摘要：传统药物研发往往耗时数年、耗资巨大，无细胞蛋白合成（CFPS）技术的出现正在打破这一困境。它无需依赖活细胞培养，直接在体外复刻蛋白质合成的核心过程，搭配机器学习（ML）的智能优化，成为了药物研发的“超级加速器”。从抗体、疫苗到抗菌肽，这项技术已经成功合成多种具有药用价值的生物分子，不仅大幅缩短了研发周期，还降低了成本。本文将带大家走进无细胞蛋白合成的世界，看看它如何与 AI 联手，改变我们对药物研发的认知。
一、什么是无细胞蛋白合成？打破活细胞限制的 “开放式工厂”
提到蛋白质合成，我们通常会想到活细胞里复杂的过程 ——DNA 转录成 RNA，RNA 再翻译成蛋白质，全程受到细胞内部环境的严格调控。而无细胞蛋白合成（CFPS），简单说就是把这个过程 “搬” 到了试管里，打造了一个开放式的生物合成工厂。
这个 “工厂” 主要由三个核心模块组成：提供合成工具的裂解液（含各种酶和蛋白质）、提供能量的小分子混合物（如氨基酸、核苷酸等），以及作为模板的DNA。这三个模块相互配合，在体外就能完成蛋白质的合成，完全不需要活细胞的参与。
和传统的细胞内表达相比，CFPS 有几个致命优势：首先是脱耦联，把细胞生长和蛋白质合成分开，不用再等细胞慢慢增殖，大大节省时间；其次是开放性，反应体系里的各种参数都能独立调节，方便优化；再者是快速便捷，线性 DNA 模板几天就能合成，跳过了传统质粒构建需要几周的繁琐步骤。
更关键的是，CFPS 可以使用现成试剂，搭配自动化设备就能实现高通量合成，甚至冻干后在室温下就能储存运输，让药物研发在各种场景下都能开展。对于需要快速响应的场景（比如突发传染病疫苗研发），这种灵活性简直是 “救命神器”。
二、药用蛋白 “量产车间”：CFPS 能合成哪些救命药？
经过 20 年的发展，CFPS 已经成为合成药用蛋白的 “多面手”，从抗体、疫苗到抗菌药物，覆盖了多种药物类型，不少已经进入临床研究阶段。
1. 抗体与抗体药物偶联物（ADCs）：精准打击疾病
抗体是免疫系统的 “精准导弹”，而 CFPS 能快速合成具有靶向性的抗体片段。比如针对新冠病毒刺突蛋白的sdFab（合成二聚化抗原结合片段），通过 CFPS 平台结合高通量筛选，很快就确定了其结合能力。还有一种叫 “深度筛选” 的技术，能在 3 天内发现对疾病靶点亲和力提升 5200 倍的抗体片段（scFVs），而传统方法需要的抗体库规模要大上百倍。
更厉害的是，CFPS 还能合成抗体药物偶联物（ADCs）—— 这种 “生物导弹” 能把化疗药物精准送到肿瘤细胞，减少对正常细胞的伤害。研究人员通过在无细胞体系中引入非天然氨基酸，利用点击化学实现药物与抗体的精准连接，最终让单克隆抗体的产量提升了 50%-100%。
2. 疫苗：快速响应传染病与癌症
在疫苗研发领域，CFPS 同样表现亮眼。通过合成病毒样颗粒（VLPs）—— 一种没有病毒核酸、但能激发免疫反应的颗粒，科学家们开发出了稳定性更高、免疫原性更低的疫苗。还有针对细菌感染的糖缀合物疫苗，利用 CFPS 技术实现了低成本、无冷藏储存的生产，特别适合资源匮乏地区。
对于癌症疫苗，研究人员通过 CFPS 将抗原与佐剂精准偶联，在体外实现了更高效的抗原呈递，在体内能诱导更多针对肿瘤的免疫细胞，为癌症免疫治疗提供了新方向。
3. 膜蛋白与抗菌药物：攻克传统研发难点
