揭示心脏病关键蛋白质

Google DeepMind Blog 新闻

摘要

研究人员利用AlphaFold和冷冻电镜技术绘制了形成坏胆固醇的apoB100蛋白质结构图谱,标志着心脏病认知领域的重大突破。

AlphaFold揭示了导致心脏病的关键蛋白质结构
查看原文
查看缓存全文

缓存时间: 2026/05/08 09:31

# 揭示心脏病背后的关键蛋白质 来源:https://deepmind.google/blog/revealing-a-key-protein-behind-heart-disease/ 2025年11月25日 科学 借助 AlphaFold 的力量,科学家们成功绘制了赋予"坏胆固醇"形态的大型蛋白质的结构图谱——这一发现有望改变研究人员和临床医生治疗全球首要死因的方式。 揭示心脏病背后关键蛋白质的竞赛长期以来既是重要的公共卫生目标,也是棘手的科学难题。 对于密苏里大学(Mizzou)的助理教授 Zachary Berndsen 和 Keith Cassidy 来说,这更是个人的使命。两人都有心脏病家族史——这提醒着他们,更好地理解并最终帮助治疗这种致命疾病的工作意义重大。 "50年来,人们一直想要看清这种蛋白质的样子,"Berndsen 说。 这种名为 apoB100 的蛋白质之所以难以绘制图谱,不仅因为它体积庞大(对于蛋白质而言),还因为它与脂肪及其他分子的连接方式极为复杂。apoB100 构成了"坏胆固醇"的分子骨架,科学界称之为低密度脂蛋白(LDL)。 LDL 是血液中脂肪的主要载体,也是动脉粥样硬化性心血管疾病(ASCVD)的关键风险因素,而 ASCVD 是全球首要死因。发现其关键蛋白质的结构有望揭示坏胆固醇在体内的有害机制,让科学家更有机会开发预防和治疗的手段。AlphaFold 在这一努力中发挥着核心作用。 在密苏里大学,生物化学家 Berndsen 首先使用冷冻电子显微镜(cryo-EM)捕捉 LDL 颗粒的图像。但这些图像的清晰度不足以精确绘制 apoB100 的原子级结构,因此 Berndsen 的物理学家合作者 Cassidy 转向了 AlphaFold。他利用该工具生成蛋白质结构的原子级预测,然后通过将这些预测形状与 cryo-EM 图像数据进行比对来优化。 Cassidy 表示,结合 cryo-EM 显微技术和 AlphaFold 两种方法才实现了这一突破:"AlphaFold 在这一发现中发挥了深远作用,提供了原始材料来解读我们的实验结构,而这在以前 frankly 是不可能的。" 由此构建的模型以惊人的细节揭示了坏胆固醇的关键蛋白质:一个笼状外壳包裹在每个 LDL 颗粒周围,其中包括一条带状结构,确保颗粒在血液中保持完整。了解这一结构为预防、诊断和治疗高胆固醇及 ASCVD 开辟了新途径,包括可以更精准靶向 LDL 的疗法。其对全球健康的潜在益处难以估量。 虽然这类应用尚需时日,但揭示 apoB100 的结构是一项里程碑式的成就,对 Berndsen 而言也是深具满足感的时刻。"这是 AlphaFold 发布当周我第一个运行预测的结构,也是我想用我们两层楼高的 cryo-EM 机器观察的第一个蛋白质,"他说,"解开 apoB100 的结构是梦想成真。"

相似文章

AlphaFold:五年的影响

Google DeepMind Blog

本文回顾了AlphaFold自2020年取得突破以来的五年影响,重点介绍了其作为全球数百万研究人员使用的科学工具的角色,以及其获得2024年诺贝尔化学奖的认可。

结构蛋白质组学引导的共折叠模型

arXiv cs.LG

介绍了AIMS-Fold,一种推理时引导扩散框架,整合了交联质谱(XL-MS)和氢-氘交换(HDX-MS)数据,以改善针对诱导接近药物靶点的蛋白质共折叠预测。

自然界蛋白质折叠的不合理冗余

Hacker News Top

来自Ligo的一篇博客文章,讨论了天然蛋白质折叠的冗余性,以及为生成式生物分子模型扩展结构数据所面临的挑战,文中提及了AlphaFold3和其他最新模型。