“看见”药物如何瓦解”老年斑”：分子动力学模拟揭秘Aβ蛋白抑制剂的微观世界

本文信息

标题: Small-Molecule Inhibitors of Amyloid Beta: Insights from Molecular Dynamics—Part A: Endogenous Compounds and Repurposed Drugs
作者: Mariyana Atanasova
单位: Faculty of Pharmacy, Medical University of Sofia
引用格式: Atanasova, M. (2025). Small-Molecule Inhibitors of Amyloid Beta: Insights from Molecular Dynamics—Part A: Endogenous Compounds and Repurposed Drugs. Pharmaceuticals, 18, 306.

摘要

淀粉样蛋白假说是阿尔茨海默病（AD）发病机制的主流模型，该假说认为β淀粉样蛋白（Aβ）肽是神经毒性和中枢神经系统一系列病理事件的主要驱动因素。Aβ聚集成寡聚体和沉积物会引发多种过程，如血管损伤、炎症诱导的星形胶质细胞和小胶质细胞活化、神经元离子稳态失衡、氧化应激、激酶和磷酸酶活性异常、tau蛋白磷酸化、神经原纤维缠结形成、认知功能障碍、突触丢失、细胞死亡，并最终导致痴呆。分子动力学（MD）是一种强大的基于结构的药物设计（SBDD）方法，有助于理解生物分子的性质、功能以及作用或抑制机制。作为唯一能够模拟原子级内部运动的方法，MD提供了其他技术无法获得的独特见解。将实验数据与MD模拟相结合，可以更全面地理解生物过程和分子相互作用。本综述总结并评估了过去十年中关于抑制β淀粉样蛋白的小分子（包括内源性化合物和重定位药物）的MD研究。此外，它还概述了未来淀粉样蛋白抑制剂MD模拟的关键考虑因素，为旨在阐明小分子抑制β淀粉样蛋白机制的研究提供了一个潜在的框架。

背景

阿尔茨海默病（Alzheimer’s Disease, AD），这个让无数家庭蒙上阴影的疾病，是导致老年人痴呆的最主要原因。其病理学核心特征之一，是在大脑中形成了大量的“老年斑”，即由β淀粉样蛋白（Aβ）肽异常聚集形成的细胞外沉积物。根据主流的“淀粉样蛋白假说”，正是Aβ肽从可溶性单体，一步步错误折叠并聚集成具有神经毒性的寡聚体、原纤维乃至最终的纤维斑块，才启动了导致神经元死亡和认知衰退的“死亡瀑布”——包括神经炎症、氧化应激、tau蛋白过度磷酸化等一系列连锁反应。

因此，阻止或逆转Aβ的聚集过程，一直是AD药物研发的核心策略。科学家们尝试了多种方法，包括减少Aβ的产生、增强其清除，以及直接寻找能够抑制其聚集的小分子。然而，Aβ的聚集是一个高度动态、复杂且涉及多种中间体的过程，传统的实验手段（如X射线晶体学）很难捕捉到这些瞬息万变的结构，也就难以精确地理解小分子抑制剂是如何在原子层面与Aβ肽相互作用，从而发挥“瓦解”作用的。

为了“看清”这个微观世界的动态过程，分子动力学（Molecular Dynamics, MD）模拟应运而生。MD模拟就像一台“计算显微镜”，它遵循牛顿运动定律，能够在计算机中模拟出蛋白质和药物分子中每一个原子的运动轨迹。通过MD，研究人员不仅可以观察到Aβ肽如何一步步“抱团”，还能看到小分子抑制剂是如何“见缝插针”，通过形成氢键、疏水作用、π-π堆积等相互作用，来破坏Aβ的聚集趋势，甚至拆解已经形成的聚集体。这为我们从根本上理解药物的作用机制、并进行更理性的药物设计提供了无与伦比的视角。

