快速生长和高密度发酵特性恰好匹配这一需求。然而,综述强调,不同宿主和不同构建体之间的表达效率与酶性能存在显著变异——同一基因在不同宿主中的产量可能相差数倍,催化性质也可能出现明显差异。原文摘要未提供具体的表达量数据(如mg/L或U/mL),也未给出不同宿主间的定量比较。

环境应用方面,重组漆酶展现出多方面的降解能力。最突出的领域是纺织染料降解——合成染料结构复杂、毒性强,是工业废水中的顽固污染物,重组漆酶可在氧化还原介体的辅助下实现高效脱色和降解。其次,木质纤维素废弃物的处理也被反复提及——漆酶能够裂解木质素中的酚类和非酚类结构单元,为生物质资源化利用提供酶学基础。此外,药物残留的生物降解和多种有毒化合物的降解同样在综述中被列为重组漆酶的重点应用方向。原文摘要未提供具体的降解率、反应时间、酶用量或介体种类等定量数据。

值得注意的是,综述多次强调氧化还原介体的重要性。漆酶本身对某些底物的直接氧化效率有限,加入小分子介体(如ABTS、HBT等)可以显著扩展底物谱并提高转化率——但介体的具体种类、用量及增效倍数,原文摘要未给出具体数值。

杂色栓菌漆酶(PDB编号1GYC)和地衣芽孢杆菌漆酶(PDB编号9BD5)的整体结构与铜中心。分子结构图使用Pymol生成。
▲ 杂色栓菌漆酶(PDB编号1GYC)和地衣芽孢杆菌漆酶(PDB编号9BD5)的整体结构与铜中心。分子结构图使用Pymol生成。

挑战层面,综述坦率指出了当前领域的两大痛点。其一,不同研究之间的催化性能表现不一致——同一类底物在不同研究中报道的降解效率差异明显,这种不可重复性制约了技术的标准化与放大。其二,重组漆酶在极端温度(高温或低温)和极端pH条件下的稳定性不足——工业废水和环境样品往往偏离酶的最近反应条件,稳定性短板直接限制了实际场景中的应用范围。

原文摘要未提供重组漆酶在不同条件下的半衰期、最适温度、最适pH或动力学参数(如Km、kcat)等具体数值,也未给出与天然漆酶的性能对比数据。

2019至2025年综述文章中真菌与细菌重组漆酶应用的比较
▲ 2019至2025年综述文章中真菌与细菌重组漆酶应用的比较

讨论与展望

这篇综述的价值在于它没有回避问题。重组漆酶领域不缺漂亮的单点突破——某个突变体活性提升了、某个表达系统产量翻倍了——但把这些成果放在一起看,系统性的短板立刻显现:数据碎片化、标准不统一、稳定性不足。作者团队的判断是,蛋白质工程、表达系统和过程优化的协同推进,才是环境应用落地的关键。

一个值得深思的现象是:P. pastorisE. coli 的二分格局。真菌漆酶几乎被毕赤酵母垄断,细菌漆酶则被大肠杆菌包揽,中间地带的替代宿主(如其他酵母或芽孢杆菌)研究相对薄弱。这种路径依赖是否限制了表达效率的进一步提升?综述虽未给出答案,但提示了探索新宿主的潜在空间。

农业工业废弃物作为替代培养基的策略,方向正确,但适用性有限。这提醒我们,可持续不能只停留在口号层面——一个策略在模式菌株上可行,未必能迁移到所有异源表达系统中。未来研究需要在培养基组分、宿主代谢特性与目标蛋白表达需求之间寻找更精准的匹配。

最后,极端条件下的稳定性问题,可能是决定重组漆酶能否从实验室走向工业装置的分水岭。定向进化、化学修饰、固定化技术——这些工具已经在其他酶种上验证过效力,能否在漆酶领域复制成功,值得持续关注。毕竟,环境修复的场景从来不会为酶量身定制条件,让酶去适应环境,才是工程化的真正方向。

参考来源

Bannach-Machado I, Maia RT, Peralta RM, de Souza CGM, Haminiuk CWI. Strategies for recombinant laccase expression and their roles in environmental remediation. World Journal of Microbiology and Biotechnology, 2025. PMID: 42036604.

PMID: 42036604

延伸阅读:更多代谢通路设计、多基因组装等合成生物学工具,可访问 DNA Lab Space

📎 相关文章

大肠杆菌代谢工程实现O-琥珀酰-L-高丝氨酸高效生产 09-12 从Gibson组装到无细胞表达 09-12 整合代谢工程与生物过程优化实现枯草芽孢杆菌表面活性素高产 09-12 基于染色质可及性的酿酒酵母基因表达水平多机器学习模型预测 09-12