分子克隆是指制备特定脱氧核糖核酸(DNA)序列拷贝的过程,通常通过将该序列插入一种能在宿主细胞内维持并复制的DNA载体来实现。一个典型的克隆包括与载体连接的特定DNA插入片段,以及由携带该构建体的单个细胞繁衍形成的细胞群。分子克隆一词也涵盖组装、分离、扩增和验证这些DNA分子所用的方法。虽然基因是常见的克隆对象,但克隆的材料也可以是调控区、非编码序列、染色体片段,或完全人工设计的序列。
作为分子生物学的一项核心技术,分子克隆使研究人员能够将单个序列从其所在的复杂基因组中分离出来,单独加以研究。它是现代遗传分析、重组蛋白生产和生物工程诸多领域的基础。分子克隆不同于完整生物体的克隆,也不同于仅在试管中扩增DNA:其独特价值在于获得一种稳定且可回收的分子构建体,从而能够研究其序列和生物学行为。
历史发展与概念基础
分子克隆的兴起,源于细菌遗传学、DNA加工酶研究以及对自主复制遗传元件的认识相互融合。对噬菌体的研究表明,可以在分子水平上定位和操纵遗传信息;而对质粒的研究则证实,小型DNA分子能够独立于细菌染色体进行复制。这些发现为分离特定DNA序列提供了概念模型和实用载体。
具有序列特异性的限制性内切酶的发现,使研究人员能够以可重复的方式切割DNA。1970年,汉密尔顿·O. 史密斯及其同事对Ⅱ型限制性内切酶HindII进行了鉴定;此后,相关酶的应用使研究人员能够获得确定的DNA片段,而非随机片段的混合物。1967年,多个研究小组各自独立发现了DNA连接酶,它提供了与切割互补的功能:封闭糖—磷酸骨架上的断口。因此,切割与连接可以结合起来,成为构建新DNA排列的一般策略。
1972年,保罗·伯格及其同事报道,他们构建了含有不同来源序列的重组DNA分子。1973年,斯坦利·科恩、安妮·张、赫伯特·博耶和罗伯特·赫林证明,重组质粒可以被导入大肠杆菌(Escherichia coli),并在其中增殖。他们的工作将分子组装与生物复制衔接起来。此后,研究人员不再需要反复从原始生物中获取某个DNA片段;只要将其插入合适的质粒,就可以从不断增殖的细菌群体中提取该片段。
早期载体经过逐步改造,使用更加便捷,性能也更加可靠。1977年报道的质粒pBR322将经过充分研究的复制系统、抗生素抗性标记和实用的限制性内切酶位点结合在一起。后来的pUC载体则整合了高拷贝数复制系统,以及可配合显色筛选的紧凑克隆区。20世纪70年代末,DNA测序方法开始得到广泛采用;随着测序技术的发展,直接验证克隆序列变得越来越切实可行,而不必仅凭生物学效应推断其身份。
这些进展也改变了在实验中获取和研究基因的方式。此前,人们对许多基因的了解主要来自遗传性状或其生化产物。经过克隆的基因则成为一种实体实验材料,可以进行测序、改造、转移,并使其在不同环境中表达。随后,20世纪80年代聚合酶链式反应的发展加快了目标序列的获取,但并未取代克隆:扩增提供的是DNA,而得到维持的克隆则提供了一种可长期保存、可单独识别的遗传构建体。
复制、连接与遗传的分子原理
克隆的物质基础在于DNA通过特定序列储存信息,以及细胞能够复制这些信息。被克隆的分子必须能够独立复制,或整合到宿主原本就会复制的DNA中。自主复制载体含有复制起点,可由宿主的复制机制或载体编码的蛋白质识别。整合型构建体则依赖于整合到染色体或其他能够稳定维持的遗传元件中。
复制产生的是一系列具有共同来源的相关分子,并不能绝对保证序列永远一致。DNA聚合酶能够高保真地复制DNA,在许多生物中还有校对机制和DNA错配修复的辅助,但偶尔仍会发生错误。因此,在实际操作中,克隆的界定依据是其源自某个分离出的分子或细胞祖先,以及经过验证的序列。持续传代扩增可能引入变异,尤其是在构建体给宿主带来负担或含有容易发生重排的序列时。
DNA组装利用了磷酸二酯键形成的化学原理。连接酶将位置适当的DNA末端连接起来,通常是在3′羟基与5′磷酸基团之间形成连接。限制性内切酶可以产生平末端或单链突出端。互补的突出端通过碱基配对结合,使DNA骨架处于可由连接酶封合的构型。在插入片段的两端设置不同的相容末端,可以限定连接方向,减少可能出现的排列方式。
