AI-guided design and ex vivo validation of nanobodies targeting aggregation motifs of intrinsically disordered protein tau

该研究通过结合生物物理建模与人工智能技术，成功设计并验证了能够特异性识别阿尔茨海默病中 Tau 蛋白聚集核心基序（VQIVYK）的纳米抗体，证明了该方法在针对内在无序蛋白开发治疗性单域抗体方面的可行性。

要点

这篇文章讲述了一个非常酷的科学故事：科学家如何利用人工智能（AI）和超级计算机，设计出一款能够精准打击阿尔茨海默病（老年痴呆症）根源的“微型导弹”。

为了让你更容易理解，我们可以把整个过程想象成一场**“寻找并锁住坏蛋”的侦探游戏**。

1. 难题：狡猾的“变色龙”坏蛋

• 背景：阿尔茨海默病的大脑里有一种叫Tau 蛋白的东西。在健康状态下，它像个灵活的“变色龙”（科学上叫“内在无序蛋白”），没有固定的形状，到处乱跑。
• 问题：当它生病时，这些“变色龙”会聚在一起，变成坚硬的“坏蛋团伙”（也就是大脑里的神经纤维缠结）。这些坏蛋团伙的核心有一个特定的“暗号”（科学上叫VQIVYK 序列）。
• 困境：以前的药物（像大号的抗体）就像笨重的大象，它们想抓住这个坏蛋，但坏蛋太狡猾、太灵活，而且核心部位被藏得很深，大象根本够不着，或者抓不住。这就是为什么以前的药效果不好。

2. 新武器：灵活的“纳米机器人”

• 主角：科学家这次没用“大象”，而是用了一种叫**纳米抗体（Nanobody）**的小东西。
• 比喻：想象一下，纳米抗体就像是一个身手敏捷的忍者，或者一个微型机器人。它非常小（只有大象的十分之一大），而且有一条特别长的“手臂”（CDR3 环），可以伸进大象够不到的狭窄缝隙里，精准地抓住坏蛋的核心。

3. 设计过程：AI 是“超级建筑师”

科学家没有像以前那样在实验室里盲目地试错（那就像在黑暗中乱撞），而是用了一套**“数字魔法”**：

1. 模拟坏蛋的舞步：
   科学家先用超级计算机模拟了那个“坏蛋核心”（VQIVYK）在 100 种不同状态下的样子。就像观察一个变色龙在 100 种不同姿势下的样子，确保无论它怎么变，我们都能找到抓住它的方法。

2. AI 画图纸：
   他们利用**AI（人工智能）**作为“超级建筑师”。AI 基于那个著名的“忍者”模板，自动设计了 145 种不同“手臂”形状的纳米抗体。

   • 这就像 AI 在几秒钟内画出了 145 种不同抓钩的设计图，每一种都试图完美地卡住坏蛋的核心。

3. 虚拟筛选：
   在电脑里，这些设计好的“纳米忍者”被拿去和“坏蛋”进行模拟搏斗。AI 计算谁抓得最紧、谁最稳定。最后，它挑出了4 个表现最好的候选人（NT1, NT2, NT3, NT4）。

4. 实战演练：从电脑到人体

光在电脑里赢还不够，科学家把它们真的造出来，进行了两次大考：

• 第一场考试（实验室模拟）：
  把纳米抗体和人工合成的 Tau 蛋白放在一起。

  • 结果：其中两个选手（NT1 和 NT2）表现惊人！它们抓住坏蛋的能力比以前的标准药物还要强（就像新抓钩比旧抓钩抓得更牢）。

• 第二场考试（真实战场）：
  这是最关键的一步。科学家把纳米抗体直接用在去世的阿尔茨海默病患者的大脑组织切片上。

  • 结果：冠军选手 NT1 表现超级亮眼！它不仅抓住了坏蛋，而且抓得比之前的“金牌药物”还要好（得分 236.1% vs 222.9%）。这意味着它真的能识别并抓住大脑里那些真正致病的东西。

5. 这意味着什么？

• 打破僵局：以前大家觉得这种“变色龙”一样的坏蛋白太难对付，没法用药物精准打击。但这篇论文证明，只要用 AI 设计，我们就能造出专门对付它们的“定制钥匙”。
• 未来希望：这不仅仅是针对阿尔茨海默病，这种方法可以用来对付其他很多类似的、形状不固定的“坏蛋白”疾病。
• 核心突破：这是第一次，完全由 AI 设计、没有经过传统反复试错修改的纳米抗体，直接在真实的人脑组织中证明了它能抓住致病蛋白。

总结

简单来说，这篇论文讲的是：
科学家不再盲目地寻找药物，而是先让 AI 在电脑里“预演”了无数种抓坏蛋的方法，设计出了几个微型忍者（纳米抗体）。结果发现，这些 AI 设计的忍者真的能精准地抓住导致老年痴呆的“坏蛋核心”，甚至在真实的人脑组织里表现比老药还好。

这就像我们不再用大网捕鱼，而是用 AI 设计出了专门针对那条狡猾鱼的智能鱼钩，而且一钓就准！这为未来治疗阿尔茨海默病打开了一扇全新的大门。

技术摘要

这是一份关于利用生物物理建模与人工智能（AI）指导设计靶向 Tau 蛋白聚集基序的纳米抗体（Nanobodies）的技术总结。该研究由 Nanil Therapeutics Inc. 的 Binita Rajbanshi 和 Anuj Guruacharya 完成，旨在解决神经退行性疾病中内在无序蛋白（IDPs）难以靶向的难题。

以下是详细的技术总结：

1. 研究背景与核心问题 (Problem)

