把重复长度写成方程：HttEx1 与 polyQ 疾病的长度依赖模型汇总（临床—分子—凝聚态）

多种AI调研的综合内容，请自行甄别信息的正确性

摘要

多聚谷氨酰胺（polyQ）疾病是一组由CAG重复序列扩增引起的神经退行性疾病，包括亨廷顿病（HD）、脊髓小脑共济失调（SCA）、齿状核红核苍白球路易体萎缩症（DRPLA）和脊髓延髓肌萎缩症（SBMA）等。这些疾病的共同特征是致病性与polyQ长度高度相关——重复序列越长，发病越早、症状越重。然而，现有文献中关于长度依赖性的描述往往是定性的，缺乏可直接用于定量建模的数学公式和参数范围。本文档系统整理了polyQ疾病的长度依赖模型，从临床预测、分子机制到（亚）细胞三个尺度，展示重复长度这一核心参数如何决定疾病表型。在临床尺度，我们总结了Weibull分布、对数线性模型等发病年龄预测公式，并量化了体细胞扩增、HTT1a异常剪接等修饰因子的影响；在分子尺度，我们整合了Httex1的成核-延伸模型、四聚体平衡方程和纤维延伸速率等动力学参数；在细胞尺度，我们分析了液-液相分离（LLPS）的Flory-Huggins相互作用参数$\chi(Q)$、临界浓度$C_{\mathrm{sat}}(Q)$以及膜相互作用和轴突运输缺陷的定量关系。总体上，以 $Q$ 为自变量的项可以归纳为多种函数族，常见函数族包括线性或分段线性、指数、幂律标度与S形函数，以及用于阈值刻画的变号判据。我们发现35-40个谷氨酰胺的临界阈值是polyQ疾病的普适特征，临床风险随Q长度呈连续陡峭的S形曲线，而分子层面在Q23-26和Q36-40存在类相变特征。本文总结的可复用定量框架为建立更准确的polyQ疾病预测模型和早期诊断干预策略提供了理论基础。

1. 研究背景

1.1 PolyQ疾病的共同分子特征

polyQ 疾病是一组由编码区 $\text{CAG}$ 重复扩增引起的遗传性神经退行性疾病。经典意义上的polyQ疾病通常指至少九种：Huntington 病（HD）、脊髓小脑共济失调 SCA1/2/3/6/7/17、DRPLA 与 SBMA。¹²³

长度阈值与毒性正相关的普适规律

尽管致病蛋白在 polyQ 区段以外彼此并不相同，但近年来的系统综述揭示了一个高度普适的长度-毒性关系：当 polyQ 长度超过35-40个谷氨酰胺的临界阈值时，致病性才显著显现，且毒性与polyQ长度呈正相关——更长重复导致更严重的疾病表型和更早的发病年龄。²

不同 polyQ 疾病的致病阈值存在差异（32Q至54Q不等），这反映了不同蛋白背景对 polyQ 毒性的调制作用（表1）。

表1 不同polyQ疾病的致病阈值对比

这种阈值效应和长度依赖性为理解 polyQ 疾病的共同机制提供了重要线索：polyQ长度可以作为预测疾病风险和进展的核心参数。

它们在分子层面有三条高度一致的共性主线，也是本文选择把长度作为统一自变量来整理模型的原因：

1.1.1 动态突变与代际提前：CAG不稳定把“长度”变成一个随机过程

polyQ 疾病的 $\text{CAG}$ 重复属于不稳定重复序列，可在代际传递中发生进一步扩增，并表现为代际提前（anticipation）：子代更早发病且更重。HD 的人群研究显示，父系传递时重复更易净扩增，且父代到子代的重复变化与 AO 的变化相关，这为“代际提前”提供了直接的遗传学证据。⁴³

因此，从建模角度，$\text{CAG}$ 不应只被视作一个固定参数，而应被视作随个体、组织与年龄演化的随机变量；本文第 2 章与第 2.1.2 节把体细胞扩增写成可进入 AO 方程的噪声项，作为跨尺度连接的第一步。⁵⁶

