כלי חדשני של אינטליגנציה מלאכותית (AI) חשף כיצד חלבונים הקשורים למחלות לא מתקפים למבנים מזיקים, התקדמות מרכזית בהבנת הפרעות עצביות כמו אלצהיימר ופרקינסון.
המחקר, בהובלת מינגצ'ן חן ממעבדת צ'אנגינג ואוניברסיטת רייס, פיטר וולינס, מציג את RiebboNfold, שיטה חישובית חדשה המסוגלת לחזות את מבני העמילואידים – סיבים ארוכים ומעוותים המצטברים במוחם של חולים הסובלים מיריון נוירולוגי. המחקר פורסם ב המשך האקדמיה הלאומית למדע 15 באפריל.
Riebbonfold מותאם באופן ייחודי כדי לטפל במבנים המורכבים והמשתנים של חלבונים מקופלים באופן שגוי ולא חלבונים פונקציונליים.
הראינו כיצד ניתן להגביל קודי מתקפל AI על ידי שילוב הבנה פיזית של נוף האנרגיה של סיבי עמילואידים כדי לחזות את המבנים שלהם. Riebbonfold עולה על ביצועים טובים יותר מכלי חיזוי מבוססי AI כמו Alphafold, שהוכשרו רק כדי לחזות מבני חלבון כדוריים מקופלים נכון. "
Wolynes, פרופסור למדע ומנהל משותף של ד"ר בולארד-וולץ 'ומנהל משותף של המרכז לפיזיקה ביולוגית תיאורטית
ליקוי תקן הזהב
Riebbonfold בונה על ההתקדמות האחרונה בחיזוי מבנה חלבון מונע AI. בניגוד לכלים כמו Alphafold2 או Alphafold3, המאומנים על חלבונים כדוריים מתנהגים היטב, Gilbbonfold כולל אילוצים המתאימים לתפיסת המאפיינים הדמויי הסרט של סיבי עמילואידים. החוקרים אימנו את המודל באמצעות נתונים מבניים קיימים על סיבי עמילואידים אז אישרו אותו כנגד מבני פיבריל ידועים אחרים שהוחרגו במכוון מההדרכה.
תוצאותיהם הדגימו כי Riebbonfold עולה על ביצועי כלים AI קיימים בתחום המתמחה הזה ומגלה כי ניואנסים שהתעלמו בעבר מאיך שנוצרים עמילואידים ומתפתחים בגוף. חשוב לציין כי זה מציע כי סיבים עשויים להתחיל בצורה מבנית אחת אך עשויים לעבור לתצורות בלתי מסיסות יותר לאורך זמן, ולתרום להתקדמות המחלה.
"חלבונים שלא היו מקופלים יכולים לקחת מבנים רבים ושונים", אמר וולינס. "השיטה שלנו מראה כי פולימורפים יציבים ככל הנראה ינצחו לאורך זמן בכך שהם לא מסיסים יותר מצורות אחרות, מה שמסביר את הופעת הסימפטומים המאוחרת. רעיון זה יכול לעצב מחדש את האופן בו החוקרים ניגשים לטיפול במחלות עצביות."
גבול חדש בפיתוח תרופות ומעבר
ההצלחה של RibboNfold בחיזוי פולימורפים עמילואידים עשויה לסמן נקודת מפנה באופן שבו מדענים יכולים לגשת למחלות ניווניות.
Giamfold, המציע שיטה מדרגית ומדויקת לניתוח מבנה אגרגטים חלבונים מזיקים, פותח אפשרויות חדשות לפיתוח תרופות. חוקרים תרופתיים יכולים כעת למקד לתכנון תרופות על ידי כריכה למבני הפיבריל הרלוונטיים ביותר למחלות ברמת דיוק רבה יותר.
"עבודה זו לא רק מסבירה בעיה ארוכת שנים, אלא גם מציידת אותנו בכלים ללמוד באופן שיטתי ולהתערב באחד התהליכים ההרסניים ביותר בחיים", אמר חן, מחבר המחקר המתאם יחד.
מעבר לרפואה, ממצאים אלה מציעים תובנות לגבי הרכבה עצמית של חלבון, מה שעלול להשפיע על ביו-חומרים סינתטיים. בנוסף, המחקר פותר תעלומה קריטית בביולוגיה מבנית: מדוע חלבונים זהים יכולים להתקפל לצורות רבות הגורמות למחלות.
"היכולת לחזות פולימורפים עמילואידים ביעילות עשויה להנחות פריצות דרך עתידיות במניעת צבירת חלבון מזיקה, צעד מכריע לקראת התמודדות עם כמה מהאתגרים הנוירו -ניווניים הדוחקים בעולם", אמר וולינס.
מחברים אחרים של מחקר זה כוללים מחברים משותפים ליאנגייו גואו וקילין יו יחד עם די וואנג ו- Xiaoyu Wu ממעבדת צ'אנגינג. למחקר היה תמיכה של הקרן הלאומית למדע, קרן וולש ומעבדת צ'אנגינג.