关键科学问题

本综述的核心科学问题是：在过去的十年中，分子动力学（MD）模拟是如何帮助我们深入理解不同类型的小分子（特别是人体内源性化合物和“老药新用”的重定位药物）抑制Aβ蛋白聚集的原子水平机制的？通过系统性地回顾这些计算研究，我们能总结出哪些共性的抑制模式、关键的相互作用位点，以及未来在利用MD模拟进行Aβ抑制剂研究时应遵循的最佳实践和需要克服的挑战？

创新点

这是一篇综述性文章，其创新点在于：

首次系统性地聚焦于利用MD模拟来阐释内源性化合物和重定位药物这两类特殊小分子对Aβ聚集的抑制机制。
深入剖析了MD模拟在该领域的应用挑战，如力场的选择、模拟时间尺度的限制以及增强采样方法的应用，为后续研究提供了宝贵的经验总结。
提炼并总结了小分子抑制Aβ聚集的多种微观机制，例如破坏关键的盐桥、干扰疏水核心的稳定性、阻断π-π堆积等。
为未来的MD研究提出了一个全面的指导框架，包括系统选择、力场与水模型、模拟时长、对照组设置等九大关键考量因素，极具实践指导价值。

研究内容

Aβ的结构特征与聚集的物理化学基础

要理解抑制剂如何工作，首先必须了解Aβ自身是如何从一个无序的单体，变成高度有序的纤维的。

1. Aβ单体、二聚体和寡聚体的结构特征

可溶性Aβ寡聚体的大小从10到100 kDa不等，表现出显著的异质性和动态行为。根据广受认可的蛋白质折叠漏斗模型，一个正在折叠的蛋白质或肽的构象空间是巨大的。未折叠的可溶性单体占据了漏斗宽阔的顶部，拥有最高的能量和采取多种构象的能力。折叠中间体或部分折叠状态，以及寡聚体和单体的天然形式，能量较低，对应于能量景观中的局部最小值。无定形聚集体位于漏斗较窄的底部之一，以深的能量最小值为特征，而全局自由能最小值，在漏斗最窄的部分，则被淀粉样纤维所占据。纤维化始于一个未折叠单体构象的集合，并迅速沿着各种路径朝向全局最小值进行，其中不同的淀粉样多晶型物占据着紧密定位的局部最小值。绝对的自由能最小值与淀粉样晶体相关。从无序单体通过寡聚体到纤维的确切机制和构象转变仍然难以理解，这归因于寡聚体的异质性、亚稳态和动态性质。此外，纤维生成受到温度、浓度和起始单体结构同质性等因素的强烈影响。通过溶液和固态核磁共振以及冷冻电子显微镜，已经识别出多种Aβ寡聚体结构，包括U型、S型、LS型以及具有二重或三重拓扑的结构，其中一些来源于人类。

图2：人类Aβ1–42的一级和二级结构，以及从蛋白质数据库（www.rcsb.org）检索到的已知聚集体形状。

肽链根据一级氨基酸序列中的特定区域进行颜色编码：N-末端（亲水或金属结合区）从D1到Q15为米色；中心疏水核心（CHC）或β1区从K16到A21为青色；环或中心亲水区从E22到K28为黄色；第二个疏水区（β2）从G29到M35为鲑鱼色；C-末端区从V36到A42为绿色。PDB代码标注在相应结构的上方。寡聚体形成的一个可能机制是由疏水相互作用驱动的快速组装，包括涉及C-末端的相互作用。

在结构层面，淀粉样纤维的主要二级结构是交叉β-折叠（cross β-sheet），其中Aβ的主链垂直于纤维轴向排列。在“在途（on-pathway）”的寡聚体混合物中，通常观察到β-折叠结构。在溶液中，Aβ单体通常采取无规卷曲构象，而非任何特定的二级结构。Aβ1–42的一级结构分为五个区域：N-末端，也称为亲水或金属结合区（D1到Q15）；中心疏水核心（CHC），跨越残基K16到A21；环或中心亲水区（E22到K28）；第二个疏水区（G29到M35）；以及C-末端区（V36到A42）。

