分子机器怎样排除错误，又付出多少时间和能量？

多检查一步，整个过程就一定更慢吗？

复制一条分子链时，机器不是只做一次选择。它要不断接入原料、形成连接、移动到下一位置，还可能停下、退回、切掉一部分再重做。

因此，“检查花了时间”和“整个任务变慢了”是两句话。如果接错一个位置，会让后面的工作停很久，那么花一点时间拆掉错误，可能反而更快到达终点。

2026年Ravasio等人的研究把这个问题与校对的演化联系起来：在一些包含错配后停顿的模型中，仅仅让复制更快，就能使校对机制受到选择，同时降低错误率。作者也将预测与既有聚合酶数据比较。1

这是一条值得理解的形成路线，但需要分开三件事：分子怎样排错、排错是否节省总时间，以及自然演化是否实际走过这条路线。 前两件可以通过结构、动力学和模型逐段检查，第三件不能只靠当前机器工作得好就倒推出历史。

分子并不先知道答案，再决定纠错

聚合酶没有一个在反应之外观看答案的检查员。正确和错误的原料，都可能碰到机器、短暂结合，甚至形成连接。它们的差别体现在物理过程里：停留多久、构象能否闭合、是否容易进入下一反应、已经接上的末端是否适合继续延伸。

想象两个原料都到达一个岔口。一个方向是继续反应，另一个方向是离开。如果错误原料更容易离开，它进入产物的机会就更小。再增加一个可以拒绝或回退的阶段，有机会继续放大这种差别。

这不是把“检查次数”机械地乘起来。第一次结合与后续反应之间，要有合适的速率配合，还需要维持化学驱动，避免反向路径把排除掉的错误重新补回来。正确原料也可能被拒绝；检查太慢或太频繁，会让它同样陷入循环。2

所谓动力学校对，重点就在这种不同原料经历同一反应网络，却有不同的通过、退出和重来概率。结合能差只是可能的识别来源之一，整个网络怎样使用差别同样重要。

2012年的研究已经指出：可以存在一种工作范围，让正确底物比较顺利地完成，错误底物更多地回退；没有必要让两者都反复兜圈。2017年的研究进一步允许每一步的正确、错误速率分别不同，发现速度与准确率的冲突只出现在部分参数范围。23

所以，2026年工作的价值，不在于首次发现两者有时可以一起改善，而在于把错配后的停顿、全程速度与校对形成的选择压力联系得更直接。

已经接错以后，机器怎样把末端送去修剪

人类主要参与前导链合成的Pol ε，同时具有聚合和外切校对功能。两个活性位置并不重合，相距接近4纳米；已经接错的链末端需要从一个位置转移到另一个位置。4

2024年的冷冻电镜研究在含错配末端的复合物中分出了四类构象。把它们与结构关系和功能证据放在一起，可以理解这样一条候选过程：

1. 错配位于刚刚接入的位置，机器不容易保持适于下一次合成的闭合状态。
2. 链末端从聚合位置撤开，进入不适于继续延伸的状态。
3. 新合成链的末端与模板局部解开，露出可被修剪的一端。
4. 进一步回退和位置调整，把末端送入外切酶活性位置。

这说明，“停下来”可以与“准备修剪”在同一套运动中相联系。错配改变了后续道路的可达性，校对通路有机会在继续延伸之前接管。

但这四类冷冻结构不是对同一台机器拍出的连续电影。它们支持转移路径的结构解释，并不直接给出每一步等待多久、多少机器按这一顺序经过，或剪切后怎样返回合成的完整时间分布。原文使用的复合物和捕获条件，也需要与正常工作的复制装置区分。

此外，不是所有聚合酶都有这套修剪能力。下面的人类Pol α实例，本身缺少内在校对，却同样会在接错后受到延伸障碍；它适合用来检查“错误怎样拖慢后续反应”，不能把Pol ε的修剪过程直接移植给它。

“慢了多少倍”，必须先说清测的是哪一步

2022年对人类Pol α的研究，同时检查了末端错配的结构、底物结合与下一步延伸。对于一种T-C错配，原文表中给出的饱和催化速率约为每秒0.492，相同口径的匹配末端约为每秒18.7；两者相差约38倍。5

