根据2025年4月15日发表在《美国国家科学院院刊》上的研究，由昌平实验室和莱斯大学的Mingchen Chen与Peter Wolynes团队开发的新型人工智能工具RibbonFold，成功揭示了与疾病相关的蛋白质错误折叠成有害结构的过程。该技术突破为理解阿尔茨海默病和帕金森病等神经退行性疾病提供了重要进展。
RibbonFold专门针对错误折叠蛋白的复杂结构进行建模分析，与传统工具不同，其特别优化了对神经退行性疾病患者大脑中沉积的淀粉样蛋白纤维（amyloid fibrils）的预测能力。研究团队通过将蛋白质能量景观的物理规律融入AI算法，使预测精度超越了AlphaFold等现有工具。
"我们证明了通过引入纤维状蛋白质能量景观的物理约束，可以优化AI折叠算法。RibbonFold在预测错误折叠结构方面显著优于仅针对球状蛋白质设计的模型。"
——莱斯大学理论生物物理中心主任Peter Wolynes
超越行业标准
RibbonFold在训练过程中整合了最新的淀粉样蛋白纤维结构数据，并通过保留验证集验证模型可靠性。研究发现该工具不仅能准确预测已知纤维结构，还揭示了淀粉样蛋白在体内发展的新机制：纤维可能以可溶性结构起始，逐渐转化为不可溶形式，这解释了神经退行性疾病的晚期发病特征。
"错误折叠的蛋白质存在多种结构形态。我们的模型显示稳定性更强的多态结构会通过更高的不可溶性占据优势，这一发现可能改变神经退行性疾病治疗的研究方向。" Wolynes补充道。
药物开发新纪元
RibbonFold对淀粉样蛋白多态性的成功预测，标志着神经退行性疾病研究的重大转折。该技术为药物开发提供了可扩展的精确分析工具，使制药公司能够更有针对性地设计可结合特定纤维结构的药物分子。
"这项工作不仅解答了长期悬而未决的问题，更为系统性研究和干预生命体最具破坏性的过程提供了工具。" 研究共同通讯作者Mingchen Chen表示。
该技术突破还延伸至医学领域之外，在合成生物材料研究中展现应用潜力。研究团队成功解释了相似蛋白质为何能折叠成多种致病结构这一结构生物学核心问题。Wolynes总结道："高效预测淀粉样蛋白多态性的能力，将引导预防有害蛋白质聚集的新突破，这是应对全球重大神经退行性挑战的关键一步。"
该研究由昌平实验室、莱斯大学的Liangyue Guo、Qilin Yu、Di Wang和Xiaoyu Wu共同完成，研究经费来自美国国家科学基金会、Welch基金会及昌平实验室。
期刊来源：
Guo, L., et al. (2025) 《利用AI生成淀粉样蛋白纤维多态性景观：RibbonFold方法》. 《美国国家科学院院刊》.
【全文结束】
