第2章 · 基因递送系统（载体技术）

第2章 · 基因递送系统（载体技术）

本章定位

第二章回答基因治疗链条中"怎么送"的问题。治疗基因无论是一段表达盒、一条 mRNA 还是一段向导 RNA，都必须先进入靶细胞才能发挥作用，而跨越细胞膜、内体、核膜这一连串屏障的任务，由递送系统承担。本章按递送介质分为三条技术路线：病毒载体（2.1）、非病毒载体（2.2）、以及二者之上的靶向性工程（2.3）。

这三节的逻辑关系是递进式的：2.1 讨论"用什么生物机器送"，2.2 讨论"用什么材料送"，2.3 则回答"如何让它们只送到该去的地方"。三节共同构成第二章的完整交付物——一张按靶组织、载量需求、免疫风险与生产可行性综合排序的载体选型表。

章节速览

载体选择的三维坐标

评估任何递送系统，都可以放到三维坐标中定位：转导效率（单位剂量下靶细胞表达阳性率）、表达持久性（治疗基因表达的时间跨度）、安全性剖面（免疫原性、插入突变风险、预存抗体干扰）。没有一种载体能在三个维度同时达到最优，因此载体选型本质上是"按适应症需求做加权取舍"。

以 AAV 为例：它在非分裂细胞中可维持数年至十年级的附加体表达，安全性记录良好，但包装容量不足 4.7 kb、且人群预存中和抗体阳性率高达 30–70%，因此不适合需要重复给药的慢性病。慢病毒能整合进分裂细胞基因组，是 CAR-T 等体外工程的不二选择，但整合本身带来插入突变风险，必须用自失活设计约束。腺病毒免疫原性强、表达短暂，反而成为疫苗与溶瘤治疗的最优解。

这张决策树是 2.1 节末尾决策树的概览版，细化的疾病案例推演请回到 2.1 节阅读。

已获批产品中的载体分布

回顾截至 2024 年的获批基因治疗产品，可以清楚看到各载体平台的现实分工：

这张表揭示三个规律：第一，病毒载体主导了当前临床转化，非病毒载体主要在 RNA 疗法（如 mRNA 疫苗）中大规模兑现；第二，AAV 集中分布在非分裂组织的基因替代，慢病毒集中在需要基因组整合的体外细胞工程；第三，2022 年之后获批产品的速度明显加快，与 1.2 节"工具先行、临床滞后"的传导节奏吻合。

载体性能的量化速查

# 三大病毒载体的关键参数速查表（教学用近似值）
vectors = {
    "AAV":     {"capacity_kb": 4.7, "integrate": False, "dividing_cells": "弱", "immunogenicity": "低"},
    "Lentivirus": {"capacity_kb": 9.0, "integrate": True, "dividing_cells": "强", "immunogenicity": "低"},
    "Adenovirus": {"capacity_kb": 8.0, "integrate": False, "dividing_cells": "强", "immunogenicity": "高"},
}

def pick_vector(capacity_kb, target_divides, need_integration):
    # 先按整合需求过滤
    candidates = [k for k, v in vectors.items()
                  if v["integrate"] == need_integration]
    # 再按容量过滤
    candidates = [k for k in candidates if vectors[k]["capacity_kb"] >= capacity_kb]
    if not candidates:
        return "非病毒载体或分段递送"
    # 分裂靶点优先选慢病毒，非分裂靶点优先选 AAV
    if target_divides and "Lentivirus" in candidates:
        return "Lentivirus"
    if not target_divides and "AAV" in candidates:
        return "AAV"
    return candidates[0]

print("肝细胞、容量 3kb、非分裂 →", pick_vector(3.0, False, False))
print("T 细胞、容量 5kb、需整合 →", pick_vector(5.0, True, True))
print("肌肉、容量 12kb →", pick_vector(12.0, False, False))
​

这个脚本把本节的三维坐标压缩为四条 if 规则。读者应能自行解释每一条规则的生物学依据，例如为什么 12 kb 的肌肉基因必须转向非病毒方案。

靶向与生产的协同约束

选型时容易被忽略的是靶向性与生产可放大性的矛盾。衣壳定向进化出来的新变体，往往需要重新验证稳定细胞系的产量与空壳率；LNP 配方每调整一个 PEG 比例，就可能改变粒径分布与包封率，进而影响冻干工艺。因此第二章的结论在进入第五章之前，都必须经过一次"可制造性"复查：实验室里靶向效率提升 3 倍的衣壳，如果放大了空壳率从 20% 升到 60%，其临床价值就要重新评估。

# 载体选型自查脚本
echo "是否明确靶组织？是否已知靶细胞分裂状态？"
echo "包装容量是否留有 10% 以上余量？"
echo "是否存在预存免疫（AAV 需查 NAb 滴度）？"
echo "是否评估过重复给药需求？"
echo "是否核算过放大后的空壳率与滴度成本？"
​

把这份自查清单走一遍，再回到 2.1 的决策树，通常就能得到与高级从业者一致的选择。

载体工程的未来方向

载体技术远未定型，正在推进的三个方向值得关注。其一是"重复给药"：AAV 单次给药的框架正在被可重复给药的平台挑战，包括更换衣壳血清型轮换给药、PEG 化屏蔽抗体识别、以及诱导免疫耐受的预处理方案。其二是"肝外靶向"：通过衣壳定向进化与表面修饰，把载体从肝脏"吸尘器"效应中解放出来，指向肌肉、心肌、中枢神经与脂肪组织。其三是"智能载体"：设计仅在炎症微环境或特定代谢物浓度下激活的启动子与衣壳，让递送与表达按需发生。

这三个方向都依赖第二章的技术积累，也都在为第四章、第五章提供新的产品定义。跟踪载体工程的前沿，有助于预判未来三到五年的管线格局。

学习目标

1. 说清本章在 对比驱动 叙事中的位置
2. 列出两项 SOURCE 可验证事实
3. 完成章内至少一节的对照表或算例

子章节

• 见本章各节文件名