更重要的是，“聚集”不仅是形态学现象，还会与蛋白稳态网络发生耦合：蛋白酶体、分子伴侣与自噬等系统既是清除通路，也可能在某些条件下促进包涵体形成或被聚集体重塑。以 HD 与 ataxin-3 为例，有研究显示 19S 相关的蛋白酶体伴侣亚基可与包涵体共定位，并能促进 mutant $\mathrm{HTT}$ 与 ataxin-3 的聚集，提示“PQC 只会抑制聚集”的直觉并不总成立。⁷

• Enroll-HD 等队列显示，36–39 重复的“降低外显性”人群发病呈缓慢上升的累积风险（70 岁时，38 重复携带者的累积发病概率约 32%，39 重复约 68%），未见绝对突变式跳变，更像陡峭的 S 形曲线。⁸
• 40–42 重复的“晚发”患者与常规 40–42 重复群体在症状和进展上无显著差异，提示在阈值以上风险主要是连续变化，环境和修饰基因决定方差。⁹

1.2.2 分子层面：存在阶跃式相变特征

• 成核阶数跃迁：体外简单 polyQ 肽的关键核团簇大小在 Q23–Q26 出现阶跃：Q 从 26 降到 23 时，$N^{*}$ 由单体核变为二聚体核再到四聚体核，使短 Q 的聚集显著变慢；反过来 Q 增至 ≥26 时可由单体直接成核并明显加速，带来“相变感”。¹⁰¹¹
• 聚集速率陡增：β-折叠概率和聚集速率在 Q36–40 附近提升 1–2 个数量级，与临床阈值共振；同时正常长度 polyQ 还能作为“助核剂”加速长链聚集，放大该阶跃效应。¹²¹³
• 浓度驱动的相分离：mHttex1 形成 M/S/F 三相（单体/球形寡聚体/纤维）存在尖锐浓度边界，并被 profilin 等配体左右，提示相变式分区是浓度与长度共同决定的。¹⁴

临床风险随 CAG 主要呈连续陡峭曲线，分子聚集动力学在 Q23–26、Q36–40 存在阶跃或类相变特征，两层信息应同时纳入模型。

本文主题：系统整理polyQ疾病的长度依赖模型

多聚谷氨酰胺（polyQ）疾病是一组由CAG重复序列扩增引起的神经退行性疾病，其核心特征是致病性与polyQ长度高度相关。从临床预测到分子机制，长度作为唯一明确的遗传参数，贯穿了疾病风险、发病年龄、蛋白构象、聚集动力学和细胞毒性等多个尺度。

然而，现有文献中关于长度依赖性的描述往往是定性的（如重复越长则发病越早），缺乏可直接用于定量建模的数学公式、参数范围和函数形式。本文档的目标是填补这一gap：系统整理polyQ疾病的长度依赖模型，将分散在临床研究、生物物理和细胞生物学中的定量关系，统一写成可复用的函数、速率方程和参数建议。

本文特别关注以下几个核心问题：

1. 长度如何作为自变量进入预测模型？ 从临床的Weibull分布到分子动力学的指数增长
2. 哪些参数具有明确的Q长度依赖？ 如成核速率、相分离临界浓度、降解速率等
3. 如何实现跨尺度耦合？ 将分子层面的长度依赖性质映射到临床时间轴
4. 当前的研究缺口在哪里？ 哪些函数关系尚未建立，哪些参数尚未测定