G 蛋白偶联受体（GPCRs）是药物研发的 “明星靶点”，超过 34% 的 FDA 批准药物都以它为目标，但它的合成一直是个难题。CFPS 平台通过优化反应体系（如添加特定去污剂、利用昆虫细胞裂解液提供天然脂质环境），成功合成了多种有功能的 GPCRs，还通过冷冻电镜解析了其结构，为药物设计提供了关键依据。
面对日益严重的抗生素耐药性（AMR），CFPS 也给出了解决方案。它能高效合成肽类抗生素（PBAs），包括抗菌肽（AMPs）、核糖体合成后修饰肽（RiPPs）等，这些新型抗生素能以独特机制打击耐药菌，且不易产生耐药性。比如通过 CFPS 合成的羊毛硫肽 salivaracin B，经过工程优化后抗菌活性大幅提升。
4. 噬菌体：对抗耐药菌的 “新武器”
噬菌体是细菌的 “天敌”，噬菌体疗法被认为是治疗多重耐药菌感染的重要方向。CFPS 平台能快速生产临床相关的噬菌体，甚至通过基因工程改造噬菌体，扩大其宿主范围。一种叫 PHEIGES 的技术，能在体外快速完成噬菌体基因组的改造、合成和筛选，短短时间内就能获得针对特定耐药菌的噬菌体，为耐药菌感染的治疗提供了新工具。
下表总结了部分通过 CFPS 合成的药用产品：
三、AI+CFPS：让药物研发效率 “指数级” 提升
如果说 CFPS 是药物研发的 “加速器”，那机器学习（ML）就是它的 “智能导航系统”。无细胞合成的反应体系涉及上百个参数，可能的组合高达 10¹² 种，靠人工筛选根本不可能完成。而机器学习能通过算法快速找到最优方案，让研发效率再上一个台阶。
1. 设计 - 构建 - 测试 - 学习（DBTL）：循环优化的 “魔法”
机器学习优化 CFPS 主要依靠DBTL 循环（设计 - 构建 - 测试 - 学习），这个循环能不断迭代，让蛋白质产量越来越高、成本越来越低。
图表说明：设计阶段由机器学习算法确定实验方案；构建阶段整合裂解液、能量、DNA 三大模块制备 CFPS 反应体系；测试阶段表达目标蛋白；学习阶段通过数据分析优化方案，四步循环逐步提升蛋白产量或降低成本。
具体来说，第一步 “设计” 由 AI 算法根据已有数据，预测出最有潜力的反应条件；第二步 “构建” 按照预测方案配制 CFPS 反应体系；第三步 “测试” 运行反应并检测蛋白产量等指标；第四步 “学习” 将测试数据反馈给 AI，更新模型并设计下一轮实验。
通过这个循环，研究人员曾在 16 维参数空间中，仅探索 0.014% 的可能组合，就让蛋白表达量提升了 3 倍；还有研究通过 7 轮迭代，让核糖体合成系统的效率提升 10 倍，同时成本降低 4 倍。
2. 高通量筛选：一天筛选 10⁸种组合
为了进一步提升效率，科学家们开发了基于微流控的DropAI 平台，能每天并行筛选 10⁸种反应组合。它把 CFPS 反应分成无数个微小液滴，每个液滴都是一个独立的反应体系，再通过荧光编码技术快速识别最优条件。
在一项研究中，DropAI 仅用 4 小时、25 微升试剂，经过两轮筛选就让大肠杆菌 CFPS 的蛋白产量提升 1.9 倍，成本降低 2.1 倍，还成功验证了 12 种不同分子量蛋白的合成。更神奇的是，利用迁移学习技术，它还能快速优化其他菌种的 CFPS 体系，无需从头训练模型。
3. 大语言模型助力：编程时间从数月缩至一周
现在，大语言模型（如 ChatGPT-4）也加入了这场 “加速革命”。研究人员让 ChatGPT-4 编写 DBTL 循环的自动化代码，原本需要数月的编程工作，一周就完成了。通过 AI 生成的代码，他们成功优化了两种抗菌肽的 CFPS 合成，产量分别提升 9 倍和 3 倍，让整个研发流程更加高效。
