Un nouvel outil d'intelligence artificielle (IA) a révélé comment les protéines liées à la maladie se sont mal repliées à des structures nocives, une avancée clé dans la compréhension des troubles neurodégénératifs tels que Alzheimer et Parkinson.
L'étude, dirigée par Mingchen Chen du laboratoire Changping et Peter Wolynes de l'Université de Rice, introduit une nouvelle méthode de calcul capable de prédire les structures des amyloïdes – de longues fibres tordues qui s'accumulent dans le cerveau des patients souffrant de déclin neurologique. L'étude a été publiée dans le Actes de l'Académie nationale des sciences 15 avril.
La rubanfold est uniquement adaptée pour aborder les structures complexes et variables de protéines incorrectement pliées plutôt que de protéines fonctionnelles.
Nous avons montré comment les codes de pliage de l'IA peuvent être contraints en incorporant une compréhension physique du paysage énergétique des fibrilles amyloïdes pour prédire leurs structures. Le pli de ruban surpasse d'autres outils de prédiction basés sur l'IA comme Alphafold, qui ont été formés uniquement pour prédire les structures de protéines globulaires correctement pliées. «
Wolynes, professeur de science de la Fondation Dr Bullard-Welch et codirecteur du Center for Theoretical Biological Physics
Éclipser l'étalon-or
Ribbon Fold s'appuie sur les avancées récentes de la prédiction de la structure des protéines dirigée par l'IA. Contrairement aux outils tels que AlphaFold2 ou Alphafold3, qui sont formés sur des protéines globulaires bien élevées, le pli de ruban comprend des contraintes adaptées pour capturer les caractéristiques en forme de ruban des fibrilles amyloïdes. Les chercheurs ont formé le modèle en utilisant des données structurelles existantes sur les fibrilles amyloïdes, puis l'ont validée contre d'autres structures de fibrilles connues délibérément exclues de la formation.
Leurs résultats ont démontré que la rubanolement surpasse les outils d'IA existants dans ce domaine spécialisé et révèle des nuances précédemment négligées dans la façon dont les amyloïdes se forment et évoluent dans le corps. Surtout, cela suggère que les fibrilles peuvent commencer sous une forme structurelle mais peuvent se déplacer vers des configurations plus insolubles au fil du temps, contribuant à la progression de la maladie.
« Les protéines mal repliées peuvent prendre de nombreuses structures différentes », a déclaré Wolynes. « Notre méthode montre que des polymorphes stables gagneront probablement au fil du temps en étant plus insolubles que les autres formes, expliquant l'apparition tardive des symptômes. Cette idée pourrait remodeler la façon dont les chercheurs abordent le traitement des maladies neurodégénératives. »
Nouvelle frontière dans le développement de médicaments et au-delà
Le succès de la ruban dans la prévision des polymorphes amyloïdes peut marquer un tournant dans la façon dont les scientifiques peuvent aborder les maladies neurodégénératives.
Offrant une méthode évolutive et précise pour analyser la structure des agrégats de protéines nocifs, Ribbon Fold ouvre de nouvelles possibilités de développement de médicaments. Les chercheurs pharmaceutiques peuvent désormais cibler la conception de médicaments en se liant aux structures de fibrilles les plus pertinentes à la maladie avec une plus grande précision.
« Ce travail explique non seulement un problème de longue date, mais nous offre également des outils pour étudier et intervenir systématiquement dans l'un des processus les plus destructeurs de la vie », a déclaré Chen, auteur co-corrésical de l'étude.
Au-delà de la médecine, ces résultats offrent un aperçu de l'auto-assemblage des protéines, ce qui pourrait avoir un impact sur les biomatériaux synthétiques. De plus, l'étude résout un mystère critique en biologie structurelle: pourquoi les protéines identiques peuvent se replier en plusieurs formes de maladie.
« La capacité de prédire efficacement les polymorphes amyloïdes peut guider les percées futures dans la prévention de l'agrégation de protéines nocives, une étape cruciale vers la lutte contre certains des défis neurodégénératifs les plus pressants du monde », a déclaré Wolynes.
D'autres auteurs de cette étude incluent les co-auteurs co-prirs Liangyue Guo et Qilin Yu avec Di Wang et Xiaoyu Wu du laboratoire Changping. L'étude a reçu le soutien de la National Science Foundation, de la Welch Foundation et du Changping Laboratory.
