蛋白芯片实际上是个老古董了，但那会儿没人知道它有多“土”。在 20 世纪 80 年代，我们连蛋白质合成机器都差点没造出来，那时候哪位还关心啥蛋白芯片？毕竟那时候连细胞啥玩意儿都不清楚。

不过，蛋白质这东西大家天天用，吃个鸡蛋清、喝杯牛奶，身体里到底藏着啥，我们自然想知道。但那时候，实验室里的显微镜根本看不清单个蛋白质，只能看一堆糊成一团的大团块。 那时候，科学家最头疼的就是样本不够用。

你想看一种特定的蛋白，一般要造好几百个细胞，培养好了还得裂解成碎片，最终还要经过各种复杂的回收步骤，取出来的量可能还不如一个蛋清里的一半。并且，那时候的蛋白质检测手段忒原始了，只能靠一堆乱七八糟的沉淀和复杂的化学反应，根本没法准判断到底是哪种蛋白多了要么少了。更费事的是，这玩意儿还得靠肉眼要么笨重的仪器去观察，效率低到离谱，一次检测可能需求几天。 到了 1990 年代初，情况才启动一点点好转。

那时候的芯片还比较简陋，像是一块块透明的玻璃要么塑料板，上面印着密密麻麻的孔。你往孔里滴一滴样品，盖个盖子，过几个小时看看颜色有没有变化，就能知道这槽位里有啥。

那时候的芯片主要是用来做好办的显色反应，比如看蛋白质是不是有了反应，要么有没有形成化学反应。它的功能有点像目前的 T 恤印花，别看不能看清楚细节，但能证明“有”或“没有”，还能大约分出个高低。 这时候的蛋白芯片最大的毛病是分辨率忒低。你要是想看看两个蛋白到底拼在一起没，那是绝对做不出的。出于那时候的芯片设计是固定的，槽位之间固定距离，只能容忍误差。你打算粗看一个蛋白，那没难题，你想精细分析两个蛋白的相互功能，直接就把你排除在外了。并且，那时候检测到的数据往往只是好办的“有”或“无”，少了定量信息，更别提啥具体的浓度、富集比例要么异构体分布这些数据了。 直到 90 年代末，也就是 97 年左右，一个叫公司的人突然心血来潮，拍板“搞搞这个”。他说他们买了一块庞大的芯片，几千个孔，就连都不知道具体有多少个。他们想的是，既然如此多孔，那就全扫一遍，把每个孔的蛋白都测一遍。

那时候的扫描技术实际上挺原始，用的是激光和光电倍增管，扫描完一个孔大约要几秒，扫描几千个孔，工夫得十几个小时。但公司想的是，工夫不是难题，只要数据全，信息全就行。 这就挺有意思了。

那时候的芯片，孔之间是固定距离的，槽位是预先定死的。

这意味着，你只能看到那些“标准位置”上的蛋白。

要是你感兴趣的蛋白，它的天然位置不在那些标准的槽位上，你就得想办法把它移到那些位置上去才能测。

如何移？人工贴上去啊。你拿显微镜看着一个孔，用镊子把想要的蛋白从培养皿里拿出来，再移到芯片孔位上，还得小心别弄坏了。 这里面有个庞大的代价。

这张纸，要么说这张庞大的芯片，每一排蛋白的位置是固定的，只要你想测这个位置，就得把它移过来。

要是它不在标准位置，你就得花工夫找、弄、贴、测。

要是位置有点偏差，你还得重新贴。试了好几次都不对，最终发现那个蛋白根本就不能做这个实验。 为了搞清楚这事儿，他们团队做了一个详细的统计。他们发现，要是随机地选一堆蛋白，大局部是“天然”位置在槽位上的，也就是不用动；但那些非天然的、想测的蛋白，位置错得越来越多。有的就连错到一半，得贴一半；有的彻底贴错，根本测不到。

这就好比你在一片固定地图上找树，树都在那。你要是想测那些非天然的树，得先给它们“搬家”。 这背后有个数学上的解释。假设我们要测 $N$ 个蛋白，其中 $K$ 个是天然位置，$N-K$ 个是非天然位置。

