Nástroj AI odemkne dlouhodobé chybné záhady za Alzheimerovy a Parkinsonovy nemoci

Nový nástroj pro umělou inteligenci (AI) odhalil, jak proteiny vázané na choroby nesprávné do škodlivých struktur, což je klíčový pokrok v porozumění neurodegenerativním poruchám, jako jsou Alzheimerovy a Parkinsonovy.

Studie vedená Mingchen Chen z Changping Laboratory a Rice University’s Peter Wolynes představuje Ribbonfold, novou výpočetní metodu schopnou předpovídat struktury amyloidů – dlouho, kroucená vlákna, která se hromadí v mozcích pacientů trpících neurologickým poklesem.

Studie je Publikováno v Sborník Národní akademie věd.

Ribbonfold je jedinečně přizpůsoben pro řešení složitých a variabilních struktur nesprávně složených proteinů spíše než funkčních proteinů.

„Ukázali jsme, jak lze skládací kódy AI omezit začleněním fyzického porozumění energetické krajině Amyloidní fibrily Aby předvídaly jejich struktury, “řekl Wolynes, profesor vědy Bullard-Welch nadace a spoluzakladatel Centra pro teoretickou biologickou fyziku.„ Ribbold překonává další predikční nástroje založené na AI, jako je Alphafold, které byly vyškoleny pouze tak, aby správně předvídaly složené globulární proteinové struktury. “

Zatmění zlatý standard

Ribbonfold staví na nedávných pokrokech v predikci struktury proteinů řízených AI. Na rozdíl od nástrojů, jako je Alphafold2 nebo Alphafold3, které jsou vyškoleny na dobře chované, globulární proteiny, Ribbonfold zahrnuje omezení vhodná pro zachycení pásových charakteristik Amyloid Fibrily. Vědci vyškolili model pomocí stávajících strukturálních údajů na amyloidních fibrilech a poté jej ověřili proti jiným známým Fibril Struktury úmyslně vyloučené z tréninku.

Jejich výsledky prokázaly, že Ribbonbold překonává existující nástroje AI v této specializované doméně a odhaluje dříve přehlížené nuance v tom, jak se amyloidy tvoří a vyvíjejí se v těle. Důležité je, že to naznačuje, že fibrily mohou začít v jedné strukturální podobě, ale mohou se v průběhu času přesunout do nerozpustného konfigurace, což přispívá k tomu Progrese onemocnění.

„Nesprávné proteiny mohou přijímat mnoho různých struktur,“ řekl Wolynes. „Naše metoda ukazuje, že stabilní polymorfy pravděpodobně vyhrají v průběhu času tím, že budou více nerozpustné než jiné formy, což vysvětluje pozdní nástup symptomů. Tato myšlenka by mohla přetvořit, jak vědci přistupují k léčbě neurodegenerativní choroby.“

Nová hranice ve vývoji léčiv i mimo něj

Úspěch Ribbonfolda při předpovídání amyloidních polymorfů může znamenat zlom v tom, jak vědci mohou přistupovat k neurodegenerativním onemocněním.

RibbonFold nabízí škálovatelnou a přesnou metodu pro analýzu struktury škodlivých proteinových agregátů a otevírá nové možnosti pro Vývoj léčiv. Farmaceutičtí vědci mohou nyní cílit na návrh léčiva vazbou na nejvíce fibrilových struktur souvisejících s onemocněním s větší přesností.

„Tato práce nejen vysvětluje dlouhodobý problém, ale také nás vybavuje nástroji pro systematické studium a zasažení do jednoho z nejničivějších procesů života,“ řekl Chen, spolupráci autor studie.

Kromě medicíny nabízejí tato zjištění nahlédnutí do proteinového samostavení, které by mohly ovlivnit syntetické biomateriály. Studie navíc vyřeší kritické tajemství v Strukturální biologie: Proč se identické proteiny mohou skládat do více forem způsobujících onemocnění.

„Schopnost efektivně předpovídat amyloidní polymorfy může vést budoucí průlomy při prevenci škodlivé agregace proteinů, což je klíčový krok k řešení některých z nejnaléhavějších neurodegenerativních výzev na světě,“ řekl Wolynes.

Mezi další autory této studie patří autorské autoři Liangyue Guo a Qilin Yu spolu s Di Wang a Xiaoyu Wu z Changping Laboratory.