但若比较低浓度下的催化效率，差别接近249倍。原因是错配不只改变催化本身，还改变对接下来所需原料的有效亲和性。原料是否充足，会改变哪一环更限制总体速度。

原文用饱和曲线描述观测速率：

这里的$[S]$是下一步所需底物浓度，$K_D$是该拟合口径中的表观常数。它不能与聚合酶和整段DNA之间的结合常数混成同一个量。

用公开表的显示值，在原文参照浓度下，本库得到T-C错配约210倍的延伸速率差；正文采用舍入后的两个速率相除，写成206倍。两种口径均保留，不能宣称本库精确重现了未公开的未舍入拟合。

这个例子还揭示一个不那么直观的事实：错误结合得更牢，也可能更难继续工作。 在没有下一步底物的一组条件下，Pol α对错配DNA的结合反而更强；加入相应底物后，匹配与错配复合物的稳定性又发生不同变化。5

因此，“黏得牢”“催化快”“容易被修剪”和“最终准确”并不是同一条刻度。要理解一台分子机器，必须知道每个读数属于哪个状态和哪条通路。

全程时间怎样算：错误的代价也要进入账本

一个简化的时间预算可以写成：

第一项表示处理$L$个位置所需的时间，包括检查与重做；第二项表示仍被保留的错误所造成的额外停顿。在这种简化里，停顿发生在校对完成之后，不再反过来影响是否修剪。

若一种变化降低了最终错误率，它是否节省时间，取决于增加的处理时间，能不能被减少的停顿抵消。只报“检查每次多用了几毫秒”，还不能回答整条链是否复制得更快。1

这里还有一个更重要的条件：真实机器可能在停顿期间回退、修剪。此时，最终产物中的错误很少，不代表机器途中很少接错。很多错误曾经造成停顿，随后又被清除了。

因此，至少要区分最初接错的概率和最后留下错误的概率。测序或终点突变率主要约束后者，不能独自还原中途花了多少时间。2026年接受稿和可取得的较早预印本，都讨论了允许停顿后修剪的扩展；两版的完整推导与表述并不完全相同，本篇不把早期附录直接冒充最终发表版附录。11a

一个完整走完的例子：允许修剪，也允许误删正确结果

下面用本库自选的四状态模型，把一次尝试到一次完成算到底。它保留四件事：接入原料、等待前进、转去修剪、修剪后重新尝试。

每次接入有5%的概率出错。这是便于看清差异的示意值，不是人类复制错误率。正确末端的前进速率设为1；慢停顿情形下，错误末端的前进速率设为0.001。错误可以以速率$h$进入修剪，正确末端也会以$0.01h$被误送去修剪。接入和修剪都需要时间。

在错误末端，前进与修剪同时竞争。因此，修剪先发生的概率是：

两条通路竞争时，等待时间由速率之和决定。不能把最终走修剪路的对象，全都当成先单独等待$1/h$，再把另一条路另算一遍。

若一次尝试完成的概率为$p$，一次尝试平均花费$d$，失败后回到相同起点，那么：

这把重复接错、修剪后重新接入、以及误删正确结果都纳入了同一个过程。本库还独立建立吸收马尔可夫模型，核对完成时间、分支概率、修剪次数与有限时间内完成的比例。

增加适量修剪，确实多消耗了物料，却省下大量停顿时间。继续加强修剪，错误还可以更少，但正确末端也越来越容易被拆掉，完成时间重新增加。

作为对照，如果错误末端与正确末端一样容易继续前进，不修剪时平均时间为2；同样增加修剪，就不能从“避免长停顿”中收回时间开销。

这也说明，决定收益的不只是检查有多认真，而是错误落在哪个环节、能否被移走、修剪本身是否缓慢，以及正确结果会不会被一起拆掉。

省时间，仍然可能多耗化学资源

上述模型每次重新接入都消耗一个活化单体。若平均每完成一步要丢弃$C$个已经接入的单体，消耗数就是$1+C$。这只是清楚定义过的物料账，不是直接量到的发热量。

真实校对的化学代价，要沿实际反应来算。DNA聚合、外切修剪和重新合成，与翻译中的GTP水解不是同一种账目；不能统一写成“每检查一下都消耗一个ATP”。2017年的模型用净修剪通量相对于产物通量来定义额外循环成本，并保留逆向速率，使每圈的化学驱动力有限。3