2. 导致并稳定Aβ聚集的相互作用

在形成Aβ寡聚体的β-发夹结构单体内部，已发现在β-折叠区域之间存在链内氢键，特别是在I31和V36之间。在从β-发夹单体转变为β-折叠二级结构的过程中，这些链内氢键必须被破坏，并在相邻的肽序列之间形成新的链间氢键。这种从链内到链间氢键的转变对于寡聚化过程至关重要，最终导致交叉β-折叠结构的形成。研究还发现，在Aβ缔合过程中，单体主要与极性表面（如云母）相互作用，而疏水表面（如石墨）则会破坏寡聚体结构并充当纤维化的模板。

此外，普遍认为，成熟纤维中负责β-折叠结构的初始相互作用，涉及一个肽的中心疏水核心（CHC）中的F19与另一个单体的第二个疏水区中的L34之间的疏水接触。一个稳定交叉β-结构中转角的关键相互作用是D23和K28之间的盐桥。在寡聚化过程中，据信单体是通过沿纤维延伸轴向的平行堆叠进行寡聚的。然而，已发表的纤维结构表明，由两个S形单体以C2对称的“阴阳”方式排列组成的Aβ1–42二聚体单元参与了纤维的生长。已确定，稳定所有类型四级纤维结构的关键相互作用涉及M35的侧链以及一个单体中的一个或多个残基（如I31, I32和M35）与第二个单体中的G37, G39和V29的相互作用。在U形的Aβ17–42形式中，K28-D23盐桥是关键的稳定相互作用。相比之下，S形的Aβ11–42和LS形的Aβ1–42纤维则由K28侧链带正电的NH3+基团与A42带负电的COO-基团之间的盐桥所稳定。此外，在LS形中，N-末端和C-末端区域被E11-H6/H13氢键所加固，这对纤维稳定性起着至关重要的作用。最近的研究强调了由F4, L34和V36形成的疏水核心，连同K28-A42盐桥，在稳定LS形Aβ纤维中的重要性。

MD模拟揭示的Aβ抑制机制：详细剖析

本综述系统梳理了近十年来，利用MD模拟研究内源性化合物和重定位药物如何抑制Aβ聚集的代表性工作。以下是对原文核心部分的详细翻译和解读。

1. 内源性化合物

这些是人体内天然存在的分子，理论上具有更好的安全性。

图3：通过MD模拟研究的内源性化合物的描绘。

多巴胺（DA）和去甲肾上腺素（NE）：

DA和NE属于儿茶酚胺家族，作为神经递质和神经调节剂发挥作用。实验研究早已证实，DA能够剂量依赖性地抑制Aβ纤维的形成和延伸，并能破坏已形成的纤维。儿茶酚类衍生物主要抑制的是聚集的“成核”阶段而非“延伸”阶段。

MD模拟的见解：一项REMD研究揭示，DA优先结合Aβ1–40原纤维的两个位点：一个是位于第二个疏水区的β-折叠片层（IIGLMVG，残基31-37），另一个是结构无序的N-末端区域。这种结合显著影响了寡聚体的双层结构。

由Chen等人进行的一项更全面的研究，通过cMD和REMD模拟，深入探究了DA的破坏机制。他们发现，在低摩尔比（1:1和2:1）下，质子化的DA+分子通过插入到F4-L34-V36核心区域并破坏链内和链间的K28-A42盐桥，从而剂量依赖性地破坏了Aβ原纤维的稳定性。在1:1的体系中，DA+主要结合在第一个转角区（H6-H13）；而在2:1的体系中，结合位点扩展到了F4-L34-V36核心区、N-末端（D1-R5）、第二个转角区（F20-D23）以及C-末端（I41和A42）。这些相互作用的物理化学基础非常丰富，包括与D1, E3, H6, D7, E11等残基的氢键；与D7, E11, E22, D23的盐桥；与R5的阳离子-π相互作用；以及与F4, H6, H13, H14, F19, F20的π-π堆积。

