当无细胞蛋白合成遇上自动化：高通量蛋白筛选正在发生什么变化？

随着AI蛋白设计、抗体发现和酶定向进化等技术的发展，研究人员能够快速获得大量候选蛋白序列，但如何在较短时间内完成这些候选物的实验验证，逐渐成为制约蛋白工程效率的重要环节。传统蛋白表达流程通常需要经历基因构建、细胞培养、蛋白表达、纯化以及后续功能检测，当候选序列数量从几十个扩展到数百甚至更多时，逐个表达和纯化所带来的时间、样品和人工成本会进一步放大。

无细胞蛋白合成（cell-free protein synthesis，CFPS）无需依赖完整细胞培养体系，能够在较小反应体系中快速完成蛋白表达，并可与96孔、384孔微孔板体系、自动化液体处理以及BLI/SPR等功能检测技术结合。因此，CFPS的价值正在从单纯的“快速表达蛋白"，逐渐延伸至蛋白工程中的高通量预筛选和功能验证。^[1,4]

本文将围绕高通量CFPS在蛋白筛选中的应用展开，重点介绍其如何缩短“序列—表达—功能检测"的实验链路，以及96孔、384孔体系和自动化技术如何进一步提升候选蛋白的并行验证能力。同时，文章将结合抗体、酶以及AI设计蛋白等应用场景，讨论为什么高通量筛选的核心并不仅仅是增加样本数量，更重要的是获得稳定、可比较且能够指导下一轮设计的功能数据。在这一技术发展趋势下，苏州珀罗汀生物也在围绕CFPS、自动化液体处理及BLI/SPR检测进行平台化整合，为抗体、酶等蛋白的高通量表达与筛选提供技术支持。

在传统流程中，研究人员往往需要先把候选蛋白表达出来，再进行纯化，最后才能进入功能检测；而CFPS最大的优势之一，在于表达和功能检测之间的距离可以被大幅缩短。对于一些适合直接检测的蛋白体系，研究人员甚至可以直接利用CFPS反应液或简单处理后的产物进行功能分析，从而避免对每一个候选蛋白都进行完整的表达放大和纯化。^[1,2]

这一点对于高通量筛选尤其重要。

更值得注意的是，CFPS获得的不仅是“表达了多少"的结果，还能够帮助研究人员进一步判断一个蛋白设计为什么失败：问题可能来自转录或翻译效率，也可能来自蛋白溶解性不足，或者虽然能够表达，却没有形成正确的结构和功能^[1]。因此产生的数据不仅能够用于“选出的蛋白"，还可以反馈给下一轮蛋白设计模型。

谈到高通量筛选，人们很容易联想到百万级甚至化合物库，但对于蛋白工程而言，真正具有产业价值的并不一定是盲目追求最大的数字。

对于AI生成蛋白、抗体突变体和酶定向进化而言，一个非常常见的实际工作流是：算法首先生成数百到数千个候选序列，经过计算评分后选择其中几十到几百个进入实验验证。这个阶段的核心需求并不是一次筛选一亿个分子，而是能够在合理的时间内稳定、准确地比较几百个蛋白。这正是96孔和384孔CFPS体系具价值的应用场景。

在微孔板体系中，每一个孔都可以看作一个独立的小型蛋白合成反应器。不同DNA模板可以被自动化液体工作站分别加入不同孔位，在相同条件下并行完成蛋白表达，随后再通过ELISA、荧光检测、酶活实验或者BLI/SPR等方法进行功能分析。由于每个反应所需的样品量很低，整个实验体系可以在较小体积下运行，因此能够显著减少蛋白原料、耗材以及人工操作成本。^[1,4,6]

如果没有自动化，96孔和384孔依然需要大量人工移液，因此CFPS真正走向高通量应用，还需要与自动化液体处理、数据采集以及功能检测平台进行深度结合。

这一点在产业实践中已经开始出现。

以苏州珀罗汀生物目前公开的高通量CFPS平台为例，其技术路线并不是单纯提供无细胞蛋白表达，而是将CFPS与自动化液体工作站以及BLI检测体系进行整合，使蛋白序列表达、功能检测和结果分析尽可能进入同一条自动化流程。其公开资料显示，该平台面向抗体、酶等蛋白的高通量表达和筛选，并针对突变体筛选建立了从基因构建、CFPS表达、功能检测到候选物排名的数据流程。

