引言

mRNA 药物的研发，不仅要解决“递送到哪里”，还要回答“能否产生足够的目标蛋白”。脂质纳米颗粒（LNP）即使进入器官或细胞，mRNA 仍需释放到细胞质并完成翻译。因此，组织中检测到载荷，并不等于实现了有效表达。

多肽条形码与质谱结合，为这一问题提供了新的筛选思路：让不同候选处方递送能够产生独特肽标签的 mRNA，再通过标签对应的蛋白表达信号，比较各处方的功能递送表现。MIT 团队的肽条形码研究和 AstraZeneca 团队的PALS 平台，是这一方向的代表工作。^[1,2]

一、从载荷分布走向蛋白表达

传统核酸条形码方法能够同时追踪大量候选处方，适合研究组织分布和细胞摄取。但如果只测条形码丰度，就难以判断对应的 mRNA 是否完成了翻译。已有方法通过结合功能报告改善这一问题，不同策略各有优势和适用范围。

肽条形码把读出推进到了蛋白层面。每种处方对应一种可区分的条形码，检测到相应翻译产物后，就能将表达信号与处方身份关联。这有助于减少把“载荷富集”直接当成“有效递送”的判断偏差，为候选载体提供更接近应用需求的评价依据。

这里的条形码多肽主要承担测量作用，与用于表面靶向或促进膜相互作用的功能多肽用途不同。前者帮助研究人员识别和比较处方，后者参与改变载体的生物学行为，两者可以在研发中配合使用。

二、方法如何运作

首先，为不同候选处方分别配置编码不同条形码融合蛋白的 mRNA，确认条形码可被区分，并检查其是否影响表达和载荷功能。随后，按照明确的剂量比例混合处方，在同一动物中进行平行评价。

取样后，研究人员富集相关蛋白并释放条形码组分，再通过液相色谱串联质谱（LC-MS/MS）分析。经适当参考和信号校正后，不同条形码的丰度可用于比较对应处方的表现。具体取样、富集和定量方式，需要根据载荷和研究目标选择。

方法设计的关键，是让条形码差异尽量只承担“身份识别”的作用。因为不同肽段的检测响应和蛋白稳定性可能不同，原始信号高低不能直接等同于递送能力强弱。研究中需要设置参考，验证条形码表现，才能使处方之间的比较更可靠。

两项代表研究体现了不同应用路径：MIT 研究主要通过组织中的条形码信号评价肝脏蛋白表达；AstraZeneca 的 PALS 则使用带条形码的人促红细胞生成素（hEPO），验证血清蛋白信号能否反映混池中不同处方的表现。^[1,2] 它们共享方法学思路，但并非完全相同的实验流程。

方法示意（不同研究的具体流程有所差异）

三、对递送研发有什么价值

最直接的价值是提高体内筛选通量。将多个处方放在同一实验中比较，可以减少逐一测试的工作量及动物个体差异的影响。MIT 团队以 384 种可电离脂质构建文库，并结合后续处方优化，用 9 只小鼠完成了 400 余种处方的筛选与优化评价。这个数字不包括全部后续独立验证和表征实验。^[1]

其次，评价指标更贴近需要蛋白表达的应用。对于蛋白替代、部分免疫治疗和基因编辑递送，载体价值最终取决于能否在合适的细胞中产生所需蛋白。肽条形码可以帮助缩小候选范围，再把资源集中到有前景的处方上。

此外，该思路也适合处方优化：研究人员可以比较不同脂质结构或配比对表达的影响。若将其拓展到新的器官或细胞群，还需验证样品处理与检测能力；分泌蛋白的血清水平，也不能直接用于定位蛋白来自哪个器官。

从研发流程看，这类方法适合承担候选筛选和排序，而不是一次完成全部成药判断。初筛关注哪些处方值得继续投入，复筛确认其优势能否重复，随后再回答靶细胞、持续表达和治疗获益等问题。不同阶段设置不同评价目标，有助于把筛选结果转化为可执行的开发决策。

四、筛选之后仍需完成验证

蛋白表达读出能够改善筛选判断，但不会自动消除假阳性。混池中的不同处方可能相互影响，MIT 研究就报告了部分混池命中在单独给药时表现不佳的情况。^[1] 因此，候选处方必须脱离混池复核，并设置必要的重复、剂量和时间条件。

筛选规模也受检测能力限制。每池处方越多，单个处方分到的剂量可能越低，较弱的表达信号更容易低于检测范围。因此，池容量应通过实验确定；未检出信号时，需要结合剂量和检测灵敏度解释，不能简单认定该处方完全没有递送能力。

表达信号也不能单独说明内涵体逃逸机制、具体表达细胞或治疗效果。若目标是肺部或脑部递送，应进一步确认发生表达的细胞类型；尤其在脑组织中，需要区分血管相关信号与脑实质细胞表达，不能仅凭全脑信号认定跨越了血脑屏障。

走向治疗应用，还需换用实际载荷，在相关模型中评估药效和安全性。载荷变化可能影响颗粒性质及表达排名，所以条形码筛选结果应作为后续研发的起点。

多肽条形码与质谱的价值，在于让高通量筛选更直接地连接蛋白表达。结合独立处方验证、细胞定位和治疗性载荷评价，才能把筛选效率的提升转化为可靠的递送方案。

参考文献

[1] Rhym LH, et al. Nature Biomedical Engineering. 2023;7:901–910. DOI: 10.1038/s41551-023-01030-4.

[2] Odunze U, et al. Nucleic Acids Research. 2024;52(16):9384–9396. DOI: 10.1093/nar/gkae648.