2. 目标蛋白难表达性预判与风险分级
在难表达蛋白系统优化工程中，最昂贵的错误往往不是表达失败本身，而是在没有预判的情况下，用同一套宿主、载体、标签和发酵条件去尝试所有靶点。一个跨膜区多、二硫键密集、mRNA二级结构强的蛋白，和一个亲水、无跨膜区、密码子适配良好的胞内酶，即使都来自同一表达载体，其失败模式也完全不同。因此，在进入湿实验之前，先基于序列与结构特征完成难表达性预判，并据此进行风险分级和表达策略初选，是降低试错成本的关键一步。
一、预判的对象与输入：从序列到结构特征
预判的输入通常来自靶点的氨基酸序列、编码DNA序列以及可获取的结构信息。对于没有实验结构的靶点，可用AlphaFold2、ESMFold等预测模型获得结构模型；对于已有PDB结构的靶点，可直接提取二级结构、溶剂可及性和链间接触信息。预判的核心不是给出“能表达/不能表达”的二值判断，而是识别出可能触发特定失败模式的特征组合。
需要重点考察的特征包括：疏水区（连续疏水片段长度与暴露程度）、信号肽（是否存在、切割位点是否明确）、跨膜区（TM数量与拓扑）、二硫键（半胱氨酸数量与配对可能性）、聚集倾向（低复杂度区、β片层倾向、净电荷分布）、稀有密码子（尤其连续稀有密码子簇）、GC含量（局部极端GC或AT富集）、mRNA二级结构（5'端翻译起始区自由能）。这些特征并非独立作用，而是相互耦合：例如跨膜区往往伴随强疏水性和聚集倾向，信号肽则与分泌路径和氧化折叠环境相关。
二、预判规则如何建立：从特征到风险等级
建立预判规则时，建议采用“特征阈值+组合加权”的方式，而不是单一指标一票否决。以教学示例为例，可以设定如下规则框架：
- 低风险：无跨膜区，半胱氨酸数量≤4，GRAVY值<0，无连续稀有密码子簇（连续≥3个稀有密码子），5'端mRNA二级结构自由能>-30 kcal/mol。此类靶点通常可在常规E. coli表达系统中获得可溶表达。
- 中风险：存在1个跨膜区，或半胱氨酸数量5–8，或局部GC含量>70%，或5'端ΔG在-30至-45 kcal/mol之间。此类靶点需要调整诱导温度、共表达分子伴侣或进行密码子优化。
- 高风险：≥2个跨膜区，或半胱氨酸数量>8，或强聚集倾向（TANGO评分>5），或信号肽切割位点不明确。此类靶点建议直接考虑真核宿主或无细胞表达系统。
- 极高风险：跨膜区+聚集倾向+二硫键+稀有密码子簇多重叠加。此类靶点需要多策略并行，包括融合标签、分泌表达、宿主切换和定向进化。
需要强调的是，上述阈值是教学示例，实际项目中应根据宿主种类、载体拷贝数、培养条件和检测手段进行校准。例如，在E. coli中，跨膜蛋白的毒性往往比在哺乳动物细胞中更严重；而在HEK293中，二硫键的形成效率更高，但转染效率和成本需要权衡。
三、从风险分级到策略初选：一个可操作的决策示例
假设我们有一个靶点蛋白，序列分析结果如下：全长420个氨基酸，N端存在一个明确的信号肽（SignalP评分0.92），包含2个跨膜区，半胱氨酸数量为10，GRAVY值为0.35，5'端mRNA二级结构ΔG为-38 kcal/mol，存在一个连续4个稀有密码子的簇。根据上述规则，该靶点属于高风险，且接近极高风险。
对应的策略初选可以这样展开：首先，由于存在信号肽和跨膜区，E. coli胞内表达容易形成包涵体且毒性大，应优先考虑哺乳动物细胞HEK293或昆虫Sf9分泌表达；其次，二硫键数量较多，需要在氧化性环境中表达，可选用pTT5或pFastBac载体，并考虑共表达二硫键异构酶；再次，5'端mRNA二级结构较强，可在载体中引入Kozak序列优化或使用强启动子（如CMV）提高翻译起始效率；最后，稀有密码子簇可通过密码子优化或共表达稀有tRNA来解决。
四、预判结果的验证与迭代
预判规则不是一次性的，而是需要与实验反馈形成闭环。建议在表达实验后，记录实际结果（可溶表达量、包涵体比例、降解情况、聚集状态），并与预判风险等级进行对比。如果发现某类特征组合的预判结果与实际偏差较大，应调整阈值或增加新的特征维度。例如，如果发现某些低风险靶点在实际表达中仍然形成包涵体，可能需要引入“局部净电荷分布”或“疏水矩”等更精细的特征。
此外，预判规则应针对不同宿主分别建立。E. coli、酵母、昆虫细胞和哺乳动物细胞对同一序列的响应差异显著，因此风险分级表应至少区分原核和真核两大类别。对于难表达蛋白系统优化工程而言，预判的最终目的不是追求绝对准确，而是以最低成本快速排除明显不可行的方案，将资源集中在最有希望的策略组合上。