四、不止于合成：CFPS+AI 改写蛋白质工程与新药设计
除了优化产量，CFPS 与 AI 的结合还在蛋白质工程和从头设计领域大放异彩。药物研发不仅需要快速合成蛋白，更需要设计出性能更优的候选药物 —— 比如亲和力更强的抗体、稳定性更高的酶、抗菌谱更广的肽类药物。
1. 蛋白质工程：快速找到 “最优突变体”
传统的蛋白质工程需要反复进行基因突变和筛选，耗时费力。而 CFPS 的迷你化反应体系能同时进行上千个突变体的合成和检测，再搭配 AI 的预测模型，能快速锁定性能最优的突变体。
在一项酶工程研究中，研究人员通过 CFPS 平台一天内完成 10000 个酰胺合成酶突变体的筛选，再用机器学习模型预测最优组合，最终找到的突变体让药物产量提升了 34 倍。还有研究通过 AI 引导的定向进化，仅用 6 小时筛选 48 个蛋白酶变体，就得到了活性提升 4 倍的突变体。
2. 从头设计：AI 造药，CFPS 验证
现在 AI 已经能直接设计全新的蛋白质序列，而 CFPS 则成为了验证这些 “人造蛋白” 的最佳平台。比如研究人员用生成式 AI 设计了 500 种抗菌肽，通过 CFPS 快速合成并检测，发现 30 种具有功能，其中 6 种能广谱对抗多重耐药菌，且不会让细菌产生耐药性。
还有一项研究中，AI 模型 ProGen 基于 2.8 亿个天然蛋白序列训练，设计出了 100 种人工溶菌酶。通过 CFPS 合成后发现，这些人工蛋白的表达量、折叠正确性和催化活性，都和天然溶菌酶相当，甚至部分低序列同源性（<40%）的人工蛋白，也能保持良好功能。这意味着，未来我们可以直接让 AI 设计新药，再用 CFPS 快速验证，彻底改变 “从天然分子中筛选药物” 的传统模式。
五、未来展望：无细胞技术让药物研发更普惠
无细胞蛋白合成技术的优势显而易见：快速、灵活、低成本、易规模化，再加上 AI 的智能加持，它正在让药物研发从 “漫长的试错过程” 变成 “精准的设计 - 验证流程”。
未来，这项技术可能会让个性化医疗更进一步 —— 比如根据患者的肿瘤特征，快速合成专属的抗体药物偶联物；在传染病爆发时，短期内完成疫苗的研发和生产；还能让药物研发走出实验室，在资源匮乏地区实现 “按需生产”，无需依赖复杂的冷藏和运输条件。
当然，CFPS 技术也还有需要完善的地方，比如如何进一步提升大规模生产的产量、降低成本，如何合成更复杂的膜蛋白和糖蛋白等。但随着技术的不断迭代和 AI 算法的持续优化，这些难题都在逐步破解。
从试管里的简单反应，到改变人类健康的新药研发，无细胞蛋白合成技术正在用科技的力量，让 “快速造药”“精准造药” 成为现实。或许在不久的将来，我们熟悉的 “研发一款新药需要十年” 的说法，会被 “十天合成候选药，百天进入临床试验” 所取代 —— 而这一切，都源于这个 “不用活细胞的合成工厂”和 AI 的完美配合。
识别微信二维码，添加生物制品圈小编，符合条件者即可加入
生物制品微信群！
请注明：姓名+研究方向！
本公众号所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系(cbplib@163.com)，我们将立即进行删除处理。所有文章仅代表作者观不本站。
热门跟贴