多重基因片段：实现更佳高通量筛选的关键

Twist现提供301至500bp的混合双链DNA（dsDNA）合成服务 图像展示了从黑暗中螺旋而出的双链DNA螺旋的图形渲染。

当一个实验还只是一个想法时，其实践上的限制很容易被发现的诱人潜力所掩盖。很难意识到实验室工作中不完美的现实如何积累起来，尤其是当看似合理地只需再增加几个样本、几个变量，或许再添加一两个步骤时。但当到了装载吸管并启动实验的时刻，真相变得清晰：做更少的事常常是实现更多的最佳方式。

在高通量筛选的背景下尤其如此，研究人员必须经常经历从较小的合成寡核苷酸组装长段双链DNA（dsDNA）的繁琐过程。概念上，这个过程很简单：合成成千上万到几十万所需的寡核苷酸，将这些转换成dsDNA格式，克隆到载体中，并传递到目标细胞进行表达和下游筛选。这是许多高通量应用的基础，从大规模并行报告基因分析（MPRA）到大规模抗体开发项目。尽管高通量筛选的想法简单，但实际执行却远非如此。

研究人员在这些项目中面临的一个微妙而重要的障碍是需要混合DNA片段的合成。通过常规方法可以构建单个dsDNA片段，但这些技术不易扩展。当需要成千上万个不同的dsDNA片段时，如在高通量筛选中，研究人员必须依靠极为有限的混合dsDNA合成过程。

“Twist的MGF在这里帮助您以较少的工作实现更多成果”

历史上，为了可靠地生产大量的混合DNA片段，制造商不得不将片段大小缩减到仅150至300个碱基对的长度。这意味着，对于大多数应用，研究人员必须将多个DNA片段拼接在一起以创建他们所需的序列，无论是基因、抗体可变区还是串联指导RNA。这样做增加了复杂性和资源限制，可能会限制筛选项目的规模、效率和影响力。

简而言之，创造混合合成DNA片段的局限性迫使研究人员在实验设置期间做更多工作，以获得不理想的回报。这就是Twist的多重基因片段（MGF）可以帮助的地方。通过MGF，Twist现在提供使用直接合成制作的301至500个碱基对长度的混合定制双链DNA片段，几乎具有无限的扩展潜力。通过在多重dsDNA合成中增加长度和规模，MGF代表该领域向前迈出了重要一步。

推动DNA合成的边界

MGF提供的额外好处为研究人员开辟了新的和重要的可能。最令人兴奋的应用之一在于抗体的发现和开发。抗体因其独特的与特定抗原结合的能力，在治疗和诊断设置中至关重要。抗体工程的一个关键焦点领域是优化互补决定区（CDRs），其中氨基酸序列的细微变化可以显著改变表位结合动力学。

💻 人工智能/机器学习在抗体开发中的力量

AI和ML已经开始转变各种科学领域，抗体开发也不例外。通过分析大量数据集，这些技术可以识别模式并预测哪些抗体序列最有可能成功。AI/ML驱动的库比传统库小得多，后者通常包含数百万种变体。相反，这些更智能的库可能只包括数千种变体，每种都经过仔细选择以期潜在效力。

要了解Twist的MGF如何支持抗体开发，请阅读华盛顿大学Baker实验室最近的预印本：原子级精确的单域抗体全新设计。

传统上，抗体的发现和优化涉及创建广泛的变体库进行大规模筛选。为此，通过合成并以各种组合连接短DNA片段来组装库。虽然这种方法有效，但它引入了一种随机性，阻止了对创建哪些变体以及以什么数量的完美控制。

这种缺乏控制在优化过程中尤其具有破坏性，此时研究人员已经确定了候选抗体，希望通过对CDR序列进行合理变更来精炼候选属性。借助人工智能（AI）和机器学习（ML）软件，这些库的设计越来越精细，使研究人员能够缩小筛选范围至一个富集的候选池。然而，使用传统的库合成方法，创建一个定义狭窄的池是一个挑战性任务，并且存在变体表示不足的风险。

幸运的是，抗体可变区域——CDR所在的位置——大约400-450 bp长。通过直接合成长达500 bp的片段，MGF使研究人员能够编码整个抗体可变区域，包括所有三个CDR，在一个单一片段中。这种控制级别允许高度精确地设计和合成抗体变体库。Twist的MGF池实现了每个订购序列的全面表示，确保对变体构建的精确控制，从而实现更有针对性的理性筛选（图1）。而且，通过高分辨率控制CDR序列，研究人员可以将他们的筛选池大小减少到匹配AI/ML设计，最终开启更高效和有成效的筛选之门。

扩大筛选视野

MGF的优势不仅限于抗体开发。参与mRNA筛选和大规模并行报告基因分析的研究人员也可以获得显著的好处。mRNA筛选通常需要研究非编码调控元件——如未翻译区域（UTRs）——这可能影响mRNA动态。重要的是，UTRs经常超过200个碱基对。有了MGF，合成这些DNA筛选池变得简单，便于更多地控制试验设计，并且像抗体优化一样，实现高效的研究。