定向进化

定向进化（Directed Evolution）是一种受达尔文自然选择启发的蛋白质工程策略，通过在实验室中对生物分子（如酶、抗体、调控蛋白等）施加人工选择的压力，从而在短时间内（数周至数月）获得具有特定功能的变体。与理性设计（rational design）依赖结构信息不同，定向进化无需事先了解蛋白的三维结构或催化机制，而是通过“突变-筛选/选择-扩增”的迭代循环，模拟数亿年的自然进化过程，从而高效探索序列空间。这一方法极大地扩展了蛋白质在工业、医学和环境领域的应用范围，其重要性在2018年诺贝尔化学奖授予弗朗西斯·阿诺德后得到了全球性的认可。

定向进化遵循达尔文进化的三个基本条件：变异、选择和遗传。在实验室中，首先创建遗传多样性文库（通过随机突变或基因重组），然后将文库转化为宿主细胞（如大肠杆菌、酵母）进行表达，最后通过筛选（通过检测单个变体活性）或选择（通过生长或生存压力富集有益突变）鉴定出具有目标特性的变体。随后，该变体作为下一轮进化的亲本，重复上述过程，逐步积累有利突变，最终获得显著改进的功能。 ADFASDFAF23RQ23R

创建突变文库是定向进化的第一步。常用的技术包括：易错PCR（error-prone PCR）：利用Taq DNA聚合酶在反应中引入随机点突变，通过调整Mg2+浓度和核苷酸组成来控制突变频率。DNA改组（DNA shuffling）：将多个同源基因片段用DNase I随机切割，再通过重组PCR重新组装，产生嵌合基因，从而加速有利突变的组合。饱和突变（saturation mutagenesis）：针对特定氨基酸位点引入所有可能的突变，用于优化局部区域。此外，还有随机插入/缺失突变、基因合成技术等。近年来，CRISPR-Cas9介导的体内定向进化和噬菌体辅助连续进化（PACE）等新技术，实现在宿主细胞中持续数周的自主进化，大幅提高了进化效率。

ADFASDFAF23RQ23R

成功的定向进化依赖于高效的筛选或选择方法。筛选（screening）通常基于微板或流式细胞术逐个检测变体的活性，适用于中等通量（10^3-10^6）。选择（selection）则利用生长或生存偶联，使只有具有目标功能的变体才能存活，通量可达10^8-10^10。常用选择策略包括：营养缺陷互补（将酶活性与必需营养物合成偶联）、抗生素抗性（将酶活性与抗生素降解偶联）、噬菌体展示（将蛋白活性与噬菌体感染能力偶联）等。此外，荧光激活细胞分选（FACS）和微流控液滴筛选为高通量筛选提供了有力工具。 ADSFAEQWER353423413434

5.1 生物催化与工业应用：定向进化已在工业生物催化中取得巨大成功。例如，尼龙单体合成中的己内酰胺水解酶、治疗慢性髓性白血病的药物博舒替尼的合成用酮还原酶、以及抗病毒药物瑞德西韦的化学酶法合成所用转氨酶等，均是通过定向进化优化而来。阿诺德等人进化出的细胞色素P450酶能够催化非天然的碳-硅键形成，拓展了生物催化反应类型。 ADSFAEQWER353423413434

5.2 医学与制药：在抗体工程中，定向进化用于提高抗体的亲和力、稳定性和免疫原性降低。著名的抗体药物如阿达木单抗（Humira）和曲妥珠单抗（Herceptin）的衍生开发中应用了体外进化技术。此外，基因治疗载体AAV的靶向性也可以利用定向进化进行改造，以增强对特定组织或肿瘤的感染效率。 ADSFAEQWER353423413434

5.3 生物燃料与生物能源：通过进化纤维素酶和木聚糖酶，提高将木质纤维素转化为可发酵糖的效率，是降低生物燃料成本的关键。同时，定向进化也用于改造产乙醇微生物的耐受性，提高生物燃料产量。 ADSFAEQWER353423413434

