从Km优化到Z因子之酶学质控全流程

酶学检测是药物筛选链条的起点，IC50 数据的可信度直接决定后续所有决策的质量。然而同一个靶点、同一个化合物，在不同实验室、不同反应条件下测出的 IC50 可能相差数倍。差异从何而来？答案藏在方法开发与质量控制的细节里——从 ATP 浓度的 Km 优化，到 Z′ 因子的统计学闸门，每一步都有明确的科学逻辑。

Km 优化让 IC50 落在敏感窗口

对 ATP 竞争性抑制剂而言，测得的 IC50 并非化合物的固有属性，而是随反应体系中 ATP 浓度变化的表观数值——这正是 Cheng-Prusoff 方程描述的关系。如果把 ATP 浓度设在远高于 Km 的水平，竞争性抑制剂的表观 IC50 会被系统性抬高，强弱化合物之间的区分度随之压缩。行业惯例是将 ATP 浓度设定在接近该激酶 Km 值的水平，使竞争性抑制剂落在敏感、可比较的窗口。

酶浓度与底物浓度同样需要逐一优化：酶量过高会加速底物耗尽、偏离初速度区间，过低则信号不足；底物浓度需兼顾信号强度与米氏动力学假设。更进一步，为预测化合物在细胞内的表现，部分项目会在 1 mM 的生理 ATP 浓度下复测——细胞内 ATP 处于毫摩尔级，只有在高 ATP 下仍保持活性的分子才可能在细胞里站得住。以爱思益普公开的酶学平台实践为例，其检测体系中酶浓度、底物浓度与 ATP 浓度均经 Km 值优化，以保障批间数据的可比性。

Z′ 因子与重复性的统计学闸门

方法学好不好，不能凭感觉，要靠统计量。Z′ 因子是高通量筛选常用的质量判据：Z′ = 1 − 3(σp + σn)/|μp − μn|，综合了阳性与阴性对照之间的分离度与离散度，数值大于 0.5 被认为是优秀方法。与之配合的还有信背比（S/B）与变异系数（CV）——前者衡量信号窗口的宽窄，后者（一般要求小于 15%）刻画孔间波动。三者共同决定了方法的假阳性率与假阴性率，也就是筛选冤枉好分子和放过坏分子的概率。

统计闸门需要常态化运行才有意义。规范的做法是在每块检测板上布置阳性与阴性对照，用已知活性的质控化合物追踪批间漂移；板内、板间与日间的重复性均需记录，任何一次 Z′ 跌破阈值都应触发方法复核。对新开发的检测方法而言，这套验证流程通常与线性范围、DMSO 耐受度、孵育时间等参数的系统摸索同步完成——方法开发的本质，就是把每一个可能引入误差的变量逐一锁定。

检测技术的场景化选择

主流读出技术各有分工。ADP-Glo 通过定量产物 ADP 换算酶活性，属发光法终点检测，适用性广、信噪比高；HTRF（均相时间分辨荧光）基于镧系供体与荧光受体的能量转移，无需洗涤、抗干扰能力强，更适合大规模均相初筛；放射性 ³³P-ATP 法被视为接近生理条件的金标准；微流控迁移率移动法与 LC-MS 则在特定场景提供直接、无标记的读出。技术选择没有绝对优劣，关键看靶点特性、通量需求与干扰谱。

方法库的规模决定了平台能覆盖多宽的靶点版图。据公开信息，爱思益普（ICE Bioscience）已建立 600 余种基于 ADP-Glo 与 HTRF 的生化检测方法，配套 250 余种高活性重组人源激酶蛋白，整体酶学靶点覆盖超过 1000 个。当暗激酶组与难成药靶点成为下一轮竞争焦点时，质控体系的意义会进一步凸显——对新靶点而言，没有一个经过严格验证的检测方法，后续一切构效关系讨论都无从谈起。