其他克隆方法利用的是序列同源性,而非特定的限制性酶切位点。在基于重叠序列的组装中,相邻片段带有彼此匹配的末端序列,引导它们按顺序结合。细胞内的同源重组同样可以连接具有对应同源序列的DNA分子。位点特异性重组则使用专门的蛋白质和特定的识别位点,而不依赖长段同源序列。这些方法的机制各不相同,但都将目标序列与能够使其维持或供后续使用的元件连接起来。
DNA的维持与基因表达之间有着至关重要的区别。质粒可能正常复制,而其中的插入片段却不发生转录。表达还需要适合宿主的调控元件,包括启动子以及用于RNA生成和翻译的适当信号。对于编码蛋白质的插入片段,其方向、阅读框以及编码序列是否完整无中断,可能与DNA的准确复制同样重要。因此,克隆成功本身并不能证明其编码的蛋白质已成功产生。
载体及其生物学设计
克隆载体是用于接纳并维持插入序列的DNA载体。其基本要素通常包括复制或整合系统、可供筛选的性状,以及适合插入DNA的区域。此外,载体还可包含控制表达、实现宿主间转移或便于序列验证的元件。选择载体时,不仅要考虑目标序列的长度,还要考虑其序列组成、稳定性、生物学活性及预期用途。
细菌质粒是常规分子克隆中使用最广泛的载体。其拷贝数因复制系统而异:有些在每个细胞中仅维持几个拷贝,有些在适宜条件下则可达到数百个拷贝。高拷贝数通常能提高DNA产量,但也会增加任何具有干扰作用或给宿主带来负担的序列的剂量。因此,对于不稳定或妨碍宿主生长的插入片段,低拷贝载体可能更为合适。多克隆位点将多个在载体中仅出现一次的限制性内切酶识别位点集中在一段较短的区域内,无须大幅改动载体即可提供多种插入位置。
历史上,源自λ噬菌体的载体曾用于构建基因组文库,其插入片段通常约为10—20千碱基,具体取决于载体设计。黏粒将质粒的复制功能与λ噬菌体的包装信号相结合,可容纳约35—45千碱基的插入片段。细菌人工染色体通常基于细菌F因子的维持系统构建,常可携带约100—300千碱基的插入片段。其低拷贝数和分配功能有助于保存大片段DNA。
酵母人工染色体包含在酵母中实现类似染色体的维持方式所需的元件,包括复制起点、着丝粒和端粒。它们能够携带兆碱基级别的片段,但重排以及无关基因组片段的意外连接,使其在物理图谱构建中的应用变得复杂。在全面的基因组测序尚未成为常规手段之前,大插入片段载体系统尤为重要,因为它们能够保留基因与标记之间的长距离位置关系。
表达载体还有额外的设计要求。细菌表达系统可包含强效且可调控的启动子,以及适合细菌核糖体的翻译起始信号。真核表达构建体通常需要适合目标细胞类型的调控序列,还可包含RNA加工和转录终止信号。穿梭载体含有可在不止一种宿主中维持的元件,因此能够先在细菌中完成组装,再用于酵母或其他生物。因此,“载体”描述的是一种功能架构,而非单一的分子形式:为稳定保存DNA而优化的载体,可能与为蛋白质生产或特定组织中的受调控表达而优化的载体存在显著差异。
插入片段的来源与DNA组装策略
用于构建克隆的起始材料决定了克隆保留哪些生物学信息。基因组DNA不仅包含编码区,还包含编码区之间及周围的序列,包括内含子和调控元件。因此,基因组片段可用于研究基因的组织结构与调控,而仅有编码序列则无法满足这些研究需求。另一方面,较大的内含子或大片重复区域可能使基因组片段不便用于蛋白质表达实验。
互补DNA通常缩写为cDNA,由逆转录酶以RNA为模板合成。如果以成熟的信使RNA为模板,cDNA通常对应加工后的转录本,而非基因组中与之对应的完整连续区域。对于许多真核基因而言,这样便排除了细菌表达宿主通常无法剪除的内含子。不过,cDNA反映的是取样细胞中存在的转录本群体:组织特异性、发育状态和可变剪接都会影响其中包含哪些序列。
