综述：无细胞蛋白质合成平台加速药物发现

这篇综述系统阐述了无细胞蛋白质合成（CFPS）技术如何通过模块化设计（LED整合）、高通量（HTP）实验和机器学习（ML）优化，成为加速生物药发现的关键平台。文章重点介绍了CFPS在抗体（sdFab/scFVs）、抗体偶联药物（ADCs）、疫苗（VLPs）和膜蛋白（GPCRs）等药物开发中的应用，以及其与人工智能（AI）协同推动蛋白质工程和de novo设计的潜力，为缩短药物研发周期提供了创新解决方案。

　　

无细胞蛋白质合成平台加速药物发现

1. 引言

无细胞蛋白质合成（CFPS）通过重构体外转录翻译系统，突破了传统细胞培养的局限。其核心优势在于模块化设计——裂解物（Lysate）、能量（Energy）和DNA（LED）三模块可独立调控，形成开放体系。这种灵活性使其成为机器学习（ML）优化蛋白质产量的理想平台，尤其适用于需要快速迭代的药物发现流程。近年来，线性DNA模板（LETs）的应用进一步简化了操作，将传统数周的质粒构建周期缩短至数天。

2. 里程碑：CFPS生产的药物候选分子

CFPS已成功合成多种药物相关蛋白：

• 抗体片段：针对SARS-CoV-2刺突蛋白的合成二聚化抗原结合片段（sdFab）通过AlphaLISA验证结合力，而"深度筛选"技术结合BERT算法发现单链抗体（scFVs）的亲和力提升达5200倍。
• 抗体偶联药物：通过释放因子1缺陷型大肠杆菌菌株，实现非天然氨基酸（ncAA）定点插入，构建的抗体偶联药物（ADCs）细胞毒性在体外实验中得到验证。
• 疫苗：病毒样颗粒（VLPs）经CFPS改造后稳定性提高，而糖基化疫苗PD-O78展示了无需冷链储存的潜力。
• 膜蛋白：组胺H₂受体（H₂R）在纳米盘中以活性构象被解析，为GPCR药物开发提供新工具。

3. 机器学习优化CFPS产量

为满足动物实验剂量需求（如猴模型需5g/l产量），ML通过设计-构建-测试-学习（DBTL）循环优化反应体系：

• 微流控平台DropAI：10万液滴/4小时筛选使产量提升1.9倍，成本降低2.1倍。
• iSAT核糖体系统：20维参数空间探索中，ML仅测试0.0000000001%组合即实现10倍产量提升。
• ChatGPT-4自动化：针对抗菌肽colicin M的优化代码生成，9倍产量提升仅需4轮迭代。

4. AI驱动的蛋白质工程与验证

CFPS为AI设计提供快速验证平台：

• 酶工程：自主机器SAMPLE通过贝叶斯优化，使糖苷水解酶GH1热稳定性提高12°C。
• 抗菌肽设计：生成式AI创建的30AA肽段中，6种对耐药菌展现广谱活性，且AlphaFold预测其膜靶向机制。
• 人工蛋白：语言模型ProGen设计的溶菌酶，尽管序列相似性仅31.4%，仍保持天然酶活性。

5. 展望

CFPS与AI的协同将重塑药物开发范式：从抗体发现周期缩短至3天，到de novo设计蛋白的快速验证。未来，模块化试剂盒与自动化生物铸造厂（Biofoundry）的结合，有望实现个性化药物的按需生产。