通过整理这些模型，我们希望为研究者提供一套可直接用于仿真、参数拟合和实验设计的工具集，并推动polyQ疾病研究从定性描述向定量预测转变。

2. 临床与群体级模型

2.1 Huntington病（HD）

2.1.1 发病年龄（AO）预测模型

Weibull 生存模型（Langbehn 2004）

Langbehn 模型假设 AO（age of onset，发病年龄）服从 Weibull 分布（一种用于生存分析的参数分布，可描述随时间变化的风险），log-scale 参数 $\mu = 0.053 \times (\text{CAG} - 35.5)$（$\mu$ 为位置参数，控制分布中心位置），形状参数 $k = 20.2$（$k$ 控制分布形状和危害率随时间的变化），允许根据 CAG 重复数计算任一年龄的累积分布函数（cumulative distribution function, CDF）并驱动危害函数（hazard function，描述在某一时刻发病的瞬时风险）。¹⁵

用更标准的Weibull生存分析写法，可把“给定CAG长度的发病年龄分布”写成生存函数 $S(t\mid Q)$、累积发病概率 $F(t\mid Q)$ 与瞬时危害率 $h(t\mid Q)$。如果用 $\mu(Q)$ 表示 log-scale 参数，则可取尺度参数 $\lambda(Q)=\exp[\mu(Q)]$：¹⁵

在Weibull分布下：

对应的危害函数为：

公式的通俗解释

这组公式的用途是把遗传长度 $Q$ 直接映射成任意年龄 $t$ 的发病风险：$F(t\mid Q)$ 给出到 $t$ 岁之前已经发病的累计概率，$S(t\mid Q)$ 给出到 $t$ 岁仍未发病的概率，$h(t\mid Q)$ 则描述在 $t$ 附近的瞬时发病风险随年龄如何变化。参数 $k$ 主要控制风险曲线是否随年龄变陡，$\lambda(Q)$ 则把整条风险曲线沿年龄轴平移并随 $Q$ 改变。

概率密度函数：

\(\begin{aligned} &f(x ; \lambda, k)= \begin{cases}\frac{k}{\lambda}\left(\frac{x}{\lambda}\right)^{k-1} e^{-\left(\frac{x}{\lambda}\right)^k} & x \geq 0 \\ 0 & x<0\end{cases}\\ &\text { 其中，} x \text { 是随机变量，} \lambda>0 \text { 是比例参数（scale parameter），} k>0 \text { 是形状参数 } \end{aligned}\)

https://zh.wikipedia.org/zh-cn/%E9%9F%A6%E4%BC%AF%E5%88%86%E5%B8%83

分段 YTO 公式

同一研究还提供了基于TRACK-HD/Enroll-HD队列拟合的距发病年份预测模型：¹⁵

公式的通俗解释

方程以CAG重复数 $Q$ 为自变量，输出预估的距发病年份 $\mathrm{YTO}$。

分段特征

在 $Q\le 44$ 时，斜率约为 $-0.89$；当 $Q\ge 45$ 时，斜率陡增到约 $-1.49$，意味着每多1个重复，平均发病年龄额外提前约1.5年。系数来源于 TRACK-HD/Enroll-HD 队列拟合，可直接用于人群风险模拟和个体化随访。

对数线性 AO 回归（Lee 2012）

在纳入正常等位基因后可写成：¹⁶

公式的通俗解释

这个公式预测HD患者的发病年龄。其中 $\beta_0$ 为截距常数，$\text{CAG}{\mathrm{exp}}$ 为扩增的病理性等位基因的CAG重复数，$\text{CAG}{\mathrm{norm}}$ 为正常等位基因的CAG重复数。

核心规律

系数 $-0.049$ 表示病理性CAG每增加1个重复，$\ln(\mathrm{AO})$ 降低 $0.049$（即发病提前）；系数 $+0.013$ 表示正常等位基因具有缓冲作用，$\text{CAG}_{\mathrm{norm}}$ 越长，AO 略微推迟。

体细胞扩增噪声项（Swami 2009）

纹状体（striatum）与皮质（cortex）样本显示，独立测得的体细胞扩增量（somatic expansion, SE，指CAG重复在有丝分裂后神经元中的进一步扩增）与 AO 呈线性关系（每 SD 扩增约对应 AO 提前 3.3 年），可作为 length-dependent 噪声项：⁵