如果已知足够的侧翼序列,就可以利用PCR定向获取目标序列。引物还可引入有助于组装的末端延伸序列,例如限制性酶切位点或与载体重叠的序列。扩增可能引入序列错误,而引物结合也可能偏向某些变体,导致不同变体的扩增效率不同。合成DNA提供了另一条途径,使研究人员能够指定经过改动的编码序列、重新设计的调控区域,或自然界中不存在的序列组合。DNA合成消除了对实体来源样本的依赖,但并不意味着无需验证交付的DNA分子。
经典的限制性酶切—连接克隆法将具有相容末端的片段连接起来。定向克隆设计利用可相互区分的末端,使片段更倾向于按指定方向连接;平末端策略受到的序列限制较少,但本身不能限定方向。其他系统则利用特定的末端结构,包括某些DNA聚合酶产生的单碱基突出端。这些方法本质上都需要在灵活性、对特定识别位点的依赖程度,以及产生空载体或插入片段排列错误等非预期产物的可能性之间作出权衡。
现代多片段组装方法拓宽了可构建的DNA结构范围。2009年推出的吉布森组装将末端处理、重叠序列退火、DNA合成与连接整合在同一个等温反应中。2008年报道的金门克隆利用在识别序列之外切割DNA的IIS型限制性内切酶,生成预先设计的连接位点,并按指定顺序组装片段。重组系统则为在不同载体骨架之间转移插入片段提供了其他途径。方法的选择取决于片段数量、内部序列限制、连接位点要求,以及是否需要重复使用标准化元件;没有任何一种组装反应能够保证所得的每个分子都具有预期结构。
宿主细胞、DNA递送与克隆维持
宿主提供必要的生物学机制,使组装好的分子成为可持续扩增的生物资源。大肠杆菌之所以得到广泛应用,是因为其遗传学特性已得到充分研究,易于在实验室条件下生长,而且与多种载体系统兼容。不同实验室菌株在影响重组、DNA降解、甲基化以及难以维持的序列稳定性等方面具有不同特性。适合常规质粒扩增的菌株,不一定适合所有插入片段,也不一定适合高水平蛋白质表达。
DNA进入细菌的过程通常称为转化。实验室方法可暂时提高胞外DNA穿过细胞包被的概率;其中,利用电场递送DNA的方法称为电穿孔,是一种广泛使用的技术。DNA也可通过噬菌体介导的过程进入细胞。这些递送事件与复制不同:分子即使进入了细胞,也可能因其复制起点与宿主不兼容,或因自身被降解,而无法建立可遗传的谱系。
在真核细胞生物学中,非病毒介导的DNA递送通常称为转染。导入的DNA可能仅短暂存在,也可能在具备适当功能支持时以染色体外形式复制,或整合到染色体中。瞬时表达并不等同于建立稳定克隆。稳定细胞系要求导入的DNA能够遗传性维持,而独立建立的细胞系可能在整合位点、拷贝数或表达水平上存在差异。酵母的重组机制能够在细胞内连接具有重叠区的DNA片段,因此特别适用于某些组装任务。
肉眼可见的细菌菌落通常由单个菌落形成单位发育而来,因此,分离单菌落是区分候选构建体的一种实用方法。然而,一个菌落形成单位并不总是对应一个细胞,而且起始细胞有时可能含有不止一种质粒。因此,克隆纯度需要实验依据支持,不能仅凭菌落外观就作出判断。进一步分离和分子特征分析,可以将组成明确的克隆与混合培养物区分开来。
维持克隆的过程也会产生进化压力。如果构建体减缓了宿主生长,携带缺失、失活突变或较少质粒拷贝的细胞就可能获得选择优势。重复序列可能发生重组;某些外源序列可能干扰复制,或在载体或插入片段上的启动子驱动下发生非预期表达。对载体相关标记进行选择有助于保留载体,但不一定能保全插入片段的每一个碱基。因此,经鉴定确认的保藏材料、对传代扩增次数的限制,以及对宿主和构建体身份的清晰记录,是确保克隆材料长期可靠的关键。
选择、筛选与序列验证
选择与筛选解决的是不同的问题。选择用于确定哪些细胞能够在特定条件下存活或增殖,这通常取决于细胞是否具有载体赋予的某种性状。筛选则用于区分存活下来的候选细胞,从中找出含有所需插入片段的细胞。例如,可选择的抗生素抗性标记能够表明质粒的存在,却无法说明该质粒是否含有插入片段、插入方向是否正确,或插入片段的序列是否完整。
一种常见的筛选方法是蓝白斑筛选。某些载体编码β-半乳糖苷酶的α片段,该片段能够与宿主中相应的缺陷酶发生互补。将片段插入载体的相关区域可能破坏这种互补作用,并在存在适当显色底物时改变菌落颜色。这种方法能够提高候选克隆中含插入片段克隆的比例,但颜色并非确凿证据:较短的插入片段、阅读框的影响,以及无关的变异,都可能造成误导性结果。
