从随机肽库到候选肽：mRNA Display 一轮筛选到底发生了什么？

很多人把display screening理解成“从一个巨大的文库里找出结合最强的几个序列”。更准确地说，一轮mRNA Display selection是一个分子群体连续经历多重转换和选择压力的过程。每一步都会改变哪些序列最终还能被观察到。

最终丰度受到initial representation、转录、翻译、fusion形成、非天然氨基酸（noncanonical amino acids，NCAAs）掺入、化学成熟、靶标结合、非特异滞留、洗涤、回收、扩增和测序深度共同影响。一个序列在final pool中变多，可能提示它值得关注，但abundance本身并不能证明高亲和力。

本文在方法学层面跟踪一轮代表性筛选。不同平台的具体顺序会有差异：reverse transcription可以发生在靶标选择之前或之后，天然线性肽库也未必需要化学成熟步骤。主线始终相同：回收到的sequence distribution是selection与molecular processing共同塑造的复合输出。

一轮筛选的全流程

阶段	发生什么	群体发生什么变化
Library design	定义可变位点、codon、固定motif、NCAA分配和环化锚点	实验开始前就限定可到达的序列与化学空间
Transcription	DNA模板转录为RNA	产率、截短产物和RNA完整性可能改变representation
Translation	RNA在无细胞体系中产生多肽	codon环境、stalling、tRNA供给与单体兼容性影响peptide output
Fusion formation	多肽与编码它的mRNA形成共价连接	不同fusion效率决定哪些genotype–phenotype对进入筛选
Chemical maturation	可选的脱保护、环化、氧化或化学选择性转化形成预期分子	不完全或序列依赖的转化会带来产物异质性
Target selection	文库接触被展示的靶标	靶标状态和筛选条件定义哪些相互作用被偏好
Washing / counter-selection	差异化移除弱结合、快解离、载体结合、标签结合或off-target分子	stringency和对照设计共同塑造signal-to-background与specificity
Recovery	回收保留的genotype-linked molecules	洗脱与回收效率可能再次偏向某些分子
RT–PCR / amplification	遗传信息被转换并扩增	模板结构、GC含量、随机瓶颈与PCR效率可能扭曲丰度
NGS / analysis	统计序列、家族、富集和耗竭	read depth和分析方法决定能够分辨哪些trajectory

图1. 代表性的mRNA Display筛选循环。箭头描述实验流程，但每一个步骤的输出同时也是被技术和生化过滤器重新塑造的群体。

第一步：selection从library design就已经开始

在文库接触靶标之前，selection pressure已经由设计限定。随机区域长度、codon design、固定位置、scaffold、环化锚点、NCAA codon allocation和序列约束，共同决定实验里什么分子有机会存在。

理论diversity不等于物理diversity。简并设计能够描述的可能序列，通常远多于实际可合成和处理的分子数。即使设计目标是让每种残基等概率出现，寡核苷酸合成和模板构建也可能产生不均匀的起始representation。物理输入中不存在的序列，后续选择无法把它“找回来”。

因此，有价值的数据分析应尽量包含round zero或其他input pool表征。判断enrichment要看一个序列从哪里开始，而不能只看最后到达哪里。

关于NCAA和环肽文库的设计逻辑，可参阅《为什么 mRNA Display 特别适合非天然氨基酸和环肽发现？》；genotype–phenotype linkage的基础介绍见《mRNA Display：从超大规模多肽库中发现高亲和力分子》。

第二步：transcription在筛选前改变representation

DNA模板经转录形成RNA library。序列依赖的产率、不完整产物和RNA完整性差异，都可能改变进入翻译阶段的群体。它们不是靶标结合事件，却会影响哪些模板有机会产生peptide。

这是一种单向约束：一个序列如果在转录或纯化时已经丢失或严重不足，后续selection无法展示它本来可能具有的结合能力。因此，核酸阶段的quality control也是解释最终多肽群体的一部分。

