蛋白质是生命功能的执行者，但天然蛋白往往不适合工业生产或临床应用。突变技术（Mutagenesis），就是人为改变基因序列，从而定向改变蛋白质氨基酸组成的一套分子生物学方法。
单碱基替换可引起单位点氨基酸改变，片段插入或缺失则可能重塑蛋白折叠构象，最终获得活性、稳定性、特异性优化的蛋白变体。从20世纪70年代定点突变诞生到今天AI辅助的蛋白设计，突变技术已走过半个多世纪，是酶工程、抗体开发、合成生物学等领域不可或缺的底层工具。
核心逻辑：DNA层面的序列修饰 → 蛋白层面的功能重塑。突变技术不改变生物化学基本规律，而是在实验室尺度上加速和定向化蛋白质的进化筛选过程。
两大技术路线：随机 vs 定点
根据"改哪里"和"怎么改"，突变技术可以分为两大阵营。它们不是互斥的关系，而是常常配合使用——先用随机突变广覆盖，再用定点突变精修。
随机突变：多样性驱动
不预设位点，全基因范围随机引入变化，适用于结构信息有限时的探索性改造。
· 易错PCR：低保真聚合酶扩增时随机引入碱基错误，操作最简单。
· DNA Shuffling：不同来源基因片段重组，模拟有性杂交累积有益突变。
· 文库容量：可达10⁶~10⁹，覆盖序列空间广。
定点突变：理性设计
基于结构信息或功能预测，在特定位点引入精确变化，通常可覆盖三类操作：碱基替换、片段插入、序列缺失。
· QuikChange法：引物搭桥，质粒水平完成定点替换/插入/缺失。
· 定点饱和突变（NNK/NNS）：特定位点穷举20种氨基酸，系统评估最优替换。
· CRISPR/Cas9：基因组水平引入定点修改，适用于细胞株构建。
定向进化：从突变到筛选的闭环
突变技术本身只解决了"产生多样性"的问题。真正有价值的蛋白变体，需要通过定向进化（Directed Evolution）的闭环流程来筛选——这是2018年诺贝尔化学奖的核心工作。
· 构建文库— 用随机或定点方法，构建包含大量变体的突变文库。
· 展示筛选— 通过噬菌体展示、酵母表面展示等方法，对文库进行高通量筛选。
· 富集克隆— 分离阳性克隆，测定序列，确认优势突变位点。
· 迭代优化— 以上一轮优势突变体为起点，进入下一轮循环迭代。
核心逻辑：多样性创造 → 选择压力 → 富集放大 → 再创造。每一轮都在模拟自然进化的"突变-选择"过程，把百万年压缩到几周。
筛选方法的选择是实验设计的关键决策，是用通量极高的噬菌体展示，还是用更贴近生理条件的酵母表面展示？是用荧光报告基因做快速初筛，还是用酶活测定做精确验证？
四大核心应用方向
01 工业酶与生物催化
改造脂肪酶、纤维素酶、转氨酶等，提升热稳定性、有机溶剂耐受性和催化效率。
02 抗体药物开发
亲和力成熟、人源化改造、Fc段工程等策略，提升抗体的结合特异性、半衰期和效应功能。
03 基础研究与蛋白工程
定点突变验证催化残基、解析结构-功能关系，构建蛋白传感器和报告系统。
04 合成生物学与细胞工厂
组合突变代谢通路关键酶，优化代谢流平衡；改造转录因子和启动子，调控基因表达网络。
新趋势：AI × 突变技术
传统定向进化依赖高通量文库构建与大规模筛选，属于“经验驱动”的改造范式。随着 AlphaFold 结构预测与生成式蛋白设计模型的成熟，突变技术正从随机筛选走向计算辅助的理性预测。
当前主流范式：先用计算模型预测关键热点位点，再通过定点饱和突变精准覆盖，将传统需上万克隆的筛选规模压缩至数百量级。随机突变仍具不可替代的价值——可发现计算模型未覆盖的功能位点，二者协同正成为新标准流程。
突变技术的竞争核心，正从文库规模转向计算预测精度与实验验证通量。计算设计与定向进化的闭环融合，正在压缩蛋白改造的研发周期。
