2. 目标基因获取与序列设计
重组DNA构建的第一步不是拿枪头去挑菌，而是把“我要的基因”变成一条可被酶切、可被扩增、可被验证的明确序列。目标基因获取与序列设计要解决四个问题：序列从哪里来、编码区如何界定、密码子如何适配宿主、两端如何预留克隆接口。这四步中任何一步含糊，后面的PCR、酶切、连接都会以失败或假阳性收场。
一、从数据库检索目标基因：先定“身份”，再取“序列”
常用入口是NCBI Gene、NCBI Nucleotide、Ensembl、UniProt和KEGG。检索时不要只输入基因名，因为同一名称可能对应不同物种、不同转录本。正确做法是先用物种名加基因名定位Gene ID，再进入该条目查看RefSeq转录本和蛋白产物。例如检索人源GAPDH，应确认Gene ID为2597，再选择NM_002046.7这类RefSeq mRNA作为参考序列，而不是随手复制一条未标注版本的序列。
拿到候选序列后，要重点核对四项信息：物种来源是否与实验材料一致；转录本版本是否包含完整CDS；CDS起止位置是否明确标注；5′UTR和3′UTR是否被误纳入克隆区。若目标是表达蛋白，通常只保留CDS；若研究调控，则可能保留UTR。若从基因组DNA扩增，还需注意外显子拼接，避免把内含子一起扩进来。
Homo_sapiens_GAPDH_NM_002046.7_CDS_86-1093_2024-06。后续引物设计、测序比对都以这条记录为准。二、密码子优化：不是简单换同义密码子
密码子优化是在不改变氨基酸序列的前提下，把编码区密码子替换为宿主偏好的同义密码子，以提高翻译效率和蛋白产量。原核表达常用大肠杆菌，真核表达常用酵母、昆虫或哺乳动物细胞。优化时不能只看“高频密码子表”，还要处理以下约束：
- 避免稀有密码子簇：连续多个AGG/AGA（大肠杆菌稀有精氨酸密码子）会拖慢翻译。
- 控制GC含量：全长GC建议在40%～60%，局部窗口不超过70%，否则易形成二级结构或合成困难。
- 消除重复序列和隐藏剪接位点：重复序列会增加基因合成难度，真核宿主还需检查潜在剪接供体/受体位点。
- 保留功能元件：若序列含标签、酶切位点、启动子或调控元件，优化时不得改动其碱基。
- 避免引入新的酶切位点：优化后要重新扫描克隆所用酶切位点，防止插入片段被内部切开。
实际操作中，可先用宿主密码子使用频率表对每个氨基酸选择高频同义密码子，再以滑动窗口检查GC和重复，最后用限制性酶切位点扫描工具复核。优化后的序列与原始氨基酸序列必须完全一致，这是判断优化是否成功的硬标准。
三、引物设计要点：两端接口决定克隆成败
引物设计要同时满足扩增特异性和克隆接口需求。以PCR扩增CDS为例，正向引物从起始密码子ATG开始，反向引物覆盖终止密码子。若后续用同源重组克隆，引物5′端需加同源臂；若用传统酶切连接，则加保护碱基和酶切位点。
关键参数如下：
| 参数 | 推荐范围 | 说明 |
|---|---|---|
| 引物长度 | 18～25 nt（不含附加序列） | 与模板互补区长度 |
| GC含量 | 40%～60% | 过高易非特异，过低难退火 |
| Tm | 55～65℃，正反向差≤3℃ | 按最近邻法计算 |
| 3′端 | 避免连续3个以上G/C | 减少错配延伸 |
| 二聚体/发夹 | ΔG尽量大于-5 kcal/mol | 用软件检查 |
同源臂长度通常取15～25 nt，与载体末端完全一致；酶切位点前需加3～6个保护碱基，例如GCGC或ATAT，否则限制酶难以切割末端。若使用无缝克隆，同源臂直接与载体末端重叠，无需酶切位点。
四、酶切位点与同源臂规划：先看载体，再定两端
酶切位点规划的核心是“载体多克隆位点可用、插入片段内部没有”。例如载体pET-28a的MCS含NdeI、BamHI、EcoRI、SacI、SalI、HindIII等，若目标CDS内部含BamHI位点，就不能选BamHI。规划顺序建议为：先扫描插入片段内部所有常用酶切位点，再在载体MCS中挑选两个不冲突的酶，最后检查双酶切缓冲液是否兼容。
同源臂规划则要求引物5′端附加序列与载体线性化末端一致。若用Gibson组装，载体末端与插入片段末端需有15～25 nt重叠；若用In-Fusion，重叠区通常15 nt。设计时要保证重叠区不含重复序列，且退火后不形成强二级结构。
五、读码框与标签：最容易被忽略的“隐形错误”
若载体N端带His标签，插入片段必须与载体标签在同一读码框内。设计时先确认载体标签后第一个密码子位置，再决定插入片段起始碱基。若正向引物从ATG开始，需检查ATG与载体标签之间是否有多余碱基导致移码。反向引物若去掉终止密码子，则载体C端标签可融合表达；若保留终止密码子，则标签不翻译。这个选择必须在引物设计前确定，不能等测序后再补救。
六、可执行的设计记录示例
以下是一条可用于实际操作的记录格式，便于后续复现和排查：
目标基因：Homo sapiens GAPDH
参考序列：NM_002046.7，CDS 86–1093
宿主：E. coli BL21(DE3)
优化后GC：52.3%，无连续≥6重复序列
载体：pET-28a(+)，N端His标签
选用酶：NdeI + HindIII
正向引物：5′-GCGCCATATGATGGGGAAGGTGAAGGTC-3′
反向引物：5′-GCGCAAGCTTTCACTTGGCAGGTTTCTC-3′
同源臂：无（酶切连接）
复核：插入片段内部无NdeI/HindIII位点；读码框与His标签一致这条记录把“序列来源、优化结果、引物、酶切位点、读码框”全部固定下来，后续PCR、酶切、连接、测序比对都以它为基准。目标基因获取与序列设计不是一次性动作，而是把生物学意图翻译成可操作、可验证的分子接口。只有两端接口和中间编码区同时正确，后续的克隆与验证才有意义。