第三步：translated library可能不同于designed library

不同模板的translation efficiency并不完全相同。Codon context、困难序列特征、ribosome stalling、charged-tRNA可用性和多肽性质都会影响有效合成。对于NCAA library，设计中分配了某个codon，不代表每一种sequence context都能以同样频率完成掺入。

Aminoacylation效率、tRNA相容性、递送到核糖体的效率以及ribosomal acceptance都会产生影响。连续或相邻掺入也可能与单个NCAA不同。因此，实验中真正相关的是translated peptide library，而不只是设计出来的DNA library。

第四步：fusion决定哪些分子可以被追踪

mRNA Display依赖genotype–phenotype linkage。常见实现使用含puromycin的linker，让新生多肽在翻译过程中与编码它的mRNA形成共价连接，从而能通过genotype回收被选中的phenotype。

Fusion formation本身也是一个过滤器。如果不同模板形成稳定mRNA–peptide fusion的概率不同，一些序列在接触靶标之前就可能被系统性低估。检查整体fusion performance有助于区分“筛选没有信号”和“fusion制备本身效率不足”，但整体合格也不意味着每个成员效率完全相同。

第五步：chemical maturation形成真正被筛选的分子

对于含NCAA或环肽文库，translation未必是文库构建的终点。后续可能需要脱保护、自发或诱导环化、氧化、chemoselective ligation或其他相容的翻译后转化。

Selection应尽可能作用于预期的mature chemical species。如果闭环不完整或具有sequence dependence，群体中可能同时存在未环化前体、目标macrocycle和副产物，它们的结合与回收行为不同。此时看到的sequence enrichment可能同时包含生物识别和chemical conversion efficiency。

因此，解释NCAA与cyclic library时，除了sequence identity，还需考虑codon reassignment fidelity、incorporation efficiency、cyclization conversion和mature-product heterogeneity。

第六步：target incubation定义被选择的phenotype

成熟的fusion library与固定化或以其他方式展示的target接触。Target concentration、presentation、accessibility、conformation和incubation regime共同决定哪些binder能够被保留。

较高target concentration可能允许较弱相互作用留下；降低浓度可以提高压力，却也可能降低可回收信号。改变接触时间还可能偏向不同kinetic behavior。因此不能把“target越低越好”当作通用规则。条件应围绕预期选择目标和可区分的signal-to-background设计。

Target quality比筛选轮数更基础

错误的target preparation无法由精细筛选补救。Folding、oligomeric state、post-translational modification、active conformation、immobilization orientation与tag exposure都值得评估。固定在表面的target可能意外富集matrix、linker、tag、暴露疏水面或非天然构象的binder。

Target control不是行政性细节，而是实验信息。它定义了本次campaign中“specific binding”可能意味着什么。

第七步：positive selection与counter-selection承担不同任务

Positive selection保留能够在intended target上存活的文库成员。单独使用时，它也可能富集bead/resin binder、tag binder、疏水sticky peptide、核酸相互作用artifact，或识别基质中无关蛋白的分子。

Negative selection或counter-selection用于移除明确不希望出现的群体。例如，文库可以先接触blank matrix以耗竭matrix-binding sequence，也可以先接触同源蛋白或off-target，减少交叉反应family，再进入目标靶标的positive selection。

因此，specificity可以在selection strategy中主动设计。对Target A做positive selection，同时对Target B做depletion，可能逐步偏向A-selective behavior；但这仍不能单独证明选择性，最后必须用A、B和相关对照进行独立实验。

第八步：washing是可调节的selection pressure

Washing决定哪些bound species能够留下。它可以降低非特异背景、移除弱结合或快解离相互作用，但wash stringency不是简单的“越强越好”。

过强可能丢失有价值的binder，尤其是在campaign早期或target density与recovery受限时；过弱则可能让sticky peptide和背景相互作用主导后续扩增。真正需要优化的是预期结合模型下的signal-to-background。

