聚合酶改造大体经历「少数理性位点修改 → 体外定向进化 + 表型筛选 → 与测序/自动化/计算联动」的演进。下面按时间顺序归纳主流范式及其适用边界（具体通量数字随实验室条件变化，不逐项锁定）。
1. 早期：理性设计与定点突变
- 基于结构生物学与保守残基分析，在活性中心周边做定点突变或小组合文库。
- 优点：突变空间小、解释性强；缺点：对远端变构与多点协同效应覆盖不足。
- 今天仍常用于确定性引入已知有益突变或与随机文库结果重组叠代。
2. 定向进化：随机突变与 DNA 重组
- 易错 PCR（epPCR）、饱和突变：在整个编码区或功能域内引入突变，再用活性/生长筛选回收有益变体。
- DNA shuffling、StEP 等：把多条亲本序列体外重组，加速有利突变组合。
- 代表思想：Frances H. Arnold 的定向进化（2018 年诺贝尔化学奖相关工作），本质是迭代的选择压力 + 遗传多样性。
- 对聚合酶：常配合体内遗传互补（宿主生长）或体外酶活偶联报告（见下文）。
这一阶段奠定了「建库—筛选—测序验证—下一轮」循环，但单轮可筛选克隆数受读数手段限制。
3. 微孔板与微阵列式高通量
- 96/384/1536 孔板结合吸光、荧光、发光读数；可自动化液体处理。
- 适合有明显光学或比色信号的间接活性读数（如偶联裂解/焦磷酸检测等）。
- 瓶颈：手工或半自动成本高；对微弱活性差异的区分力取决于信噪比与平行对照。
4. FACS、展示与区室化
- 细胞表面展示、酵母展示等：把基因型-表型偶联在单细胞上，用流式分选放大筛选通量。
- 乳浊液/微流控液滴：每个液滴作为微型反应器，可显著提高单轮多样性；常用于极大量变异体的粗筛或功能分区。
- 对聚合酶：需设计偶联报告（底物-产物与荧光/生存能力关联），并警惕液滴间串扰与合并。
5. 测序偶联与计数型筛选
- 思路：把活性差异转化为序列丰度差异，用 NGS 计数（目标区域深度足够时）恢复有益突变。
- 典型注意点：PCR 扩增偏倚、模板复杂度、归一化方法与生物学重复；需设置亲本与中性突变对照。
- 与 EMPIRIC、深度突变扫描（DMS）等高通量突变效应测量在方法论上相通；蛋白质层面 DMS 数据也可在 MaveDB、ProteinGym 等渠道检索（见数据汇总篇）。
该阶段使「单轮数万～更多变异位点」成为常规可能，但实验与信息学门槛显著提高。
6. 计算与数据驱动：同源建模、对接与机器学习
- 同源建模 / 分子动力学：用于解释突变机制或缩小候选位点窗。
- 监督学习：用历史上测得的活性、Tm、Km、kcat 等标签训练模型（与 BRENDA、SABIO-RK 等公开动力学数据结合时需对齐条件）。
- 蛋白质语言模型（PLM）：用序列表征做零样本或迁移学习筛选候选突变（见系列第 04 篇）；常与实验室稀疏测量闭环。
当前趋势是「粗筛（计算或超高通量）→ 精测（生化与场景化）」而不是完全取代湿实验。
7. 脉络对照表（便于选型）
| 阶段 | 核心手段 | 主要优势 | 主要限制 |
|---|---|---|---|
| 理性设计 | 结构+保守性 | 可解释、突变少 | 难以覆盖变构与组合效应 |
| 定向进化 + 重组 | epPCR、shuffling | 通用、历史成熟 | 依赖强表型；可能陷入局部最优 |
| 微孔板 HTS | 多孔 + 光学读数 | SOP 成熟 | 绝对通量有限；信号设计关键 |
| 展示/液滴 | FACS、分区反应 | 通量高 | 偶联与操作复杂度高 |
| NGS 偶联 | 丰度计数 | 位点覆盖大 | 扩增与归一化偏差 |
| 计算/PLM | 预测与排序 | 降低实验量 | 域外泛化需验证 |
8. 小结
聚合酶筛选方法的演进，本质是基因型空间放大与表型读数带宽的协同提升。选型时应同时回答：目标指标是保真、速率、耐热还是修饰底物？允许几轮迭代？能否承担 NGS 与信息学成本？回答后再组合上表中的模块最为稳妥。