结构筛查直接检查DNA本身。限制性酶切分析将实际观察到的片段大小与根据构建体图谱预测的大小进行比较,通常使用凝胶电泳分离酶切产物。菌落PCR或以纯化质粒DNA为模板的扩增,可以检测插入片段是否存在,并估算其大小。通过不同位置引物的组合,可以判断插入方向或检查特定连接位点。这些方法能够高效排除明显不符合要求的克隆,但可能漏检碱基替换、内部微小变化,或不改变受检片段大小的重排。
测序提供了分辨率更高的检验手段。桑格测序仍适用于单个插入片段和连接位点,而高通量测序及长读长测序方法则可用于分析完整质粒、大型构建体,或同时分析大量克隆。验证范围应与所要支持的生物学结论相匹配:确认两个连接位点正确,并不能证明较长的内部编码区没有错误。对整个载体进行测序,还能发现启动子、复制元件或选择标记中的变化,而仅检查插入片段会遗漏这些变化。
序列验证与功能验证仍是两个不同的环节。即使编码序列组装正确,也可能只产生少量蛋白质、形成不溶性产物,或产生不具备预期生化活性的分子。反过来,观察到的细胞效应也可能源于非预期突变或载体本身的特异性影响,而非预先设计的插入片段。设置能够区分这些可能性的对照,是解读克隆构建体实验结果的一部分。公共质粒资源库通过分发共享试剂,使来源与沿革记录变得尤为重要:一份有用的记录应注明完整序列、载体骨架、宿主要求、相关改造,以及支持该构建体所声称功能的证据。
克隆文库与生物多样性的表征
DNA文库是一组克隆的集合,这些克隆共同代表一个更大的序列集合。在基因组文库中,每个克隆都含有一段基因组DNA片段;整个文库旨在对某个基因组进行取样或实现覆盖。相比之下,cDNA文库代表的是由RNA衍生而来的序列,因此取决于样本中存在哪些转录本,以及采用了何种方法捕获它们。两者的根本区别在于:基因组文库保留基因组的物理组织结构,而cDNA文库则对已表达的信息进行取样。
文库大小与其包含某一特定序列的概率有关。在一个理想化模型中,假设各克隆相互独立,且基因组片段被均匀取样,那么 个克隆中至少有一个含有目标序列的概率为
其中, 为单个插入片段所占的基因组比例。要达到给定概率,所需的克隆数相应为
对于大小为 个碱基对的基因组,若插入片段大小为 个碱基对,则 。因此,在理想条件下,要使文库包含某一特定位点的概率达到99%,大约需要92,100个克隆。这一计算并不能保证基因组被完整覆盖,也未考虑片段化偏倚、插入片段大小的差异,或某些序列难以稳定维持等因素。
大插入片段文库在物理图谱构建以及人类基因组计划采用的逐克隆测序策略中发挥了核心作用。相互重叠的细菌人工染色体克隆为基因组片段的排序提供了框架,使其能够在完整序列组装之前确定排列顺序。这类文库保留了较长的连锁DNA片段,有助于区分相关序列,并将分子标记与特定染色体区域联系起来。
另一些文库的设计着眼于序列变异,而不是对天然基因组的覆盖。突变体文库包含一组相关序列,它们在选定位置或随机分布的位置上存在差异。表达文库通过表达所编码的产物来进行功能筛选。在宏基因组学中,环境DNA文库无需培养每一种来源生物,就能捕获微生物群落中的序列。随后可通过功能筛选鉴定这些片段所编码的生物学活性,不过,能否成功取决于所选宿主能否表达相关基因,并对其产物进行必要的加工。
任何文库都是其来源材料经过筛选后的表征。在未经均一化处理的cDNA文库中,高丰度转录本占据主导;不稳定或抑制生长的序列可能在扩增过程中丢失;某些基因组或DNA结构则比其他类型更容易被获取。因此,筛选结果为阴性并不一定意味着相应序列或功能在生物学上不存在。在混合文库的应用中,DNA递送、生长和取样过程还会带来额外的瓶颈,因此,最初设计的多样性可能高于最终细胞群体中实际保留的多样性。
研究、生物技术及其与基因组工程的关系