有趣的是，在高浓度（10:1摩尔比）下，DA+分子主要结合在原纤维的外表面，限制了其柔性，反而起到了稳定作用。然而，当部分DA+被替换为去质子化的DA0（在生理pH下少量存在）时，DA0分子优先结合到原纤维的内表面，特别是F4-L34-V36疏水核心内部。DA0与DA+之间通过π-π堆积相互作用，增强了它们在内表面的结合，最终对原纤维结构施加了破坏性效应。

对于NE，REMD和cMD模拟分别研究了其对Aβ二聚体聚集的抑制和对纤维的破坏作用。模拟发现，NE能够降低β-折叠含量，同时增加α-螺旋、无规卷曲和转角含量。在五个主要的结合位点中，位于疏水核心的16KLVFFA21和31IIGLMV36是最有利的。NE主要通过与疏水残基（I41, I31, L17）的疏水作用和与芳香族残基（Y10, F4, F20）的堆积作用相结合。此外，与带负电荷的Asp和Glu残基的氢键以及与R5的阳离子-π相互作用也至关重要。在纤维体系中，NE通过与D1, A2, D23和A42残基形成氢键来重塑Aβ纤维结构，最终破坏其稳定性。

血清素（SER）和褪黑素（MEL）：

这两种由色氨酸衍生的分子在AD患者中水平均有下降，且实验证明它们能抑制Aβ聚集。

MD模拟的见解： Gong等人的一项研究揭示了这两种吲哚胺衍生物破坏LS-型Aβ纤维的不同机制。SER主要结合在N-末端区域（D1-Y10），通过与F4, H6, Y10和H13的π-π堆积来破坏该区域的β-折叠。这进而干扰了对整个纤维起稳定作用的A2-V36和F4-L34长程接触。

相比之下，MEL的破坏性更强。它在LS-型Aβ原纤维上有两个结合位点：一个在N-末端（包含F4, H6, Y10, H13, H14, Q15, L17, F19），另一个在C-末端（包含N27, I31, I32, L34, V36）。因此，MEL能够同时破坏N-末端和C-末端两个区域的β-折叠结构。它干扰了三个疏水核心的稳定相互作用，并且对L34-A42盐桥的破坏作用也比SER更显著。MEL的相互作用模式主要是与N-末端芳香族氨基酸的π-π堆积以及与C-末端残基的疏水接触。

三磷酸腺苷（ATP）：

作为细胞的“能量货币”，实验发现ATP能像生物助溶剂一样阻止和溶解肽聚集体。

MD模拟的见解： Pal和Paul的一项详尽研究使用了三种不同的力场来考察ATP对Aβ16–22片段（疏水核心区）的抑制作用。模拟结果高度一致：ATP在毫摩尔浓度下抑制了Aβ肽的寡聚化。其具体机制包括：1）降低β-折叠含量；2）减少肽-肽氢键；3）减少肽链间的F-F疏水相互作用。与此同时，ATP-F的π-π堆积相互作用和ATP-肽氢键的数量则相应增加。模拟还表明，ATP能抑制二聚体的形成，并能破坏预先形成的纤维，在某些力场下甚至能使其完全解聚。

2. 重定位药物（老药新用）

这些是已经上市、安全性已知的药物，为其寻找新的适应症是一种高效的研发策略。

图4：通过MD模拟研究的重定位药物（普罗帕酮(PPF)、甘珀酸(CBX)和多西环素(DXC)）的结构。

普罗帕酮（PPF）：一种抗心律失常药物。
- MD模拟的见解：cMD模拟显示，PPF位于十二聚体纤维下层的转角附近，主要与疏水残基发生相互作用。在PPF存在下，β-折叠含量降低，这可能导致纤维的降解。
甘珀酸（CBX）：一种用于治疗溃疡的甘草衍生物。
- MD模拟的见解：cMD模拟分别研究了CBX与Aβ1–42单体和纤维的相互作用。结果发现，CBX对两者都有破坏作用。对于单体，它能减少α-螺旋和β-折叠含量；对于纤维，它能减少β-折叠含量。一个关键的机制是，CBX通过与F19和D23形成氢键，成功破坏了对纤维结构至关重要的D23-K38盐桥。
多西环素（DXC）：一种四环素类抗生素。
- MD模拟的见解：加速MD（aMD）模拟被用来研究DXC对两种不同Aβ纤维多晶型物（S-型和LS-型）的作用。结果发现，DXC能够破坏两种纤维的稳定性，但其结合位点依赖于纤维的构象。在S-型五聚体纤维中，它主要结合在暴露的疏水核心区域，识别出三个结合位点：一个靠近M35侧链，一个在I32和L34之间，另一个在L17和F19之间。而在LS-型纤维中，由于这些位点被隐藏，DXC则结合在N-末端附近以及由K16, V18和F20组成的第二个结合位点。这表明，针对不同Aβ多晶型物的药物设计可能需要考虑不同的策略。

