QuantGUV：巨型单层囊泡中小分子包封效率的定量分析

合成细胞由小分子自组装构建而成，其设计目标是通过包封功能分子来模拟类生命行为。为了使这类合成细胞能够准确复制细胞反应，必须确保被包封分子的浓度与生命系统中的浓度相匹配，因为反应动力学以及细胞网络状态对这些浓度高度敏感。然而，当前用于在单细胞分辨率下精确定量合成细胞包封效率的方法仍然有限。为解决这一挑战，研究人员提出了QuantGUV，这是一种由软件驱动、基于图像分析的方法，用于测定巨型单层囊泡（GUVs）内所包封荧光分子的浓度。研究人员利用QuantGUV测量了经水包油乳液转移法形成的GUVs中3种荧光分子的包封效率，分别为sulforhodamine B、mEGFP以及聚苯乙烯微球。结果表明，在大多数条件下，聚苯乙烯微球的包封效率接近100%；而sulforhodamine B和mEGFP的包封效率则取决于GUV形成过程中的参数，例如脂质浓度以及形成过程中的油水比例。QuantGUV通过提供关于包封效率的关键认识，为构建内部环境可精确调控的定量化合成细胞系统提供了有价值的工具。

该论文发表于《ACS Applied Materials 》，聚焦于合成细胞与巨型单层囊泡（GUVs）包封定量这一关键技术问题。研究背景在于，细胞的核心特征之一是区室化，即由膜结构将内部反应体系与外界环境进行物理和功能上的分隔。GUVs因尺寸与天然细胞相近，已成为研究区室化、重建信息处理、膜动态、分子转运及无细胞反应体系的重要模型。然而，要使GUV真正成为可预测、可工程化的合成细胞底盘，仅仅实现分子“进入囊泡”是不够的，更关键的是要知道究竟有多少分子被保留在囊泡腔内，以及不同囊泡之间是否存在显著异质性。因为包封浓度直接决定反应速率、平衡状态乃至多步生化过程的整体产率，所以如果无法在单囊泡尺度上准确测量包封效率，就难以对合成细胞内部反应进行定量设计与数学建模。

现有方法虽然能够在总体上评估包封情况，但存在明显局限。一类方法依赖单分子检测、显微裂解或微流控平台，虽可获得较高灵敏度，却需要专用设备，技术门槛高；另一类方法如高效液相色谱（HPLC）或分光测定只能给出群体平均值，无法解析GUV群体固有的尺寸差异和内容物异质性。更重要的是，GUV形成过程中可能发生泄漏、随机包封不足或囊泡破裂，导致最终腔内浓度偏离初始设定浓度。因此，建立一种低门槛、高通量、适用于单囊泡定量的标准化分析方法，成为合成细胞研究从“经验组装”走向“可预测工程设计”的前提。

基于上述问题，研究人员开发了QuantGUV。该方法本质上是一个基于共聚焦图像的定量软件流程，核心任务是在单个GUV层面，将腔内荧光强度换算为实际浓度，并进一步计算包封效率。研究人员首先构建标准曲线：测量体相溶液总荧光信号，并利用置于荧光溶液中的空白GUV估算失焦背景信号，从而得到理论上的囊泡内部有效荧光强度。随后，再将真实包封样本的囊泡腔内荧光强度代入该标准曲线，反推出腔内浓度，并与初始内水相（IAS）加入浓度比较，计算单囊泡包封效率百分比。该方法应用于3种不同尺度探针：sulforhodamine B（SRB，约1 nm）、单体增强型绿色荧光蛋白mEGFP（约4 nm）及FluoSpheres（FS，约20 nm），并系统评估脂油相浓度（LiO）、IAS比例、聚乙二醇（PEG）拥挤效应和温度对包封效率的影响。

研究采用的关键技术方法主要包括：以水包油乳液转移法制备GUVs；使用BioTek Cytation C10共聚焦成像系统采集囊泡及体相荧光图像；以Python编写QuantGUV图形用户界面（GUI）软件，结合阈值分割、blob检测、圆度与凸度筛选、背景扣除和标准曲线插值实现自动化定量；通过单因素方差分析（one-way ANOVA）、双因素方差分析（two-way ANOVA）及Welch’s t检验进行统计学比较。全研究共分析12,432个囊泡，数据来自3–5次独立生物学重复，未涉及样本队列研究。

在研究结果部分，论文首先在“2.1. QuantGUV Standard Curve Generation”中说明了标准曲线建立的理论与实验基础。由于典型10 μm GUV在1 μM浓度下内部可容纳约30万分子，难以采用单分子计数；而共聚焦荧光信号又受激光功率、物镜数值孔径和荧光量子产率等因素影响，不能直接等同于浓度。因此，研究人员提出I_Inside = I_Total − I_Outside的校正思想，通过空白GUV测量外部失焦背景，以获得与真实囊泡内部对应的有效信号。对各探针进行多点浓度系列回归后，SRB与mEGFP的决定系数R²均大于0.97，FluoSpheres的R²大于0.95，证明该标准曲线具有良好的线性定量能力。

在“2.2. QuantGUV Quantification of GUVs”中，研究人员进一步描述了软件流程如何提升测量稳健性。为减少膜对荧光量子产率的影响，QuantGUV只提取囊泡几何中心10 × 10像素区域的信号；同时通过图像预处理、背景掩膜、离焦囊泡剔除及积分时间归一化，使不同图像之间的数据可以映射到统一标准曲线。例如，在初始乳液中加入6 μM mEGFP时，某一代表性囊泡的腔内浓度经插值估算为5.05 μM，对应包封效率84.2%，说明该方法能够直接在单囊泡水平输出定量结果。