要是 $N$ 挺大，$K$ 也较大，比如几十上百个，非天然位置的占比会挺低。

可是，当你把 $N$ 降到几百，要么更少的时候，非天然位置的占比就会显著上升。你会发现，你花的工夫，花在寻找、移动、验证那些“非天然”位置上的蛋白上，比例会越来越高。

这就是为啥他们认定“得先找样本”的逻辑——要测所有非天然蛋白，得花庞大的工夫成本，大量时候，花一半的工夫去找，可能最终只有 20% 的蛋白能测出来。 为了验证这个结论，他们确实做了一个实验。他们拿了一大堆蛋白，一局部天然，一局部非天然，按随机分布投到芯片上。

然后依次测量前几个槽位的蛋白。结局贼惊人：前几个槽位测出来的东西，绝大多数都是天然位置上的蛋白，就连是同一种蛋白的不同拷贝。而越往后测，非天然位置上的蛋白占比就越猛。到最终测了十几个槽位后，非天然位置的占比简直超过了天然位置。 他们发现，要是非要测那些非天然的蛋白，得从后面启动测。出于前面测的那些天然位置，别看也算数据，但可能干扰了后面的分析，要么没被关切到。真正的难点在于，那些非天然位置的蛋白往往不表达，要么表达量极低，根本见不到。

故此，他们得想办法先找到这些“非天然”的线索，再倒着测。 这个过程忒痛苦了。你得在成千上万个孔里，找到那 5% 到 10% 的“非天然”孔。

这就像是在一百个瓶子里找那个空瓶子，每看一个就扔一个，得看几十上百次。一旦找到，还得重新做实验验证，不然数据就废了。并且，出于位置是固定的，你不可能一次测全，你得一步步来，前一个没搞定，后一个就废了。 这就是蛋白芯片的残酷现实：它是个强大的工具，但工具本身并不是万能钥匙。它的价值在于把原本需求几十上百个样本来搞定的实验，压缩成了几百个孔，大大下降了成本。但它也有个庞大的缺陷：它的分辨率不够，只能看到“点”，看不到“线”，更看不到“面”。

要是你想看两个蛋白是不是拼在一起，要么想搞清楚它们的相互功能网络，光靠这个芯片是绝对做不到的。 你看目前的生物芯片，已经进化成了啥模态呢？目前有表面等离子体共振（SPR）、流式细胞仪、质谱联用技术，还有基因芯片。

这些技术能把数据做得更精细，能看清蛋白的细微动态和相互功能。但归根结底，蛋白芯片最初的价值是啥？是能大幅下降实验成本，把样本利用率提升几十上百倍。它的优势在于“量”，不在于“质”。 故此，回到最启动的那个难题，蛋白芯片检测的是啥？它检测的是蛋白的“存有”，是蛋白的“量”，是蛋白在特定位置上的“定位”。它不是用来做精细互作分析的，而是用来做初步筛选、质量管住、要么寻找那些稀有、低丰度蛋白的。 目前想想，当年的那只公司，要是最终只测到了 20% 的蛋白，那他们到底是赚了还是亏了？大量人认定亏惨了，出于本来能够测全的。但反过来想，要是非要测全，代价未免忒大了。

有时候，能做的，就是做的，能测的，就是测的。

有时候，找到那个 20% 的非天然蛋白，本身就是一个庞大的发现。 这就是蛋白芯片的历史。它从一块块简陋的玻璃板，一步步演变成了复杂的分析平台，但在挺长一段工夫里，它一直锚定在“低成本、高通量”这个原点上来。它没有试图去挑战分辨率的极限，而是包容了它的局限性。它告诉你，能测多少，就是多少；能发现多少，就是多少。 后来，随着技术的进步，单蛋白分辨率提升了，互作分析也变得更精细，蛋白芯片似乎一度被边缘化。但看看目前的新一代芯片，比如微流控芯片、空间转录组技术，实际上又在尝试找回它最初的热忱——试图在微观世界里，把每一个蛋白的位置、每一个互作的细节都弄清楚。 不过，甭管技术如何升级，蛋白芯片那个“先找非天然，再测天然”的底层逻辑，似乎还挺难彻底抛弃。

毕竟，在海量数据面前，找到那微乎其微的异常点，往往才是科研突破的真正启动。

故此，蛋白芯片依然检测着那些沉睡在芯片深处、等待被唤醒的“非平凡”信息。