这类平台化思路的价值在于，它真正解决的是“实验流程之间的衔接问题"。如果只有CFPS而没有自动化，那么表达速度提升之后仍然可能被人工移液和样品转移拖慢；如果只有自动化而缺少快速表达体系，那么自动化工作站最终只是把传统细胞表达流程做得更机械化。因此，CFPS与自动化之间并不是简单叠加，而是相互放大效率。

对于需要进行大量抗体或酶突变体验证的研究项目来说，这种能力意味着研究人员可以把更多精力放在候选序列设计、实验方案和数据分析上，而不是消耗在重复性的蛋白制备环节。

随着噬菌体展示、酵母展示、单B细胞测序以及AI抗体设计的发展，研究人员越来越容易获得大量潜在抗体序列，但从候选序列真正走到功能验证之间仍然存在一道实验鸿沟。尤其对于VHH、scFv、Fab以及全长IgG等不同形式的抗体分子，传统表达体系在表达宿主、培养周期以及后续纯化方面存在不同程度的限制。

CFPS提供了一种更适合前期筛选的路径：研究人员可以将候选抗体序列直接转化为DNA模板，在微量体系中并行表达，然后根据抗原结合能力进行排序，最终只将表现的候选物推进到规模化表达和进一步的生物物理表征。

这种思路与BLI/SPR等无标记结合分析技术具有天然的互补性。CFPS负责快速把“序列"变成“蛋白"，BLI或SPR则进一步把蛋白转化为结合动力学数据，从而形成从基因到功能的连续数据链。

对于珀罗汀这样的CFPS技术平台而言，这种“表达+筛选"的组合也正是其高通量服务的重要应用方向。公开资料显示，其平台针对VHH、scFv、Fab以及全长抗体等不同抗体形式进行了体系适配，并将CFPS与自动化移液和高通量BLI检测结合，用于抗体候选物的快速表达和筛选。

如果不同孔之间存在明显的反应差异，或者表达量和功能信号之间无法建立稳定关系，那么即使一天完成几千个样本，产生的数据也未必真正具有研发价值。因此，一个成熟的CFPS高通量平台需要同时解决表达一致性、功能检测灵敏度、样品归一化、自动化误差控制以及数据分析等多个问题。^[1,3]

尤其需要强调的是，蛋白表达量并不等于功能性蛋白产量。一个突变体可能表达量很低，但单位蛋白活性却非常高；如果筛选体系只按照总表达信号进行排序，就可能把真正具有价值的候选物淘汰。因此，高通量CFPS平台的设计重点应该逐渐从“Protein yield"转向“Functional protein yield"，即真正能够产生目标功能的蛋白产量。^[1,5]

这也是为什么功能检测技术在CFPS高通量平台中具有越来越重要的地位。只有把表达数据与酶活、结合能力、稳定性等功能数据结合起来，才能真正回答蛋白工程最关心的问题：哪个序列值得继续做？为什么它值得继续做？

从这一点来看，CFPS、自动化液体处理以及BLI/SPR等检测技术之间的结合并不是简单的设备堆叠，而是在共同构建一条从DNA到功能数据的高速通道。珀罗汀生物目前公开的高通量技术路线，也正是围绕这一思路，将自主CFPS体系、自动化工作站以及高通量无标记检测进行整合，形成从序列输入到功能筛选的完整流程。

高通量CFPS的价值，并不只是一次表达更多蛋白，而是缩短“序列—表达—功能检测—筛选"的迭代周期，让更多候选蛋白能够被快速验证。随着CFPS、自动化和BLI等技术进一步融合，高通量蛋白筛选也将从“追求样本数量"逐渐走向“获得高质量功能数据"。围绕这一方向，苏州珀罗汀生物也在持续推进CFPS与自动化高通量筛选技术的融合，为抗体、酶及其他蛋白工程项目提供快速表达与功能筛选支持。