第九步：recovery又增加了一层过滤

被保留的genotype-linked molecule还必须被回收。Recovery efficiency可能不同：弱binder可能已经在washing时丢失，非常持久的相互作用可能难以释放，也有些分子可能通过非目标机制滞留。

因此，recovered pool不是equilibrium affinity的纯测量，而是target association、洗涤中的dissociation、非特异滞留和回收方式共同作用的结果。

第十步：amplification保存信息，也可能扭曲信息

回收的遗传信息经reverse transcription和PCR amplification，产生下一轮或测序所需材料。PCR不可缺少，但GC含量、secondary structure、primer interaction等差异会让模板具有不同扩增效率。

当回收分子数很少时，stochastic bottleneck也很重要。某个序列可能因为早期抽样而看似扩张，真正的binder也可能偶然丢失。多轮重复扩增会累积这种差异。因此final read count不能直接解释成affinity或Kd。

第十一步：NGS测量的是composite observable

Next-generation sequencing（NGS）可以观察sequence abundance、enrichment、depletion、family structure、motif emergence与position preference。它的深度让研究者看到低通量测序难以捕获的trajectory。

但一个NGS count是复合观测值，包含input representation、molecular processing、selection、recovery、amplification、sampling depth和data processing的共同作用。Read count最高的序列不一定是best binder。

更有价值的解释会同时考虑：

• 起始和中间pool中的abundance；
• 相邻round之间的fold enrichment；
• replicate consistency；
• 是否属于独立富集的sequence family；
• 在counter-selection或off-target control中的行为；
• sequencing depth与不确定性；
• 独立biochemical validation。

一轮只是快照，多轮也不是越多越好

早期round通常背景较高，稀少的功能序列与technical noise混合存在。迭代筛选把回收并扩增的pool作为下一轮input，同时可以调整selection pressure。有价值的family可能逐渐清晰，但更多round并不自动更好：过度收敛可能损失diversity、放大扩增artifact，或偏向最容易传播而非最有功能的序列。

例如，Sequence A在Round 1丰度低，随后在Round 2、3、4持续增加，通常比只在最后一轮突然高丰度的Sequence B更值得分析。但这不是绝对规则，还要结合starting abundance、enrichment ratio、replicate consistency、family context、negative-selection behavior和sequencing coverage。

Sequence family通常比Top 10清单更有信息

筛选群体常包含相关sequence family，而不仅是孤立winner。Family成员可能共享binding motif、保守的电荷或疏水模式、ring topology或NCAA position。

高度保守位置可能参与靶标接触、结构组织或环化几何；可变位置则可能表示tolerance，并为后续structure–activity relationship（SAR）探索提供修改位点。Family-level view有助于把可重复的chemical pattern与单个高count outlier区分开。

Positive enrichment与negative depletion也应联合分析。一个family如果在目标靶标上富集、在counter-target上同样富集，就不能作为specificity的有力证据。

Replicate提高confidence

Selection和sequencing可能包含handling variation、amplification bias和stochastic bottleneck。在条件允许时，replicate selection或关键阶段重复有助于识别可重现的trajectory。重复不会自动消除bias，但能帮助区分稳定生物信号与一次性的群体事件。

全流程bias对照表

阶段	潜在bias	解释风险
Library synthesis	起始representation不均匀	稀少或缺失设计无法被公平比较
Transcription	序列依赖产率、截短、RNA完整性	核酸损失可能看起来像negative selection
Translation	codon context、stalling、序列依赖产率	设计丰度不同于peptide abundance
NCAA incorporation	充载与掺入效率不同	codon存在不等于成熟产物确实含NCAA
Fusion formation	fusion效率不均	低fusion成员被系统性低估
Cyclization / maturation	不完全或序列依赖转化	reads可能代表异质化学产物
Target binding	target状态、展示、浓度、可及性	enrichment可能偏向非预期target state
Washing	stringency与解离时间偏差	有用binder可能丢失，背景也可能残留
Recovery	释放或洗脱效率不均	被保留不等于能被有效回收
RT–PCR	模板结构、GC含量、随机瓶颈	amplification advantage可能伪装成enrichment
Sequencing	sampling depth、错误、预处理选择	低频trajectory可能被遗漏或错误估计

