AI在蛋白质设计上的新突破，为癌症与痴呆症研究带来希望

神经退行性疾病和中风、痴呆症等神经系统疾病是全球公共卫生的重大挑战，影响着大量人口的生活质量与健康。深入理解蛋白质的结构与功能，有望为这些疾病的防治提供关键线索。

自20世纪50年代以来，科学家们对蛋白质折叠问题的探索从未停止。然而，直到AlphaFold的问世，才彻底变革了蛋白质折叠研究的范式。近年来，AI在蛋白质科学领域的应用取得了新的突破。

哥本哈根大学、圣裘德儿童研究医院及伊利诺伊理工学院的研究团队开发了一种通用算法，能够设计具有特定结构性质的蛋白质变体，特别针对固有无序蛋白（IDPs）。IDPs是一种无法形成稳定三维结构的蛋白质，它们在健康与疾病中扮演着重要角色。与已知的折叠蛋白质不同，IDPs具有高度无序性、局部移动性和高动态性，对现有预测工具构成挑战。

这项研究不仅提出了理论框架，还通过实验验证了设计的IDPs变体，并利用机器学习模型预测了IDPs的集合属性。这一工具的开发，有望揭示多种神经退行性疾病（如阿尔茨海默病、帕金森病、肌萎缩侧索硬化症）和癌症的发病机制，并推动新药研发与生物材料的发展。

关注IDPs的原因在于，它们在细胞功能与疾病发展中扮演着关键角色。正如一张纸通过精确折叠能变为有用的物品，蛋白质分子在折叠成特定形状前也无功能性。蛋白质的错误折叠或解折叠可能导致细胞死亡，引发多种疾病。因此，预测蛋白质的3D结构对于理解与治疗神经退行性疾病至关重要。

结构生物学领域长期以来专注于研究折叠成稳定结构的蛋白质。然而，约30%的真核生物蛋白质并非如此，而是IDPs或IDRs。这些动态变形的蛋白质在分子与细胞功能中发挥着重要作用，挑战了传统的“序列-结构-功能”关系。

IDPs与IDRs的细胞功能失调与多种神经退行性疾病和癌症相关。它们能够自我结合形成生物分子凝聚物，并在细胞环境中生成多种无膜细胞器，这一特性对细胞生物学和疾病研究至关重要。

为了更全面地理解生物学与疾病，达特茅斯学院的Paul Robustelli教授强调，结构生物学必须超越对稳定结构蛋白质的研究，发展规则以解释IDRs序列如何决定它们在溶液中的形状分布及其在细胞与疾病中的功能。

这项研究通过设计具有特定结构性质的蛋白质变体的通用算法，解决了IDPs结构预测的挑战。算法利用粗粒度模拟和自由能计算，结合蒙特卡洛采样方法在序列空间中进行搜索，生成具有目标结构特征的蛋白质序列。实验验证显示，该算法能有效设计具有不同紧密度、长程相互作用和相分离倾向的蛋白质变体。

展望未来，AI将继续在蛋白质研究领域发挥重要作用，包括预测蛋白质与其他生物分子的相互作用、蛋白质设计与蛋白质组学等多个方向。AI的应用将进一步拓展其在蛋白质科学研究中的影响力，填补更多未知领域。

以上是对原文的精简版，保留了核心信息与创新点，旨在用约500字简洁呈现AI在蛋白质设计领域的最新突破及其对癌症与痴呆症研究的潜在影响。