公式的通俗解释

这个公式解释为什么具有相同遗传CAG长度的患者发病年龄会有差异。其中 $\text{CAG}_{\mathrm{germline}}$ 为生殖细胞遗传的CAG长度，$\mathrm{z}(SE)$ 为体细胞扩增量的标准化值（z-score，以标准差SD为单位）。

核心规律

脑组织中的CAG会持续扩增，每多1个标准差的体细胞扩增，发病年龄会额外提前约3.3年（文献报道为约$2$–$4\,\mathrm{年/SD}$，$3.3$为中值近似）。这解释了同一家族内、相同CAG长度患者AO的个体差异。

指数衰减备选模型（Poirier 2002，待验证）

除上述主流模型外，文献中还提出了指数衰减模型：¹⁷

公式的通俗解释

该式把发病年龄写成随CAG长度指数衰减的形式：每多1个重复，$AO_{\mathrm{alt}}$ 按因子 $\mathrm{e}^{-0.0662}$ 缩短。

注意

因缺乏同行评审，仅作模型对照，不替代上述主流分段/对数线性模型。

另一版本为：

斜率更缓（-0.0363）；若使用，可与分段/对数线性模型交叉验证，评估是否过度拟合或低估高 Q 区域风险。

2.1.2 遗传修饰因子

HTT1a 转录本（Hoschek 2024）

HTT1a 是一种通过不完全剪接（aberrant splicing）产生的仅含 exon 1 的短转录本，由于exon 1到exon 2的剪接受阻，随后在intron 1中切割并加尾，最终翻译成高度聚集和毒性的exon 1蛋白片段。HTT1a/HTT（全长huntingtin转录本）比例随 CAG 每增加 10 个重复上升约 0.15，可作为毒性剂量代理，纳入多层贝叶斯模型：¹⁸

公式的通俗解释

这个公式预测异常剪接产物HTT1a相对于全长HTT的比例。HTT1a是一种仅含exon 1的短转录本，翻译后形成高度聚集和毒性的片段，是HD病理的关键驱动因素。

核心规律

HTT1a/HTT比例随CAG长度线性增加，系数$0.015$表示CAG每增加10个重复，HTT1a比例上升约$15\%$。其中$\epsilon$为个体间变异的误差项，反映不同患者剪接效率的差异。

m6A RNA修饰调控

METTL3（m6A甲基转移酶复合物的核心催化亚基）和YTHDF1/3（m6A阅读蛋白，识别并调控m6A修饰的mRNA）上调会抑制 HTT1a 的翻译或稳定性，等效于在 HTT1a 方程添加负反馈项 $-k_{m6A} \times \text{METTL3}{\mathrm{act}}$，其中 $k{m6A}$ 为m6A介导的HTT1a抑制速率常数，$\text{METTL3}_{\mathrm{act}}$ 为METTL3的活性水平。该机制提示m6A修饰是调控HTT1a毒性的潜在治疗靶点。¹⁹

2.1.3 疾病进展与神经影像

• 神经元层读数：皮层组织中体细胞扩增与萎缩速度的共变，提示在 state-space 模型中需把 SER（somatic expansion ratio）与 MRI 体积变化耦合。⁶

2.2 其他polyQ疾病

SCA（spinocerebellar ataxia，遗传性脊髓小脑性共济失调）是一组常染色体显性遗传的小脑变性病，编号 1、2、3、6、7、17 等对应不同致病基因，其中多种属于 polyQ 扩增疾病。