Selection hit还不是validated free peptide

入选序列需要被独立resynthesis，确认mass与purity，并在脱离display construct后测试binding。随后还可能需要competition、functional、specificity、stability和项目相关的developability assay。

Resynthesis会打破genotype–phenotype system，并把多肽作为独立chemical entity进行测试。 这很重要，因为free peptide可能与mRNA-linked species表现不同，化学合成也可能暴露环化或NCAA掺入方面的结构歧义。

一个实际路径是：

enriched sequence → independent synthesis → binding validation → family analysis → SAR → NCAA与环化优化 → 稳定性、溶解性和可合成性评估 → next-generation candidate

mRNA Display是discovery engine，而不是完整drug-development process。后续设计可参阅《已有一个多肽，AI可以如何优化它？》、《AI设计的多肽，为什么还必须经过“可合成性”筛选？》和《定制多肽合成完整指南》。

为什么selection trajectory适合支持AI分析

最有价值的计算数据并不只是final winner清单，而可以包括initial sequence、round-by-round abundance、positive enrichment、negative depletion、family membership、positional conservation、library chemistry和selection conditions。

这些longitudinal、structured data可以支持candidate ranking、sequence–fitness modeling、motif discovery、实验优先级排序和generative peptide model training。但应用时仍需合理归一化、不确定性估计、chemical-aware representation和实验验证标签。后续文章将进一步讨论mRNA Display数据如何与AI辅助多肽设计结合。

总结

mRNA Display的价值不只是“从一个超大库里选出几个高丰度序列”。真正有价值的是理解一个多肽family如何在连续selection pressure下逐轮变化，以及哪些序列和化学特征与靶标结合、选择性和化学可执行性相关。

从library composition、translation、fusion formation和cyclization，到target selection、counter-selection、PCR与NGS，每一步都会塑造最终看到的数据。理解这些过滤器，才能把“富集序列”转化为真正值得重新合成和实验验证的候选肽。

参考文献

1. Roberts RW, Szostak JW. RNA-peptide fusions for the in vitro selection of peptides and proteins. PNAS. 1997;94:12297–12302. doi:10.1073/pnas.94.23.12297
2. Wilson DS, Keefe AD, Szostak JW. The use of mRNA display to select high-affinity protein-binding peptides. PNAS. 2001;98:3750–3755. doi:10.1073/pnas.061028198
3. Kamalinia G, et al. Directing evolution of novel ligands by mRNA display. Chemical Society Reviews. 2021;50:9055–9103. doi:10.1039/D1CS00160D
4. Newton MS, Cabezas-Perusse Y, Tong CL, Seelig B. In Vitro Selection of Peptides and Proteins—Advantages of mRNA Display. ACS Synthetic Biology. 2020;9:181–190. doi:10.1021/acssynbio.9b00419
5. Blanco C, Verbanic S, Seelig B, Chen IA. High throughput sequencing of in vitro selections of mRNA-displayed peptides: data analysis and applications. Physical Chemistry Chemical Physics. 2020;22:6492–6506. doi:10.1039/C9CP05912A
6. Li S, Millward S, Roberts RW. In Vitro Selection of mRNA Display Libraries Containing an Unnatural Amino Acid. Journal of the American Chemical Society. 2002;124:9972–9973. doi:10.1021/ja026789q
7. Peacock H, Suga H. Discovery of De Novo Macrocyclic Peptides by Messenger RNA Display. Trends in Pharmacological Sciences. 2021;42:385–397. doi:10.1016/j.tips.2021.02.004
8. Nishikawa S, et al. De Novo Single-Stranded RNA-Binding Peptides Discovered by Codon-Restricted mRNA Display. Biomacromolecules. 2024;25:355–365. doi:10.1021/acs.biomac.3c01024