蛋白質的熱展開：原理、方法與應用 – 什麼是熱展開？
熱展開是指蛋白質原生三維結構因溫度上升而喪失。隨著熱能增加，穩定摺疊狀態的非共價交互作用——氫鍵、疏水堆積、凡得瓦力接觸——會逐步被破壞，蛋白質便由有序、緊密的構象轉變為無序或部分結構化的狀態。
這一轉變通常以熔解溫度（Tm）來表徵：也就是摺疊與未摺疊族群等比例存在時的溫度。Tm 並不是蛋白質在孤立狀態下固定不變的物理常數——它取決於溶液條件、緩衝液組成，以及配體或賦形劑的存在——而這正是它有用之處。比較不同條件或變體下的 Tm，可提供一個定量且可重現的相對熱穩定性指標。這種對環境的依賴不只存在於試管中：Leuenberger 及其同事的全細胞熱分析研究，在完整細胞內同步追蹤數千種蛋白質的展開，顯示熱穩定性與蛋白質大小、四級結構、聚集傾向等結構與生物學特徵相關，而不僅僅由胺基酸序列決定。¹ 換言之，熱穩定性反映的是蛋白質更廣泛的結構背景，而不只是其孤立摺疊狀態——這也強化了為何體外的 Tm 變化能作為底層結構敏感性的如此有資訊量且可推廣的讀出。
較高的 Tm 通常代表分子具有更高的熱穩定性，而 Tm 位移則是快速判斷突變、緩衝液、賦形劑或配方條件如何影響蛋白質穩定性的最直接方法之一。
在生物製藥開發中，這一點尤其重要，因為熱穩定性與蛋白質在真實世界壓力下的表現密切相關：製造、運輸或儲存期間的高溫；反覆凍融；或貨架期中簡單的溫度暴露時間。較低或發生位移的 Tm 是一個早期指標，提示該分子可能更容易受到這些壓力影響。
展開在機制上也與後續風險密切相關。當蛋白質失去原生結構時，原本埋藏的疏水殘基會暴露於溶劑中。這些暴露表面是蛋白質—蛋白質結合的主要驅動力，使部分或完全展開的物種更容易聚集。聚集進一步與生物活性喪失、藥代動力學改變，以及——在生物製劑中——免疫原性風險相關。因此，熱展開本身很少是唯一關注點；它是結構不穩定性的替代指標，而這種不穩定性會先於這些下游失效模式出現，這也是為何 Llowarch 等人將熱位移描述為早期藥物發現中最敏感且最廣泛使用的蛋白質穩定性讀出之一。²
如何測量熱展開？
差示掃描量熱法（DSC）與差示掃描螢光法（DSF）是測量熱展開最常用的兩種技術，它們探測的是本質上不同的物理性質。
DSC 直接測量熱量。由於展開是一個吸熱過程，它會表現為熱容峰值，並可由此在不依賴報導分子或假設的光譜模型下，擷取 Tm、展開焓（ΔH）以及熱容變化（ΔCp）。因此，DSC 是一種與模型無關、熱力學上直接的量測方法——也是其他方法通常用來驗證的參考技術。
DSF 則屬於光學且間接的方法：它追蹤的是隨結構喪失而改變的螢光訊號。傳統 DSF 使用外源染料，該染料會在展開時與暴露的疏水表面結合。內源 DSF 作為一種完全無標記技術，則在加熱蛋白質時追蹤色胺酸與酪胺酸殘基的內源螢光。當這些殘基在展開過程中變得更暴露於溶劑時，其放射光譜會發生位移，而將該位移對溫度作圖即可得到起始溫度與 Tm。
兩者並不可互換。NIST 的直接比較發現，DSC 與 DSF 的 Tm 值通常一致，但並非總是如此。結果取決於掃描速率，而方法選擇也會顯著改變所得到的轉變溫度——這提醒我們，「如何測量」與「測量什麼」同樣重要，³ 因為展開常常是受到動力學控制，而非純粹熱力學控制。³
這也是為什麼這些技術是互補而非可替代的：DSC 提供熱力學深度，DSF 提供高通量。用 DSF 做廣泛的早期篩選，再用 DSC 驗證並表徵所得候選物，可彌補各自的主要限制——這也反映了藥物發現中的當前做法，其中位移分析作為主要篩選，而量熱法則提供正交驗證。² DSC 與 DSF 只報告構象變化，並不說明蛋白質開始展開之後會發生什麼。動態光散射（DLS）正可補上這一缺口：DLS 透過分析散射光的波動來測量溶液中粒子的大小，因此對樣品受熱時出現更高階物種——二聚體、寡聚體與更大聚集體——極為敏感。與 DSF 或 DSC 一同進行熱升溫實驗時，SLS 可揭示聚集起始溫度（Tagg），並結合 DLS 偵測到的流體動力學半徑變化，顯示蛋白質展開事件後是否發生自我聚集。
DLS 與 SLS：補完全貌
靜態光散射（SLS）則再增加一層熱力學資訊。SLS 可根據散射強度對濃度的依賴性，直接求得第二維里係數 B22——這是蛋白質—蛋白質淨交互作用的量度。相較之下，傳統上僅由 DLS 推導出的擴散交互作用參數 kD 則較不嚴謹：kD 具有經驗性，並會將真正的熱力學交互作用與水動力及摩擦效應混雜在一起，有時甚至會扭曲或反轉表觀交互作用的正負號。B22 不受這些水動力偽影影響，因此更能直接且可靠地預測膠體穩定性、溶解度與聚集傾向。
將構象分析（DSF 或 DSC）、尺寸分析（DLS）與熱力學交互作用分析（SLS）結合起來，便能把一次熱掃描轉化為完整圖像——不只是知道蛋白質何時展開，還能知道它是否、以多強的程度、以及在何種條件下進一步發生自我結合。
為什麼要結合 DSF 與高通量 DLS/SLS？
展開與聚集彼此相關，但並非同一事件，而且不一定同步發生。分子可以在構象上非常穩定，卻因膠體不穩定而在中等溫度下聚集；反之，分子也可能在相對較低的 Tm 下展開，卻不會立即形成可見聚集體。只測其中一項，可能完全錯過另一種失效模式。
