加州大学圣塔芭芭拉分校（UCSB）的工程与分子生物学研究生团队开发了一款软件，旨在加速阿尔茨海默病及其他疾病的治疗药物发现过程。该平台允许用户设计、筛选和测试新抗体，从而减少识别有前景的候选药物并将其推进至临床试验所需的时间和成本。
如今，他们通过初创公司ProFoldBio（普罗折叠生物）推出该软件——这是从UCSB新风险投资项目中涌现的近70家初创公司之一——使工业界和学术界的研究人员能够使用该软件，同时他们自己也利用它来寻找阿尔茨海默病的潜在治疗方法。
该软件有助于克服在研究阿尔茨海默病等淀粉样蛋白相关疾病时出现的多个问题。测试作用于淀粉样蛋白的潜在疗法通常需要从人体组织中提取这些蛋白。但组织难以获取，且往往提供的淀粉样蛋白不足，“这使得测试潜在药物变得非常困难，”ProFoldBio首席科学官、化学工程专业新近毕业的博士萨姆·洛博（Sam Lobo）表示。
即使在设计出针对特定蛋白的抗体后，其他障碍依然存在。例如，“粘性”抗体会相互结合或附着于周围表面，这使其难以制造和运输——进而阻碍治疗到达患者手中。
ProFoldBio平台通过提供一种不受样本大小限制的淀粉样蛋白及其他蛋白建模方法，同时预测哪些抗体设计在实践中效果最佳，从而解决上述问题。“该软件能标记出可能结合良好但存在后续问题的抗体，”洛博表示，“我们及早发现这些问题，以降低药物发现的风险和成本。”
“治疗淀粉样蛋白疾病堪称现代医学最具挑战性的问题之一，数十年的研究和制药努力仅产出寥寥无几的有效疗法，”化学工程教授、洛博的导师M·斯科特·谢尔（M. Scott Shell）表示，“真正令人兴奋的是，现代计算建模工具、机器学习进展和系统工程策略如今使我们能够以预测性方式研究这些系统，推动分子级表征与发现。”
ProFoldBio团队希望其软件能扩大此类发现方法的可及性。“这类计算工作流程和基础设施通常仅对大型生物技术公司开放，”分子生物学博士生、公司首席执行官埃里卡·基恩·里维拉（Erica Keane Rivera）表示。该软件可惠及小型公司和独立研究人员，因为团队已将生成式人工智能工具整合到公开平台中，使擅长实验而非编程的研究人员能快速启动设计。“使用我们平台的门槛相当低，”基恩·里维拉说。
新风险投资项目催生初创公司
ProFoldBio团队于2023年通过UCSB为期八个月的新风险投资项目组建，该项目在教职员工和行业导师指导下，汇集各学科的本科生和研究生团队开发并完善商业构想。项目以年度新风险投资竞赛（NVC）收官，决赛选手可角逐最高4万美元的现金、创业资助及支持。
受对淀粉样蛋白疾病的共同兴趣启发，洛博、基恩·里维拉、化学工程博士生德文·卡兰（Devon Callan）以及加州大学伯克利分校化学工程校友文图拉·里维拉（Ventura Rivera）合力开发了该软件平台。
基恩·里维拉和洛博曾与UCSB神经科学研究哈里曼教授、神经科学研究副所长、神经退行性疾病领域专家肯尼斯·科西克（Kenneth Kosik）合作。
阿尔茨海默病与多种蛋白相关，包括形成纤维的tau蛋白。这些纤维在神经元内聚集成团和缠结，可导致认知能力下降。学生们还与谢尔、化学教授琼-埃玛·谢伊（Joan-Emma Shea）以及曾任UCSB教授的西北大学化学教授宋一·汉（Song-I Han）合作，测试如何利用新型生成式人工智能模型设计针对神经退行性疾病的疗法。
团队共同构建的平台能生成蛋白质结构文件的3D渲染图，指定目标区域，配置设计策略，再运用生成式人工智能帮助研究人员开发并筛选有前景的抗体，以便在实验室中生产和验证。除技术工作外，研究生们还访谈了生物技术行业领袖，深入了解其平台可能填补的药物发现缺口。
该团队已获得多方认可。公司最初名为DeNovo Therapeutics，在2024年NVC中获得第二名及7500美元奖金。此后，公司受邀加入加州大学伯克利分校SkyDeck的Pad-13孵化器项目。2025年，其疏水相互作用色谱模型在Ginkgo Bioworks抗体开发竞赛中斩获第三名，该模型能评估药物的疏水性——这一指标可判断药物是否适合制造并有效抵达靶点。
聚焦阿尔茨海默病
在推出软件支持他人发现的同时，ProFoldBio团队继续利用该平台及其他工具开发阿尔茨海默病的潜在疗法。迄今，他们已设计出数千种可靶向tau淀粉样蛋白纤维（该疾病的标志性缠结蛋白）的多肽。
为实现高通量测试而不依赖稀少脆弱的患者样本，团队创建了疾病相关淀粉样蛋白结构的合成复制品，作为筛选潜在疗法的标准实验靶标。基恩·里维拉解释道，即使患者组织样本可用，“提取过程本身会因移除样本所需的生化修饰而严重改变目标蛋白结构。”相比之下，这些合成淀粉样蛋白复制品能可靠匹配疾病中蛋白的原子级折叠。这些复制品随后成为团队实验筛选流程的基础，包括基恩·里维拉正在构建的用于测试潜在疗法的酵母展示文库。
科西克对该公司结合实践实验与生成式人工智能设计的方法表示看好。“多年来一直指导埃里卡和萨姆的研究生训练，如今看到他们开始将学术成果转化为致力于解决阿尔茨海默病的发现引擎，令人欣慰，”他表示，“我对他们的成功非常乐观。”
尽管团队聚焦淀粉样蛋白疾病的靶点开发，其软件还可用于设计抗体及其他蛋白，应用范围极广——从治疗毒蛇咬伤到开发癌症新疗法。团队目标是让更多研究人员能便捷使用该流程。“蛋白质设计可以很有趣，流程本身应当是优美的，”洛博说。
他和同事们希望这将导向更诱人的成果：更好的健康。
【全文结束】