未来MD模拟研究的指导框架

基于对现有研究的总结，作者提出了一个包含九个关键点的框架，以指导未来更可靠、更具信息量的MD模拟研究：

使用全长Aβ肽：避免使用片段，以获得更真实的模拟结果。
考虑多种纤维构象：应针对已知的U-型、S-型、LS-型等多种纤维多晶型物进行模拟。
使用多种力场：通过比较不同力场的结果来检验结论的稳健性。
谨慎选择水模型：确保水模型与所选力场兼容。
模拟真实的药物浓度：抑制剂与肽的摩尔比应与实验数据或生理浓度相符，并考虑多种浓度。
设置阳性和阴性对照：除了目标抑制剂，还应模拟已知的有效/无效抑制剂作为参照。
保证足够的模拟时长：确保模拟时间足以捕捉到相关的结构变化。
进行全面的轨迹分析：重点分析关键的稳定相互作用（如盐桥、疏水核心）和二级结构变化。
进行多次重复模拟：从不同的初始速度开始进行多次模拟，以获得统计上更可靠的结果。

Q\&A

Q1: 为什么这篇综述特别关注“内源性化合物”和“重定位药物”？
A1: 这两类化合物在药物发现中具有独特的优势。内源性化合物是人体内天然存在的物质（如多巴胺、褪黑素），它们通常具有极好的生物相容性和安全性，副作用风险低。重定位药物是已经通过了临床试验并上市的“老药”，其安全性、药代动力学特性都已有充分的研究，将它们用于新的疾病治疗（“老药新用”）可以极大地缩短研发周期、降低研发成本和风险。因此，研究这两类分子如何抑制Aβ聚集，具有很高的临床转化潜力。
Q2: MD模拟揭示的这些抑制机制，有哪些共通之处？
A2: 尽管不同分子的具体作用位点和方式各异，但可以总结出几个共通的抑制策略：1）靶向疏水核心：许多抑制剂（如DA, NE, MEL, DXC）都倾向于结合Aβ的关键疏水区域（如CHC, F4-L34-V36核心），通过空间位阻或破坏疏水堆积来干扰聚集。2）破坏关键盐桥：一些抑制剂（如DA, CBX）能够直接或间接地破坏对Aβ结构至关重要的盐桥（如K28-A42, D23-K38），从而瓦解其折叠结构。3）π-π堆积相互作用：对于含有芳香环的抑制剂（如DA, NE, SER, MEL），与Aβ中的芳香族氨基酸（F4, Y10, F19, F20）发生π-π堆积是一种非常普遍的结合模式。
Q3: 综述中提到了多种MD模拟技术（cMD, REMD, aMD），它们之间有什么区别和联系？
A3: cMD（常规MD）是最基础的方法，它模拟系统在恒定温度下的自然演化，能提供真实的动力学信息，但受限于时间尺度，很难观察到稀有事件（如蛋白质折叠）。REMD（副本交换MD）是一种增强采样方法，它同时在多个不同温度下模拟系统的多个“副本”，并允许它们之间交换构象。高温副本可以轻易跨越能垒，然后通过交换将这些“探索性”构象传递给低温副本，从而在保持低温系综分布的同时，极大地加速了构象空间的探索。aMD（加速MD）则是通过修改系统的势能面，降低能垒的高度，使得系统能够更快地从一个能量洼地“跳”到另一个，从而在更短的模拟时间内观察到更多的构象转变。总的来说，cMD追求“真实”，而REMD和aMD等则牺牲部分真实动力学信息以换取“效率”。
Q4: 既然MD模拟如此强大，为什么我们还需要进行实验验证？
A4: MD模拟是一个强大的工具，但它本质上是一个基于模型的近似。其准确性受到多个因素的制约：1）力场的精度：力场本身就是对真实量子力学相互作用的简化和参数化，不可能百分之百准确。2）采样完整性：即使使用增强采样方法，也无法保证在有限的模拟时间内遍历了所有重要的构象。3）系统设置的简化：模拟系统通常是对真实生物环境的简化（如有限的水分子、简化的离子浓度等）。因此，MD模拟得出的结论是一种理论预测或机理假设，它必须经过真实的生物或化学实验（如本文中提到的ThT荧光实验、细胞毒性实验等）来验证，才能最终被接受为科学事实。
Q5: 这篇综述对未来的AD药物研发有什么具体的指导意义？
A5: 它提供了两方面的指导。在药物设计层面，它总结出的关键作用位点和相互作用模式，为药物化学家提供了明确的优化方向。例如，一个好的抑制剂分子骨架上应该合理地排布疏水基团和能够形成氢键或π-π堆积的芳香环，以同时靶向Aβ的多个关键区域。在计算方法学层面，它提出的九点指导框架，为未来进行此类研究的计算科学家设定了一个更高的标准，有助于提高模拟结果的可靠性和可重复性，避免得出片面或错误的结论。

