编辑推荐：
为解决蛋白质表达水平优化与过量表达间的核心矛盾，研究人员在天然感受态细菌Acinetobacter baylyi中，利用敲除稀释和TFNseq技术，对必需基因进行了全蛋白质组尺度的适应度景观分析。研究发现，约70%的必需蛋白存在阈值式适应度景观，且在生长稳健性驱动下显著过量表达，尤其低丰度蛋白过量高达>10倍。该研究揭示了生长稳健性在决定必需基因表达水平和维持稳健生长中的根本作用。
细胞的生长与存活依赖于数百种蛋白质的精密调控。长期以来，一个看似矛盾的现象困扰着生物学家：一方面，蛋白质的表达水平似乎是经过优化的，以最大化细胞的适应度（Fitness），表达过低会影响必需功能，过高则会增加代谢负荷（Metabolic Load）；另一方面，大量证据又表明，许多必需蛋白的丰度远超其功能所需。那么，细胞如何在实现“恰到好处”的精准表达的同时，又普遍存在着看似“浪费”的过量表达呢？这背后是偶然的冗余，还是隐藏着未被揭示的普适性生存策略？
发表在《SCIENCE ADVANCES》上的一项研究，为解答这个谜题提供了令人信服的答案。来自一支研究团队的工作表明，蛋白质的过量表达并非失误，而是细胞为了应对基因表达固有的随机“噪声”（Noise），确保生长稳健性（Growth Robustness）而采取的一种主动策略。这种稳健性驱动的过量表达，是理解细胞如何协调复杂生化网络、在多变环境中稳定生存的关键。
为了开展这项研究，研究人员主要采用了以下几种关键技术方法：1. 基于天然感受态细菌Acinetobacter baylyi的敲除稀释（Knockout-depletion）技术，通过基因敲除后蛋白质被增殖稀释的过程，在单细胞尺度上绘制蛋白质丰度与生长率的适应度景观。2. 高通量的转化转座子插入突变体测序（TFNseq, Transformation transposon insertion mutant sequencing）技术，用于在全基因组范围内平行分析数百个必需基因敲除后的增殖动态，从而定量测量其过量表达水平。3. 结合相衬和荧光显微成像的单细胞分析技术，辅以专门开发的细胞分割软件Omnipose，对特定基因（如dnaN, murA）敲除后的细胞增殖、蛋白定位和功能进行可视化与定量追踪。4. RNA测序（RNA-seq），用于测定细菌在指数生长期的mRNA转录水平，以分析转录量与过量表达之间的关系。
研究结果
自然感受态促进敲除稀释
研究利用A. baylyi天然摄取并整合外源DNA的能力，设计了敲除稀释实验。细胞被转入携带卡那霉素抗性基因（KmR）的靶基因敲除盒后，靶基因的转录立即停止，但已合成的靶蛋白仍存于细胞内。转化子（Transformants）可以继续增殖，同时稀释细胞内已有的靶蛋白，直到其浓度低于维持生长所需的功能阈值时，生长才会停滞。这种方法避免了稳态蛋白敲低技术可能引入的额外细胞间变异，能更清晰地揭示适应度景观的本质。
靶蛋白通过稀释被耗竭
为验证实验设计的核心假设——敲除后蛋白质翻译停止，其丰度仅通过细胞增殖稀释，研究者以复制相关必需基因dnaN（编码β滑动夹）为模型，构建了YPet荧光蛋白融合株。敲除实验证实，转化子细胞中的YPet-DnaN荧光强度随着细胞分裂和体积增加而精确地按模型预测的比例稀释，而未被转化的细胞则维持蛋白丰度不变，验证了蛋白稀释机制的有效性。
复制在DnaN稀释过程中持续进行
一个关键的验证是，在蛋白被稀释的同时，其功能是否依然维持。DnaN蛋白在活跃复制时呈点状定位（与复制体相关），无复制时则弥散分布。实验观察到，在YPet-DnaN蛋白被大量稀释的过程中，其点状定位持续存在，表明复制功能对蛋白稀释具有鲁棒性。只有当蛋白丰度进一步降低至点状结构消失后，细胞才出现DNA复制停滞的典型表型（细胞丝状化）。这直接证明了蛋白质功能在其丰度显著降低时依然可以维持。
其他必需基因敲除也经历瞬时生长
研究进一步对复制起始调控基因dnaA、细胞壁合成基因murA和分裂相关基因ftsN进行了成像分析。每种情况下，转化子细胞在敲除后都能持续增殖多个细胞周期，然后生长停滞，这普遍支持必需蛋白过量表达的假说。
适应度景观高度不对称
