1. 课程导入与工程全景

在蛋白药物、酶制剂、诊断抗原和结构生物学研究中，研究者经常面对同一个瓶颈：手里有几十到上千个候选基因或变体，却不知道哪些能真正表达成可溶、正确折叠、具有活性的蛋白。传统做法是逐个克隆、逐个小量表达、逐个跑胶验证，一个研究生可能花几个月只筛出十几个可表达构建体。高通量蛋白表达筛选（High-Throughput Protein Expression Screening，HTP-PES）正是为解决这一矛盾而发展起来的工程化方法体系：它把“构建体设计—并行表达—可溶性与活性检测—数据决策”整合成一条可重复、可量化、可放大的流水线，用自动化液体处理、微孔板并行培养、亲和捕获与荧光/发光读数，把候选数量从个位数提升到数百甚至数千，同时把单次筛选周期压缩到数天。

一、技术栈的四个层次

理解高通量筛选，不能只盯着“自动化移液工作站”这一台设备。它实际上是一个四层技术栈，任何一层失效都会让整条链路崩塌。

第一层是载体与宿主层。常见组合包括 pET 系列（T7 启动子，BL21(DE3)）、pBAD（阿拉伯糖诱导，LMG194）、pCold（冷激启动子）以及无细胞体系（如 PURExpress、小麦胚芽提取物）。不同载体的标签策略差异很大：N 端 His6 利于纯化但可能影响折叠，C 端 GFP 融合可同时报告表达量与可溶性，SUMO 或 MBP 融合则显著提升难表达蛋白的可溶比例。宿主方面，Rosetta 补充稀有密码子，SHuffle 促进二硫键形成，Origami 则用于需要氧化环境的胞质表达。

第二层是并行表达层。核心载体是 96 孔深孔板（2.2 mL）或 24 孔板，配合透气封板膜和恒温振荡器。典型条件为 37 ℃ 培养至 OD600 约 0.6，降温至 16～18 ℃ 后以 0.1～1 mM IPTG 诱导 16～20 h。这一步的关键参数是诱导温度、诱导剂浓度和诱导时长，它们共同决定可溶蛋白比例。

第三层是检测层。可溶性检测常用两种策略：一是裂解后离心，取上清做 SDS-PAGE 或 Western blot，观察目标条带是否出现在可溶组分；二是融合标签法，如 GFP 融合直接测荧光，或 split-GFP、HiBiT 等报告系统。活性检测则依赖底物显色、荧光底物、NADH 消耗或生物发光，具体取决于目标蛋白功能。

第四层是数据与决策层。每个候选构建体产生一组读数：表达量、可溶比例、活性值、菌体密度。这些数据需要归一化、排序、设定阈值，最终输出“优先放大”“备选”“淘汰”三类结论。

二、典型工业与科研场景

在工业酶开发中，企业往往需要对同一酶家族的数十个同源序列或数百个理性设计变体进行表达筛选，目标是找到“可溶表达量高且比活不下降”的少数候选。此时筛选通量通常设定为 96 孔板一次跑满，每孔对应一个变体，诱导后直接裂解测活性，用活性/表达量比值排序。在结构生物学中，场景略有不同：研究者更关心“能否拿到足够量的可溶蛋白用于结晶”，因此可溶性检测权重更高，常采用 GFP 融合或 Western blot 判断上清中目标条带的有无，再决定是否放大到 1 L 培养。

在诊断抗原开发中，筛选目标往往是“在宿主中稳定表达且能被患者血清识别”，因此除了可溶性，还需要保留构象表位。这类项目常采用哺乳动物细胞或昆虫细胞瞬时表达，配合 ELISA 或流式检测，通量虽低于大肠杆菌体系，但筛选维度更接近最终应用场景。

三、从基因到可溶活性蛋白的完整工程链路

把上述四层技术栈串起来，就得到一条完整的工程链路。以一个含 96 个变体的筛选批次为例：

1. 构建体准备：将 96 个基因片段分别克隆到带 C 端 His6 和 N 端 GFP 的 pET 载体中，转化 BL21(DE3)，涂布 96 孔板对应的琼脂平板或直接进行液体接种。
2. 并行培养与诱导：从过夜种子液按 1:100 接种到 96 深孔板，每孔 1 mL LB（含卡那霉素 50 μg/mL），37 ℃、900 rpm 培养至 OD600 约 0.6，降温至 18 ℃，加入 IPTG 至终浓度 0.5 mM，继续振荡 18 h。
3. 裂解与分离：离心收集菌体，用裂解缓冲液（50 mM Tris-HCl pH 8.0，300 mM NaCl，10 mM 咪唑，1 mg/mL 溶菌酶）重悬，冻融或超声裂解，4 ℃、12000×g 离心 20 min，分别收集上清和沉淀。
4. 检测与读数：取上清测 GFP 荧光（激发 485 nm，发射 520 nm），同时取等量上清和沉淀做 SDS-PAGE。若 GFP 荧光强度高于背景 3 倍以上，且上清中可见对应分子量条带，则判定为“可溶表达阳性”。
5. 活性确认：对阳性孔取上清，加入底物（如 pNPG 用于糖苷酶，终浓度 1 mM），37 ℃ 反应 10 min，测 405 nm 吸光度。活性值除以 GFP 荧光值得到“比活指数”，用于横向比较不同变体。
6. 决策与放大：将比活指数排名前 10% 的构建体挑出，转接到 50 mL TB 培养基中放大表达，随后进行 Ni-NTA 纯化和更严格的功能验证。

四、为什么“高通量”不等于“盲目堆量”

高通量筛选的价值不在于一次跑多少孔，而在于用最小的样本量获得可比较、可决策的数据。如果 96 个变体中有 80 个因为诱导条件不当而全部沉淀，那么再高的通量也只是浪费。因此，工程链路中必须嵌入“条件预实验”环节：先用 4～6 个代表性构建体测试 2～3 种诱导温度与 IPTG 浓度组合，确定本批次的最佳表达窗口，再铺开到全部变体。这一步通常只多花半天，却能显著提升阳性率。

另一个容易被忽视的环节是数据归一化。不同孔之间的菌体密度、裂解效率、移液误差都会影响读数。常用做法是以 OD600 归一化表达量，以总蛋白浓度归一化活性值，并设置阳性对照（如已知可溶表达的 GFP 单域）和阴性对照（空载体），用于判断批次是否可信。只有对照孔读数落在预期范围内，整批数据才进入排序环节。