若要从循环次数进一步算化学自由能消耗，还需要各反应的化学势差和净通量；若要算热量或熵产生，还需要说明系统边界、产品中储存的自由能和稳态条件。耗能速率、每个完成产物的耗能，也不能混用。

2026年的“只选择速度”模型，在允许非平衡驱动发展的参数范围内，可以出现更高准确率与更大耗散。作者还考察了给耗散加代价的情形：代价足够大时，速度优势未必支持那样的校对水平。1

所以，这条路线不承诺免费获得准确性。它说明的是：花费额外资源所换来的好处，除了少出错，也可能包括少等很久。

那213种聚合酶，实验究竟支持了什么？

2026年论文复用了2018年研究中的聚合酶变体数据。本库取得2018年出版表和后续作者整理表，逐项核对相关单元格，保留317条配对测量；它们对应213种变体，不能把317当成317种独立机器。66a

图中的纵轴是质粒拷贝数的倒数。拷贝数高，可以反映整体复制活性较高，但它还涉及连续合成能力、细胞状态和系统稳态；倒数并没有自动变成以秒计的整条链复制时间。

这组数据可以作为“较高活性与较低错误率在一些变体中可以并存”的支持。它还不能唯一确定这种关系就是由减少停顿造成。2026年作者也明确区分了同向变化与停顿机制的直接确认。1

核对原始测量方法时，还需要注意共同分母。2018年研究先估计表型回复突变率，再除以测得的质粒拷贝数等因子，换算为每碱基替换率。6

把其余换算后的分子记为$N$，拷贝数记为$C$，就有$\mu=N/C$。如果把$\mu$与$1/C$画在一起，两轴都包含$C$。这不是说按拷贝数归一化做错了；正确的暴露量校正本来就需要这样做。问题在于，随后解释两个派生指标之间的相关性时，不能忽略这种联系。

此外，这些变体来自不同筛选阶段，部分重复测量跨越不同时间；它们不是从所有可能的聚合酶中随机抽出的样本。图上没有出现某类点，不能独自证明所有允许的分子变化都无法达到那个区域。

更强的机制检验，需要把活性、错配后的等待、进入修剪的概率和最终错误放在兼容的测量条件下比较；还应检查表达量、持续结合能力、底物可用性等变化是否解释同一组结果。仅把终点相关性画得更漂亮，并不会补上这些环节。

从当前机制，到形成历史，还差哪一步

本篇较稳的物理理解是：正确与错误底物会进入不同的动力学竞争，错配能妨碍后续反应，校对可以移走这类障碍；付出的时间、资源和最后获得的准确率，需要按全过程计算。

模型支持的进一步判断是：当避免停顿的收益足够大、误删和重做的开销适当，校对可以同时提高准确率和完成速度。若速度影响复制者的增殖，这就提供了一种选择校对的可能原因。

尚不能由此确定的是，具体自然体系最初就是为了速度形成校对，准确性后来才获得功能。2026年作者也把“只选择速度”作为揭示机制的理论设置，并不要求把它当成自然演化唯一的真实情境。1

如果停顿本身容易被其他变化解除，修剪耗时很长，资源很紧张，或更快复制带来别的功能损失，结果都可能改变。停顿在多大程度上是结构约束、在多大程度上可以演化，也是原研究明确留下的问题。

这使“分子机器为什么愿意多走回头路”成为一个有条件、可检验的问题：回头路付出的代价，与它绕开的障碍有多大，必须放在同一段过程里比较。

可回查：全部计算结果、原测量配对表、各变体描述性均值、人类Polα动力学参数与比值、自选重做模型、共同分母示例。