5.4 环境修复：降解有机磷农药的磷酸三酯酶、降解多环芳烃的双加氧酶等经定向进化后，催化效率得以提高，有助于生物修复环境污染。 ADFASDFAF23RQ23R

5.5 基础研究：定向进化也是研究蛋白进化机制、基因型-表型关系的强大工具，有助于揭示分子进化的规律。 ADSFAEQWER353423413434

定向进化的里程碑式成果包括：1. 除草剂降解酶：1993年，Stemmer报道了DNA改组技术，并成功提高了细菌氯霉素乙酰转移酶的活性。2. 阿诺德实验室的细胞色素P450进化：通过连续迭代突变，获得了能催化非天然底物（如卡宾转移反应）的变体，证明了定向进化可以跨越酶功能的天然限制。3. 抗除草剂蛋白：从细菌的草甘膦耐受性基因进化出能在植物中应用的抗草甘膦酶，促进了转基因作物的开发。4. 基因编辑工具进化：近年来，通过定向进化改进了CRISPR-Cas9等基因编辑工具的特性，如提高特异性、降低脱靶效应，并进化出新型碱基编辑器。

尽管定向进化成效显著，但面临序列空间巨大、筛选通量有限、有益突变频率低等挑战。为克服这些限制，研究者开发了机器学习指导的定向进化，利用高通量测序和活性数据训练模型，预测突变效应，从而指导突变文库的设计，减少无效突变的数量。连续进化系统如PACE和噬菌体辅助非连续进化（PANCE）允许在培养中连续数周自主进化，每数十小时即可增加一个世代，大幅加速进化过程。体内连续进化在活体生物（如细菌、酵母甚至小鼠）中进行，可实现多基因协同进化。

ADFASDFAF23RQ23R

定向进化技术赋予人类强大的生物分子改造能力，但也可能引发双用途关注（如进化高致病性病原体）。因此，必须遵守生物安全准则，对相关实验进行风险评估，并推动负责任的科研行为。同时，对于进化的生物体或酶，其知识产权保护也是重要议题。 ADSFAEQWER353423413434

定向进化正从单个基因的优化走向整个代谢通路和基因组的进化。结合高度自动化的“设计-构建-测试-学习”循环（DBTL），以及人工智能的辅助，定向进化有望实现更复杂功能的快速进化，在合成生物学、精准医学、可持续工业和环境保护等领域发挥更大作用。理解进化过程中上位效应和适应性景观也能推动基础进化生物学的研究。

• Arnold, F. H. (2018). Directed Evolution: Bringing New Chemistry to Life. Angewandte Chemie International Edition, 57(16), 4143-4148.
• Stemmer, W. P. C. (1994). DNA shuffling by random fragmentation and reassembly: In vitro recombination for molecular evolution. Proceedings of the National Academy of Sciences, 91(22), 10747-10751.
• Chen, Z., & Zhao, H. (2005). Rapid creation of titered libraries and high-throughput screening for directed evolution of proteins. Journal of Industrial Microbiology and Biotechnology, 32(6), 269-275.
• Esvelt, K. M., Carlson, J. C., & Liu, D. R. (2011). A system for the continuous directed evolution of biomolecules. Nature, 472(7344), 499-503.
• Packer, M. S., & Liu, D. R. (2015). Methods for the directed evolution of proteins. Nature Reviews Genetics, 16(7), 379-394.
• Zhou, Q., & Ge, R. (2018). Machine learning in directed evolution. Emerging Topics in Life Sciences, 2(2), 245-251.
• Liao, J. C., & Qu, X. (2021). Advances in directed evolution of enzymes for industrial applications. Current Opinion in Biotechnology, 69, 128-136.
• Rix, G., & Liu, C. C. (2021). Systems for in vivo directed evolution of proteins. Nature Reviews Molecular Cell Biology, 22(4), 240-255.