這正是藥物發現文獻中對熱位移方法所提出的論點：由於這些分析建立在溫度與蛋白質摺疊／未摺疊平衡之間的簡單物理關聯上，因此若搭配正交偵測方法來確認這個位移平衡究竟對樣品造成了什麼影響，才最具資訊量。⁴ 在同一個板上、以同一條熱掃描同時進行 DSF 與 DLS/SLS，意味著每一個 Tm 值都可以用相同樣品與加熱曲線所得到的 Tagg 值交叉檢驗——不需要第二次實驗、不需要另取分樣，也不會冒著因不同分析之間樣品製備差異而導致結果偏差的風險。
這樣的效率優勢與科學價值同樣強大。與其分別進行一套 DSC、另一套 DSF 篩選，再加上一項 DLS/SLS 穩定性研究，不如採用整合式 DSF/DLS/SLS 工作流程，一次取得構象與膠體資料。對於配方篩選與穩定性評估——需要比較數十種緩衝液、pH 與賦形劑組合時——這種整合既能節省樣品又節省時間，同時不犧牲資料集的深度與品質。
高通量分析的優勢
高通量不只是單純地更快；它改變了你能提出何種問題。以微孔板為基礎的高通量 DSF/DLS/SLS 工作流程，讓你能在相同條件下、同一次運行中並排比較數十種配方、緩衝液或候選分子。
這種廣度在開發早期尤其重要，因為此時的目標不是完整表徵某一個分子，而是比較許多分子並進行排序。在這個階段產生穩健且可比較的資料集——而不是只對少數條件得到深度但狹窄的資料——能讓配方與候選物選擇團隊有更強的決策依據。更快速的篩選意味著決策更早做出，也減少把資源浪費在從一開始就不太可能成功的候選物或條件上。其最終效果正是每個生物製劑開發計畫都在追求的：更短的開發時程，以及把材料與儀器時間花在最有價值的地方。
在生物製劑中的應用
配方開發。 將賦形劑、緩衝液、pH 與離子強度對 Tm 和 Tagg 的影響並行篩選，可讓配方設計者快速找出能同時保護分子免於展開與聚集的條件，而不只是其中之一。
候選物篩選。 當有多個候選變體或突變體可供比較時，熱穩定性分析是最快的排序方式之一，可標示出哪些候選物最不可能在後續製造性或穩定性上造成麻煩。
穩定性研究。 穩定性研究會結合展開與聚集行為，建立分子在熱壓力下的風險輪廓。追蹤候選配方或儲存條件下的 Tonset、Tm、Tagg 與 B22，不僅能顯示蛋白質何處開始失去結構，還能看出這種結構喪失是否會轉化為自我結合——這樣的組合可在聚集風險在開發後期浮現之前先行標示出來。
更少工作量，更多洞察。 在這三種應用中，將高通量內源 DSF 與高通量 DLS/SLS 配對的吸引力都相同：以更少的樣品、在更短時間內產生更豐富且相關性更高的資料，相較於分別執行等效技術更具效率。
結論
熱展開是探討蛋白質穩定性最富資訊量的方法之一——但前提是你要看到全貌。將內源 DSF 與高通量 DLS 結合，可在同一個樣品、同一條熱掃描上，並列捕捉構象變化與聚集行為。實務上的好處很直接：降低樣品消耗、加快配方或候選物的篩選速度，並提升用來支持配方或分子選擇決策的穩定性資料之信心。
參考文獻
- Leuenberger P, Ganscha S, Kahraman A, et al. Cell-wide analysis of protein thermal unfolding reveals determinants of thermostability. Science. 2017;355(6327):eaai7825. https://www.science.org/doi/10.1126/science.aai7825
- Llowarch P, Usselmann L, Ivanov D, Holdgate GA. Thermal unfolding methods in drug discovery. Biophysics Reviews. 2023;4(2):021305. https://pmc.ncbi.nlm.nih.gov/articles/PMC10903397/
- Lang BE, Cole KD. Measurement of the Thermal Unfolding of Proteins by Differential Scanning Calorimetry and Fluorescent Reporter Dyes. National Institute of Standards and Technology. https://www.nist.gov/publications/measurement-thermal-unfolding-proteins-differential-scanning-calorimetry-and
- Thompson A. Employing thermal protein unfolding to search for new drugs. Scilight. 2023;2023(20):201108. https://pubs.aip.org/aip/sci/article/2023/20/201108/2890803/Employing-thermal-protein-unfolding-to-search-for
延伸閱讀
{{ product.product_name }}
{{ product.product_strapline }}
{{ product.product_lede }}