关键结论与批判性总结

核心结论

MD模拟是揭示Aβ抑制机制的强大工具：本综述系统回顾了过去十年利用MD模拟在原子层面阐明内源性化合物和重定位药物如何抑制Aβ聚集的研究，证明了MD在理解动态、无序系统相互作用中的不可替代性。
总结了多种小分子的共性抑制机制：研究发现，有效的小分子抑制剂通常通过干扰Aβ的关键疏水核心、破坏稳定结构的盐桥、以及与芳香族残基形成π-π堆积等多种协同方式来发挥作用。
强调了方法学的重要性：综述深入讨论了在模拟Aβ这类内在无序蛋白时，选择合适的力场、水模型以及使用增强采样技术（如REMD, aMD）来克服时间尺度限制的关键性。
提出了未来研究的指导框架：文章最后为未来的MD模拟研究提出了一个包含九个关键考量因素的综合性框架，旨在提高研究的严谨性、可靠性和可比性，对该领域具有重要的指导价值。

批判性总结与展望

这篇综述为我们提供了一个极佳的窗口，让我们得以窥见计算模拟如何在对抗阿尔茨海默病这一复杂挑战中扮演日益重要的角色。作者通过对特定两类化合物（内源性和重定位药物）的聚焦，使得综述内容既具有代表性，又具有很强的临床转化启示。其最大的价值在于，它不仅告诉我们“知道了什么”，更重要的是，它系统性地总结了“如何才能知道得更准”，即那九条极具实践意义的模拟指导原则。

一个潜在的局限性在于，综述主要集中在小分子与Aβ肽本身的相互作用上。然而，在真实的生物环境中，Aβ的聚集还受到许多其他因素的影响，如细胞膜、金属离子、伴侣蛋白等。未来的MD研究需要构建更复杂的、更接近生理环境的模拟体系，以探索在这些因素存在下，抑制剂的作用机制是否会发生改变。

展望未来，随着计算能力的飞速发展（如专用计算硬件Anton 3和百亿亿次级超算）和算法的不断进步（如结合AI的增强采样方法），MD模拟的时间和空间尺度将得到前所未有的扩展。我们可以期待，未来的模拟将能够覆盖从单体折叠到寡聚体形成乃至纤维成熟的整个聚集路径，并在接近细胞尺度的复杂环境中，实时观察药物分子如何精准地“拆解”这些致病聚集体。这将把基于结构的AD药物设计，真正带入一个原子精度、动态可视的全新时代。

Mendelevium

Contact