Naukowcy postanowili rzucić temu wyzwanie i z pomocą przyszła sztuczna inteligencja. A dokładniej – specjalnie zaprojektowany model nazwany RibbonFold. Brzmi jak nazwa nowej pasty do zębów, ale to naprawdę poważna sprawa. RibbonFold to system oparty na popularnym AlphaFoldzie, który kilka lat temu zrewolucjonizował świat biologii, ucząc się przewidywać, jak białka się zwijają. Tyle że tu nie chodzi o jedno konkretne „zwinięcie”. Chodzi o całą gamę możliwych kształtów, jakie jedno i to samo białko może przyjąć, tworząc włókna amyloidowe. Naukowcy nazwali to „krajobrazem polimorfizmu” – jakby każde białko miało swoją mapę możliwych form.
Czym RibbonFold różni się od swojego słynnego przodka? To trochę jak z nauczycielem matematyki i nauczycielem sztuki – pierwszy lubi jedno poprawne rozwiązanie, drugi dopuszcza wiele interpretacji. AlphaFold szuka jednego „najlepszego” zwinięcia. RibbonFold jest bardziej otwarty – przyjmuje, że białko może zwinąć się na kilka różnych sposobów i każdy z nich może być „prawidłowy” w określonych warunkach. Żeby to osiągnąć, zespół naukowców wprowadził do modelu specjalne ograniczenia — narzucili symetrię układu, gdzie identyczne fragmenty białek układają się w równoległe, uporządkowane rzędy – coś jak kartki papieru ułożone w wachlarz.
Model sprawdzono na znanych peptydach związanych z chorobami neurodegeneracyjnymi, takich jak beta-amyloid (ten od choroby Alzheimera), tau i alfa-synukleina (ta od choroby Parkinsona). Dla każdego z tych białek RibbonFold wygenerował zestaw struktur, które następnie porównano z tymi, które udało się dotychczas uzyskać eksperymentalnie. I co się okazało? Model trafił zaskakująco celnie – przewidział nie tylko znane już formy, ale też zaproponował nowe, które mogą jeszcze czekać na odkrycie w laboratoriach.
Co więcej, model „widzi” różnicę między naturalnymi sekwencjami a ich przypadkowymi odpowiednikami. Gdy namieszano w kolejności aminokwasów, RibbonFold nadal przewidywał formowanie amyloidów, ale ich stabilność – a więc i potencjał do tworzenia chorobotwórczych agregatów – dramatycznie spadała. To sugeruje, że natura „dobiera” sekwencje białek tak, by miały potencjał do tworzenia konkretnych struktur. Innymi słowy: nie każda zupa wyjdzie z przypadkowo wrzuconych składników.
Czy to wszystko oznacza, że mamy w rękach nowe narzędzie do walki z chorobami neurodegeneracyjnymi? Może nie od razu, ale na pewno jesteśmy o krok bliżej. Znając lepiej mapy strukturalne amyloidów, naukowcy mogą szukać punktów, w które warto „uderzyć” – miejsc, gdzie leki mogłyby zatrzymać tworzenie szkodliwych włókien. A może nawet znaleźć sposób, by przekierować białko na mniej groźny tor.
Oczywiście RibbonFold to nie kryształowa kula. Ma swoje ograniczenia – nie uwzględnia obecności soli, kofaktorów czy innych białek, które mogą wpływać na strukturę w komórce. Ale jak na początek – robi wrażenie. Tym bardziej że cały kod źródłowy jest dostępny dla innych badaczy, więc nauka może teraz pójść naprzód szybciej, niż się spodziewaliśmy.
Kiedyś marzeniem było po prostu zobaczyć strukturę białka. Dziś uczymy się przewidywać całe krajobrazy możliwości. A kto wie – może wkrótce będziemy w stanie nie tylko je przewidzieć, ale też kształtować wedle potrzeby. Bo skoro jedno białko może być wieloma rzeczami, to wszystko zależy od tego, którą ścieżkę mu wytyczymy.