通过Omnipose软件对单细胞生长率的定量分析，研究者绘制了蛋白质丰度与生长率的关系图，即适应度景观。研究发现，对于所有测试的突变体，生长率在蛋白丰度高于某个临界阈值时基本保持恒定（野生型水平），一旦低于该阈值，生长率便迅速降至停滞状态。这种“阈值式”的景观是高度不对称的：蛋白不足导致生长停滞的代价，远大于蛋白过量带来的代谢负荷代价。
蛋白质过量表达
研究将过量表达（Overabundance, o）定义为初始蛋白浓度（C0）与细胞生长停滞时的蛋白浓度（CA）之比（o ≡ C0/CA）。成像实验测得dnaN、murA、ftsN均存在显著的过量表达（o> 1），而dnaA的过量表达接近1（即表达量“刚好足够”）。
RLTO模型预测蛋白质过量表达
稳健性-负荷权衡模型（Robustness-Load Trade-Off model, RLTO model）将观察到的阈值式适应度景观、基因表达噪声和代谢成本结合起来，做出了一个特征性预测：高表达基因由于代谢成本高、表达噪声低，其过量表达水平低（o≈ 1）；而低表达基因由于代谢成本低、表达噪声高，其过量表达水平会非常高（o? 1）。
TFNseq在全基因组范围内确定过量表达水平
为在基因组尺度上检验RLTO模型的预测，研究采用了TFNseq技术。该方法可同时平行追踪一个多克隆敲除突变体库中所有突变体的相对丰度轨迹，从而推断出每个突变体的生长停滞时间和对应的蛋白过量表达水平。对比成像与测序结果，两者在定性上一致，支持TFNseq用于全基因组分析的可靠性。
许多必需蛋白存在巨大的过量表达
对A. baylyi所有基因的分析显示，大多数（69%）被归类为必需的蛋白质属于“过量表达”型，意味着它们需要被显著稀释后才会被检测到生长率变化。31%的必需蛋白被归类为“足够表达”型（o= 1）。必需蛋白过量表达的中位数为7倍，但低表达蛋白的过量程度可高达数十甚至上百倍。
低转录基因高度过量表达
通过RNA-seq测量转录水平（每个细胞周期mRNA分子数），并将之与过量表达关联分析，研究证实了RLTO模型的核心预测：过量表达水平随着转录水平的降低而急剧增加。高表达基因的过量表达极低，而低表达基因通常具有很大到非常大的过量表达，尤其在转录水平接近“单mRNA规则”（One-message rule）下限阈值时，过量表达急剧上升。
其他决定过量表达的因素
研究还探讨了基因调控和蛋白质毒性对过量表达的影响。数据显示，具有自调控或受严密调控（如调控因子数量多）的必需基因，其中位过量表达水平（分别为1倍和3倍）显著低于所有必需基因的中位数（7倍），而未被调控的基因则更高（12倍）。这表明精确的调控可以降低对过量表达的需求。同时，具有潜在毒性（如腺苷三磷酸酶ATPase）的蛋白质，其中位过量表达水平（2倍）也较低，支持毒性是影响过量表达的另一个关键因素。
结论与讨论
本研究通过成像、基因组学和建模相结合的方法，首次在全蛋白质组尺度上定量描绘了必需蛋白的适应度景观，并阐明了其背后的原理。研究主要得出以下结论：首先，大多数必需蛋白（约70%）表现出高度不对称的、阈值式的适应度景观，生长对高于阈值的蛋白丰度变化不敏感，但低于阈值则迅速停滞。其次，这种景观结构是“速率限制动力学”的自然结果：只有当一种蛋白质成为限速组分时，其丰度变化才会影响生长率。更重要的是，研究发现蛋白质的过量表达是一种普遍且最优的策略，其根本驱动力是生长稳健性——细胞必须缓冲基因表达的内在噪声，以确保数百种必需蛋白的稳定供应。RLTO模型成功预测了过量表达依赖于表达水平的关键特征：低表达基因由于表达噪声大而代谢成本相对较低，因此倾向于维持极高的过量表达（>10倍）；高表达基因则因其代谢成本高昂而表达量“刚好足够”。
这一发现具有重要的生物学意义。它从根本上重塑了人们对蛋白质丰度合理性（rationale）的理解，揭示了“浪费”的过量表达是细胞应对复杂调控挑战、实现稳健生长的核心机制。这种稳健性策略可能具有进化保守性。此外，蛋白质过量表达增加了细胞的总体蛋白质预算，这可能为压力响应和静止期提供了通过蛋白质分解来适应环境的资源库。在应用层面，蛋白质的过量表达水平决定了抑制其功能以达到生长停滞所需的抑制倍数，这意味着高过量表达的蛋白质可能是难以用药物（如抗生素）成功靶向的。该研究最终表明，细胞通过使绝大多数（尤其是低丰度）必需蛋白处于巨大过量状态，来应对确保数百种不同蛋白质稳健表达这一非凡的调控挑战。