2.2.1 SCA1 / SCA2 / SCA3 / SCA6

• 对数 AO 回归：四种 SCA 的最佳模型均为：²⁰

公式的通俗解释

这个公式形式与HD的对数线性模型一致，但不同SCA疾病的系数差异显著，反映了不同polyQ蛋白对CAG长度的敏感性不同。

具体系数

• SCA1（$\beta_1=-0.049$，$\beta_2=+0.013$）：系数数值与HD模型巧合一致，但来自 Tezenas du Montcel 2014 的独立回归；正常等位基因同样表现为缓冲作用。²⁰¹⁶
• SCA2（$\beta_1=-0.105$）：对CAG长度最敏感，病理性CAG每多1个重复的影响约为亨廷顿病的2.1倍
• SCA3（$\beta_1=-0.056$）：对CAG长度的敏感性略高于亨廷顿病
• SCA6（$\beta_1=-0.090$，$\beta_2=-0.029$）：特殊的是正常等位基因系数为负，表明正常等位基因的CAG重复越长，发病越早

这些系数可直接用来比较不同polyQ蛋白对AO的敏感度。

• 功能退变速率与生存危害（EUROSCA 队列）：²¹²²

说明：SARA（Scale for the Assessment and Rating of Ataxia）是评估共济失调严重度的 8 项量表，总分 0–40 分，分数越高表示症状越重，常用于 SCA 等小脑变性疾病的纵向随访。

解释：$\mathrm{Pr}(\text{juvenile})$ 表示少年型表型概率（青少年起病，常见肌阵挛性癫痫及快速退化），$\sigma$ 为 logistic 函数；当 $Q=63$ 时概率为 0.5，$Q$ 每增加 1，概率按 sigmoid 曲线陡增。

2.2.2 SCA7

• AO vs CAG：在 25 家族 131 名患者中，AO 与 CAG 呈强负相关（$r=-0.84,\,p<0.001$），拟合线约 $AO = 102 - 1.7 Q$；强调 retina/脑干受累的急剧斜率。²³
• 疾病阶段模型：将 AO、一年内病程与呼吸功能分阶段建模显示，CAG 长度决定3个阶段间的转移概率，尤以 >60Q 者迅速进入 Stage 2–3，可构建 Markov chain。²⁴
• 眼科指标：角膜内皮细胞密度（ECD）与 CAG 呈线性下降（$\mathrm{ECD} \approx 3171 - 48\times Q$），可把视网膜病程量化为长度函数。²⁵

2.2.3 SCA17

• 线性穿透力：多中心队列显示 AO 与 CAG 呈负线性，约 47 重复是成人与少年表型分界，可写成 \(AO = 119 - 1.4 Q\) 近似式。²⁶
• 脑结构关联：体素基形态学（VBM）分析发现，小脑灰质体积与 CAG 呈线性递减（$R^2=0.33$），为三维结构模型提供约束。²⁷

2.2.4 Dentatorubral-pallidoluysian atrophy (DRPLA)

• 表型分类：重复数 62–79 对应少年肌阵挛性癫痫表型，49–71 对应痴呆/共济失调，提供了piecewise 逻辑映射²⁸ \(\mathrm{Pr}(\text{juvenile}) = \sigma(0.37(Q-63))\)

• AO 与 CAG：AO 与 CAG 负相关（$r=-0.696,\,p<0.001$），回归式约 \(AO = 132 - 1.7 Q\)。²⁹

• 疾病里程碑：CAG 长度越高，步行/轮椅/死亡的转换时间越短；每增加一个重复，步行→轮椅时间缩短 0.26 年，可直接用于多状态模型。³⁰

解释：$\mathrm{Pr}(\text{juvenile})$ 表示少年型表型概率，$\sigma$ 为 logistic 函数；当 $Q=63$ 时 $\mathrm{Pr}=0.5$，$Q$ 每增加 1，概率按 sigmoid 曲线陡增。

2.2.5 Spinal and bulbar muscular atrophy (SBMA)

• Meta 模型：系统回顾 1,317 名患者显示 AO 与 CAG 呈线性（slope ≈ -1.3 年/Q），$R^{2} \approx 0.34$。³¹
• 人群数据：韩国157例回归式$AO = 92.7 - 1.21 Q$（$r=-0.407$），肌力（MRC）和功能（ALSFRS-R）与CAG亦呈显著负相关。³²
• 内分泌调制：多元回归揭示血清睾酮、SHBG 与 CAG 共同解释握力/行走时间差异，可建模为：³³