在“2.3. Quantifying Encapsulation of Biomimetic Size Probes in GUVs”中，研究人员比较了不同分子尺寸在不同LiO浓度下的包封行为。结果显示，最大颗粒FluoSpheres在所有条件下总体包封效率最高，范围为103.2%至119.9%，且虽随LiO升高略有下降，但多数情况下接近或超过100%。mEGFP则与脂质浓度呈明显正相关，包封效率由0.5 mg/mL LiO下的43.7%上升至5 mg/mL下的88.4%。相反，最小分子SRB呈负相关趋势，在0.5 mg/mL LiO时平均包封效率为74.2%，至5 mg/mL降至38%。这一结果表明，油相脂质密度对包封效率的影响具有显著分子尺寸依赖性。

在“2.4. Effect of IAS Ratio and Lipid Concentration on Encapsulation Efficiency”中，研究人员进一步考察IAS比例与LiO浓度的交互作用。总体上，LiO浓度仍是决定包封效率的主要变量，而IAS比例的影响较温和且具有分子特异性。SRB对两者都高度敏感：在低脂质浓度0.5 mg/mL条件下，提高IAS比例可显著提升效率，在10% IAS时达到124.5%。mEGFP则在所有IAS比例下都保持随LiO升高而效率提高的趋势，且IAS比例对整体模式影响不大。FluoSpheres在不同IAS与LiO组合下均维持较高且相对稳定的包封效率，提示大尺寸组分的包封较少受初始水/脂体积比变化影响。

在“2.5. Effect of Temperature and Molecular Crowding on Encapsulation”中，研究人员评估了分子拥挤和形成温度的影响。对于mEGFP，在2 mg/mL LiO和2.5% IAS条件下加入PEG 8000后，包封效率随PEG浓度增加而显著升高，由无PEG时的58.73%提高到5% PEG时的107.27%。这表明大分子拥挤环境能够促进蛋白在GUV中的保留。另一方面，将GUV形成温度从20 °C降至4 °C时，SRB平均包封效率由52.6%下降至40.8%，尽管差异具有统计学意义，但研究人员认为在需要维持生化体系活性的场景下，这种效率下降可能是可接受的权衡。

讨论部分围绕机制解释、方法优势与局限展开。首先，研究指出分子尺寸是影响包封效率的最关键因素之一，较大分子更不易通过形成过程中的瞬时膜缺陷泄漏，因此更容易获得较高保留率。其次，SRB和FluoSpheres表现出随LiO升高而中心腔内信号下降，研究人员将其与膜亲和性相关联：这两类分子在膜边界形成“halo”样富集，增加脂质量可能扩大膜作为“汇”（sink）的容量，导致更多分子从腔心水相分配至膜界面；而高度亲水的mEGFP不表现出这种膜分配，因此随脂质升高反而可维持更高腔内浓度。对于IAS比例，研究人员主要在SRB中观察到低脂条件下增大IAS可提高包封效率，但对其他分子结果不一致，因此未将其简单归因于尺寸效应。对于PEG，讨论认为其可能通过增加内相黏度与排除体积效应，减缓分子经瞬时膜孔逃逸，从而提升mEGFP包封。低温则可能因降低膜流动性和增加油相黏度而延缓膜缺陷修复，导致泄漏增加。

论文还讨论了超过100%的“超标称”包封效率。作者指出，这种现象在三类分子中均有出现，可能与保留溶质同时发生水分流失引起的浓缩效应有关，尽管本文并未直接验证该机制。方法学上，QuantGUV通过空白GUV背景校正、圆度过滤、中心ROI测量以及在线性动态范围内定量等设计，尽量规避膜散射、离焦、淬灭与光漂白等误差来源。该方法适合做条件间相对比较和单囊泡异质性分析，但绝对包封效率仍可能受到乳液转移法本身诸如油相组成、残留溶剂和操作差异等因素影响。

研究结论部分可译为：本研究提出了QuantGUV，这是一种可及性高、高通量的软件流程，可在单囊泡分辨率下定量GUV中荧光分子的包封效率。通过应用该工具，研究结果表明，包封并非由单一参数决定，而是受多种物理和化学因素复杂共同作用，其中分子尺寸和脂质浓度尤为关键。此外，形成过程中的环境条件，如温度以及大分子拥挤剂的存在，也会显著影响最终囊泡腔内浓度。QuantGUV弥补了现有定量技术在通量和分辨率方面的不足，提供了一种标准化、低门槛且不依赖特定脂质组成的工具。这一能力有助于研究人员从试错式组装转向对内部环境可准确预测的合成细胞系统化工程构建。未来研究将把QuantGUV扩展至更广泛的膜组成体系，包括带电脂质和胆固醇，并进一步探索多种功能组分的共包封，同时可结合微流控分析或流式细胞术等正交方法增强验证力度。

总体而言，该研究的重要意义在于，不仅提出了一种操作上更易推广的单囊泡包封定量框架，而且借此揭示了GUV包封效率对分子尺度、脂质条件及形成环境的高度敏感性，为合成细胞的定量化构建、实验结果解释及后续数学建模提供了可靠基础。