分子克隆使研究人员能够通过实验将DNA序列从其原有环境中分离出来。可以将调控区与报告基因连接,以检验其对转录的影响;也可以改变编码序列,以考察特定氨基酸残基对蛋白质功能的贡献。这类实验将分子层面的变化与可测量的结果联系起来。对结果的解释取决于所用系统:报告基因构建体或异位表达条件下的活性,可能与该序列在染色体原生位置上的活性不同。
重组蛋白生产是分子克隆的一项主要应用。克隆得到的编码序列使人们能够在细菌、酵母、昆虫或哺乳动物细胞中生产特定的蛋白质。重组人胰岛素于1982年在美国获批,成为医药生物技术发展早期的一个里程碑。其他产品包括工业酶、科研试剂,以及促红细胞生成素等治疗性蛋白质。克隆序列只是生产过程中的一个组成部分:宿主的生理状态、蛋白质加工、蛋白质折叠和糖基化都可能决定最终产物是否具有预期性质。
克隆也是结构研究和生物化学研究不可或缺的一环。表达构建体可以编码蛋白质结构域、纯化标签或经工程改造的变体,以帮助分离用于X射线晶体学、冷冻电子显微术或活性测定的目标分子。标签可以简化回收和检测过程,但也可能改变蛋白质的定位、溶解性或相互作用。因此,只要序列或所处的分子环境发生了改变,就必须将实验研究中的分子与天然蛋白质区分开来。
在基因组编辑中,克隆通常用于提供递送构建体、供体模板及靶向组分文库。成簇规律间隔短回文重复序列(CRISPR)系统大大降低了序列定向编辑的门槛,但编辑与克隆并非同义。基因组编辑改变的是细胞基因组特定位置上的DNA;分子克隆则是分离并扩增特定的DNA构建体。一些编辑流程使用克隆得到的质粒,而另一些则直接递送RNA或蛋白质,无须经过质粒这一中间环节。
合成生物学将这些用途进一步拓展到相互协调的遗传系统的组装,包括代谢通路、调控回路和大片段DNA。标准化元件和模块化组装方法使不同设计方案更易于比较,而自动化则有助于构建大量变体。然而,序列组装仅仅是构建阶段。细胞资源的利用、与内源调控网络的相互作用,以及进化过程中的不稳定性,都可能使精心设计的DNA系统表现出与预期模型不同的行为。分子克隆使这些设计得以构建和测试,但并不意味着生物学背景可以忽略不计。
技术局限、生物安全与治理
分子克隆的主要技术局限源于DNA序列、载体结构与宿主生物学特性之间的相互作用。较长的串联重复序列可能缩短或扩增,重复片段可能发生重组,极端的碱基组成则可能增加扩增或序列验证的难度。大片段插入序列比小片段更难组装和维持。如果某些序列的表达会损害宿主生长,携带这些序列的克隆在最终获得的菌落中可能占比较低,从而造成组装本身失败的假象。
拷贝数和遗传背景进一步限制了对实验结果的解读。多拷贝质粒上携带的基因,其调控方式未必与位于染色体单一位点时相同。载体上邻近的启动子或终止信号可能改变转录,而表达负担则可能改变细胞的生长和代谢。整合可以避免质粒维持过程中的一些问题,却也会带来其他问题,包括插入位点效应和拷贝数变异。因此,构建体的行为取决于特定的宿主—载体组合,而不能仅凭其DNA序列来判断。
可重复性不仅取决于分子层面的准确性,也取决于记录是否完备。早期的质粒图谱可能未记录骨架的变化,而一些广为人知的载体名称,有时实际上指代各实验室特有的衍生版本。完整的序列记录、明确的坐标约定、宿主基因型,以及对预测特征和经实验确认特征的区分,都有助于减少歧义。共享资源库和机器可读的设计文件便于实验室之间进行比较,但它们的实用价值仍取决于所存入材料及其随附元数据的准确性。
对重组DNA的担忧伴随着这一领域的兴起。1975年的阿西洛马会议召集研究人员,共同讨论潜在危害和防护隔离原则。1976年,美国国立卫生研究院发布了涉及重组DNA分子的研究指南;此后,这一框架随着科学的发展不断演变。监管通常将对生物材料的评估与物理隔离措施、宿主—载体特性及机构审查相结合,而非将所有重组分子都视为具有同等危险性。
风险取决于整个实验系统的特性,包括插入序列的来源和功能、宿主的特征,以及暴露或环境释放可能造成的后果。分子克隆还涉及知识产权、生物材料的获取以及工程化生物的治理。这些问题不同于构建体能否成功组装这一技术问题。同样的核心方法既可支持基础研究,也可用于生产制造或其他应用,而相关法律和生物安全要求则取决于具体材料、活动及司法管辖区。