天津
編輯 | 白菜葉
蛋白質被自然選擇折疊成明確定義的天然狀態，這一概念已在能量圖譜框架內得到有效闡述，這為AlphaFold等結構預測工具獲得成功奠定了基礎。然而，淀粉樣蛋白折疊并不代表給定單個序列的唯一最小值。
雖然所有淀粉樣蛋白都具有交叉 β 氫鍵模式，但淀粉樣蛋白纖維結構的其他方面不僅對聚集肽的序列敏感，而且對實驗條件也敏感。淀粉樣蛋白結構的這種多態性給結構預測帶來了挑戰。
在最新的研究中，昌平實驗室和萊斯大學（Rice University）的研究人員使用人工智能來探索由以平行、對齊的方式排列的單堆肽組成的淀粉樣蛋白原絲結構景觀。
相關研究以「Generating the polymorph landscapes of amyloid fibrils using AI: RibbonFold」為題，于 2025 年 4 月 15 日發布在《PNAS》。
論文鏈接：https://www.pnas.org/doi/10.1073/pnas.2501321122
該團隊提出了一種預測任意序列原絲結構的實用方法：RibbonFold。RibbonFold 是基于 AlphaFold2 開發的，它在 AlphaFold2 的模板模塊中加入了并行寄存器約束，并結合了適當的多態性損失函數來解決折疊的結構多樣性問題。
在獨立測試集上，RibbonFold 的表現優于 AlphaFold2 與 AlphaFold3，平均 TM 得分為 0.5。實驗表明，RibbonFold 非常適合研究已廣泛研究且已記錄多態性的序列的多態性景觀。生成的景觀能夠有效地捕捉這些觀察到的多態性。
研究人員發現，雖然已知的淀粉樣蛋白形成序列在其「溶解度」圖譜中表現出有限數量的合理多態性，但具有相同組成的隨機重組序列似乎在其相對溶解度方面受到了負面選擇。
總之，RibbonFold 是一個非常有價值的框架，可用于從結構上表征淀粉樣蛋白多態性圖譜。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