公式的通俗解释

这个公式揭示了SBMA疾病特有的激素调控机制。SBMA由雄激素受体（AR）基因中的polyQ扩增引起，因此激素水平会显著影响疾病表型。

其中 $\alpha$ 为截距常数，$Q$ 为CAG重复数，$T$ 为血清睾酮水平，$\text{SHBG}$ 为性激素结合球蛋白水平。

核心规律

CAG每多1个重复，肌力下降0.35个单位，但这个效应可以被激素水平调控。系数 $\beta$ 和 $\gamma$ 分别表征睾酮和SHBG对肌力的影响，提示内分泌治疗可能是SBMA的潜在干预靶点。

2.2.6 跨疾病比较

| 疾病 | 模型类型 | 长度效应示例 | | — | — | — | | SCA1 | $\ln(AO)$ 线性、多态 hazard | -0.049 per repeat (AO), HR 1.06 | | SCA2 | $\ln(AO)$ 线性 | -0.105 per repeat, HR 1.16 | | SCA3 | logistic AO + progression | -0.056 per repeat, SARA +0.03/yr/repeat | | SCA6 | 超线性（正常等位基因也显著） | $\beta_{\exp}=-0.090$, $\beta_{\mathrm{norm}}=-0.029$ | | SCA7 | AO & 眼科线性 | $r=-0.84$, ECD -48 cells/Q | | SCA17 | AO 线性 + VBM | AO slope ≈ -1.4 年/Q | | DRPLA | piecewise phenotype, milestone hazard | juvenile σ(0.37(Q-63)) | | SBMA | AO 线性 + 激素交互 | AO slope -1.21 年/Q，strength 公式见上 |

2.3 参数速查表

3. 分子尺度模型

3.1 Httex1结构与构象动力学

3.1.1 结构域组成与功能

Huntingtin exon 1（Httex1）由三个主要结构域组成：

• N17结构域：前17个氨基酸，形成两亲性α-螺旋结构。该结构域在脊椎动物中高度保守，可插入脂双层膜，促进mHttex1聚集。N17的两亲性螺旋性质使其既能与膜相互作用，也能介导蛋白-蛋白相互作用。³⁴³⁵³⁶

• PolyQ核心区：可变长度的谷氨酰胺重复序列，是HD及其他polyQ疾病的致病核心。PolyQ区在病理性长度（Q>35）时采用长α-螺旋构象，由谷氨酰胺侧链到骨架氢键传播和稳定。该区域的长度直接决定聚集倾向和疾病严重程度。³⁷

• PRD（proline-rich domain）：富含脯氨酸的C端结构域，包含P10和P11两段polyproline序列，由短的富脯氨酸序列连接。PRD通常形成不完美的polyproline II（PPII）螺旋构象，在纤维表面占据显著比例，参与蛋白-蛋白相互作用和疾病病理。³⁴

这三个结构域的协同作用决定了Httex1的整体构象、聚集动力学和细胞毒性。

3.1.2 单体构象特征

α-螺旋稳定性

• 局部构象能量：固体 NMR + 分子动力学表明，N17（huntingtin exon 1的前17个氨基酸，形成两亲性α-螺旋结构域）α-螺旋稳定性与 polyQ 长度呈正相关，PRD（proline-rich domain，富含脯氨酸的C端结构域，包含P10和P11两段polyproline序列）的构象熵与毒性表型强相关，提示能量函数可写成：³⁴

公式的通俗解释

这个能量函数描述了Httex1蛋白单体的构象稳定性如何随polyQ长度和flanking区域的构象变化。

其中 $E_0$ 为基础能量，$\alpha_{N17}$ 为N17螺旋稳定性对Q长度的敏感系数（在本符号约定下，若Q变长使N17稳定化并降低能量，则 $\alpha_{N17}<0$），$\beta_{PRD}$ 为PRD构象熵的能量权重，$\Delta S_{PRD}$ 为PRD相对于参考态的构象熵变化。

