摘要：这项研究由北京大学昌平实验室科学家陈明晨和莱斯大学彼得·沃林斯领导，引入了一种名为“RibbonFold”的新型计算方法，旨在预测淀粉样蛋白的结构。淀粉样蛋白是一种长而扭曲的蛋白质纤维，在神经退行性疾病患者的大脑中积聚。该研究结果于 4 月 15 日发表在《美

RibbonFold 是一种新的人工智能工具，它揭示了阿尔茨海默氏症等疾病中有害蛋白质结构的形成方式，为治疗提供了更好的目标。

人工智能模型揭示错误折叠蛋白质的结构秘密。

一种新的人工智能(AI) 工具为了解疾病相关蛋白质如何错误折叠成有害结构提供了关键见解，这是理解阿尔茨海默病和帕金森病等神经退行性疾病的重要一步。

这项研究由北京大学昌平实验室科学家陈明晨和莱斯大学彼得·沃林斯领导，引入了一种名为“RibbonFold”的新型计算方法，旨在预测淀粉样蛋白的结构。淀粉样蛋白是一种长而扭曲的蛋白质纤维，在神经退行性疾病患者的大脑中积聚。该研究结果于 4 月 15 日发表在《美国国家科学院院刊》上。

与现有的专注于正常功能的蛋白质的工具不同，RibbonFold 是专门为模拟错误折叠的蛋白质形成的多样且不规则的形状而开发的。

“我们展示了如何通过结合对淀粉样蛋白原纤维能量图的物理理解来预测其结构，从而限制人工智能折叠代码，”DR Bullard-Welch 基金会科学教授兼理论生物物理中心联合主任 Wolynes 说道：“RibbonFold 的表现优于其他基于人工智能的预测工具，例如 AlphaFold，后者仅接受过预测正确折叠球状蛋白质结构的训练。”

RibbonFold 建立在人工智能驱动的蛋白质结构预测的最新进展之上。与 AlphaFold2 或 AlphaFold3 等基于行为良好的球状蛋白质进行训练的工具不同，RibbonFold 包含适合捕捉淀粉样蛋白原纤维带状特征的约束条件。研究人员利用现有的淀粉样蛋白原纤维结构数据训练该模型，然后将其与训练中特意排除的其他已知原纤维结构进行验证。

他们的结果表明，RibbonFold 在这一专业领域的表现优于现有的 AI 工具，并揭示了此前被忽视的淀粉样蛋白在体内形成和演化的细微差别。重要的是，它表明原纤维可能最初以一种结构形式存在，但随着时间的推移，可能会转变为更难溶解的结构，从而导致疾病进展。

这项研究由昌平实验室陈明晨和莱斯大学彼得·沃林斯（Peter Wolynes，如图）领导，引入了一种能够预测淀粉样蛋白结构的新型计算方法——RibbonFold。图片来源：Jeff Fitlow/莱斯大学

“错误折叠的蛋白质可以呈现出许多不同的结构，”沃林斯说：“我们的方法表明，稳定的多晶型物很可能随着时间的推移而胜出，因为它们比其他形式更难溶解，这解释了症状的延迟出现。这一想法可能会重塑研究人员对神经退行性疾病治疗的思路。”

RibbonFold 在预测淀粉样蛋白多态性方面的成功可能标志着科学家研究神经退行性疾病的一个转折点。

RibbonFold 提供了一种可扩展且精确的方法来分析有害蛋白质聚集体的结构，为药物开发开辟了新的可能性。现在，药物研究人员可以通过更精确地结合与疾病最相关的纤维结构来进行药物设计。

“这项研究不仅解释了一个长期存在的问题，还为我们提供了系统研究和干预生命中最具破坏性的过程之一的工具，”该研究的共同通讯作者陈明晨说。

除了医学应用之外，这些发现还为蛋白质自组装提供了新的见解，这可能会影响合成生物材料。此外，这项研究还解答了结构生物学中的一个关键谜团：为什么相同的蛋白质可以折叠成多种致病形式。

沃林斯说：“有效预测淀粉样蛋白多态性的能力可能指导未来在防止有害蛋白质聚集方面取得突破，这是解决世界上一些最紧迫的神经退行性疾病挑战的关键一步。”

本研究的其他作者包括共同第一作者郭良月和余其林，以及昌平实验室王迪和吴晓宇。该研究得到了美国国家科学基金会、韦尔奇基金会和昌平实验室的支持。

参考文献：Liangyue Guo、Qilin Yu、Di Wang、Xiaoyu Wu、Peter G. Wolynes 和 Mingchen Chen 合著的《利用人工智能：RibbonFold 生成淀粉样蛋白原纤维的多态性景观》，2025 年 4 月 15 日， 《美国国家科学院院刊》。DOI：10.1073/pnas.2501321122

来源：康嘉年華一点号