• 内在无序蛋白（IDPs）的挑战：Tau 蛋白是阿尔茨海默病（AD）及相关 Tau 蛋白病中的关键 IDP。由于其构象高度异质且易于聚集，传统的基于静态表位的抗体筛选方法难以有效识别和结合致病性的 Tau 聚集态。
• 现有疗法的局限性：尽管针对 Tau 的单克隆抗体进行了大量临床试验，但疗效有限。主要原因包括：无法穿透血脑屏障、对致病构象的选择性不足、以及无法有效接触被包裹在纤维核心中的聚集倾向表位。
• 关键靶点：Tau 蛋白中的 VQIVYK 六肽基序（残基 306-311）是神经原纤维缠结（NFTs）的核心结构，负责启动β-折叠形成和聚集。然而，该区域具有疏水性且位于纤维核心内部，传统抗体难以接近。
• 解决方案的潜力：纳米抗体（VHH）具有分子量小、热稳定性高、且拥有较长的 CDR3 环，能够进入传统抗体无法触及的隐蔽表位。

2. 研究方法与技术路线 (Methodology)

研究采用了一套"生物物理建模 + AI 驱动设计 + 实验验证"的闭环策略：

• 靶点构象分析（生物物理建模）：
  • 对 VQIVYK 六肽进行了分子动力学（MD）模拟，采样了 100 种构象，以捕捉其作为 IDP 的构象异质性。
  • 通过 RHF 计算和能量分解分析，确定了低能量构象状态，并发现局部芳香族电子结构与全局构象能量存在解耦，表明设计需针对保守的局部特征而非单一静态结构。
• AI 驱动的纳米抗体设计：
  • 骨架选择：基于已验证的 Tau 结合纳米抗体 WIW（PDB: 8FQ7）作为骨架，保持框架区（FR）和 CDR1/CDR2 不变。
  • 序列生成：利用 ProteinMPNN 生成 145 个候选 CDR3 序列（针对残基 103-109 进行变异），重点优化与 VQIVYK 相互作用的区域。
  • 结构预测：使用 AlphaFold2 预测候选纳米抗体的三维结构，评估折叠可行性和 CDR3 构象多样性。
  • 对接与筛选：利用 HADDOCK 2.4 将候选纳米抗体与 VQIVYK 纤维模型进行刚性对接和半柔性精修。
  • 多维评分系统：建立复合评分指标（结合分 40% + 稳定性 30% + 可开发性 30%），对候选分子进行排序和优先筛选。
• 实验验证：
  • 体外验证：重组表达候选纳米抗体，通过 ELISA 检测其与合成全长 Tau 蛋白的结合能力。
  • 离体验证：在阿尔茨海默病患者死后脑组织切片中测试结合能力，评估其对病理 Tau 物种的识别。

3. 关键贡献 (Key Contributions)

• 针对 IDP 的新范式：首次展示了结合生物物理构象分析与 AI 生成式设计，成功针对高度动态且聚集的 IDP 表位（VQIVYK）进行理性抗体工程。
• 绕过传统筛选限制：不依赖传统的免疫筛选或噬菌体展示，而是直接基于结构生物学原理和 AI 算法从头设计（De novo design）结合剂。
• CDR3 环的精准工程：证明了通过优化 CDR3 环中的芳香族和疏水相互作用，可以有效“封顶”（cap）VQIVYK 的立体拉链（steric zipper）界面，从而特异性结合病理 Tau。

4. 主要结果 (Results)

• 计算筛选：从 145 个候选者中筛选出 4 个代表性分子（NT1, NT2, NT3, NT4）。其中 NT2 获得了最高的复合评分（0.759），其结合评分（0.864）最接近阳性对照（WIW 纳米抗体，1.000）。
• 体外结合（ELISA）：
  • NT1 和 NT2 表现出最强的结合能力。相对于参考抗体（设为 100%），NT1 的结合指数达到 148.9%，NT2 达到 140%。
  • 阴性对照信号极低（2.4%），证明了结合的特异性。
• 离体组织验证（关键突破）：
  • 在 AD 患者死后脑组织中，NT1 表现出卓越的病理识别能力，结合指数高达 236.1%，显著优于阳性对照抗体（222.9%）。
  • NT2 在组织中显示中等结合（137.4%），阴性对照为 9.1%。
• 结构机制：结构分析表明，这些纳米抗体通过 CDR3 环中优化的芳香族（如色氨酸、酪氨酸）和疏水相互作用，成功嵌入了 VQIVYK 基序。

5. 研究意义 (Significance)

• 概念验证（Proof-of-Concept）：该研究证明了完全由 AI 设计、未经过实验亲和力成熟（affinity maturation）的纳米抗体，即可实现对病理 Tau 聚集体的强效结合，甚至超越传统筛选得到的抗体。
• 治疗潜力：NT1 等候选分子显示出作为治疗阿尔茨海默病及相关 Tau 蛋白病先导化合物的巨大潜力。其小分子量和穿透血脑屏障的潜力，结合对致病构象的高特异性，有望解决现有免疫疗法的瓶颈。
• 通用性：该方法论不仅适用于 Tau 蛋白，也为其他神经退行性疾病（如α-突触核蛋白、TDP-43 等）中难以靶向的 IDP 聚集体提供了通用的理性设计路径。

总结：这项研究通过整合分子动力学模拟、AlphaFold2 结构预测、ProteinMPNN 序列生成以及 HADDOCK 对接技术，成功开发出了靶向 Tau 蛋白 VQIVYK 聚集基序的高亲和力纳米抗体。实验数据证实，这种计算驱动的策略能够产生在体外和病理组织中均表现优异的候选药物，为攻克神经退行性疾病中的 IDP 靶点开辟了新途径。