核心规律

随着polyQ长度增加，N17结构域的α-螺旋更稳定，同时PRD的构象灵活性变化也会贡献能量，这两个flanking区域的构象变化共同影响蛋白的整体稳定性和聚集倾向。

参数符号提示：在上式约定下，若N17稳定化使能量降低，则 $\alpha_{N17}<0$；若Q变长增强聚集驱动力并降低 $\Delta G_{\mathrm{agg}}$，则 $\beta_Q<0$。

• 跨域互作 $k_{\mathrm{off}}$：多域 NMR（DEST/CPMG）测得 N17–PRD 相互作用的解离速率常数从 Q25 的约 $20\,\mathrm{s^{-1}}$ 降到 Q46 的约 $8\,\mathrm{s^{-1}}$，说明 polyQ 拉长强化跨域瞬时互作，使单体更紧凑，可用于多状态马尔可夫模型。已公开实验仅有 Q25 与 Q46 两点；Q30–Q80 尚无实测 $k_{\mathrm{off}}$。长时程 MD（Mohanty 2025）与 EPR 模拟均预测更长 Q 会进一步降低 $k_{\mathrm{off}}$，但缺少实验数值，属待补数据。³⁸

α-螺旋稳定性作为主导因子（来自2023年研究）

Elena-Real等（2023）通过位点特异性同位素标记NMR揭示，病理性httex1（Q46和Q66）的polyQ区采用长α-螺旋构象，由谷氨酰胺侧链到骨架氢键传播和稳定。整合数据分析表明，α-螺旋稳定性是比Q数量更强的聚集动力学和纤维结构特征。该发现提示在能量函数中应优先考虑螺旋稳定性项：

聚集驱动力随 Q 增强，故在 $\Delta G_{\mathrm{agg}} = \Delta G_{\mathrm{helix}} + \beta_Q \times Q + \Delta G_{\mathrm{flank}}$ 中，$\beta_Q<0$，可用 −0.02 至 −0.08 $\,\mathrm{kcal\cdot mol^{-1}\cdot Q^{-1}}$ 作为初始量级。此符号方向与固体 NMR/SMFRET 及 Mohanty 2025 长时程 MD 预测一致。

公式的通俗解释

该式表明聚集驱动力由三部分组成：其中 $\Delta G_{\mathrm{helix}}$ 为螺旋稳定化能（负值表示稳定），对聚集速率的贡献大于线性Q项。³⁷

核心规律

聚集驱动力 = 螺旋稳定能（越稳定越易聚集）+ Q长度线性项 + flanking序列贡献。螺旋稳定能主导，意味着即使Q数相同，螺旋更稳定的变体也更易聚集。

超紧密单体态

smFRET（单分子荧光共振能量转移，可测量蛋白末端间距离）+ 分子动力学显示，Httex1 的回转半径（radius of gyration, $R_g$，衡量蛋白整体尺寸）与 Q 长度遵循标度律 $R_g \propto Q^{\nu}$，其中 $\nu \approx 0.22$，明显低于典型球状蛋白（$\nu \approx 0.33$）或无序链（$\nu \approx 0.5$，理想链），源于谷氨酰胺侧链的高密度内聚氢键网络形成超紧密构象。该异常低的标度指数表明polyQ蛋白并非典型的无序蛋白。参数 $\alpha \approx 2.62$Å 的来源待补充验证。³⁹

单体 $\beta$ 倾向与能垒

• Vitalis 等的分子模拟指出，单体 polyQ 形成 $\beta$-rich 状态的自由能代价可达 $10$–$20\,\mathrm{kcal\cdot mol^{-1}}$，且长度依赖并不支持“单体 $\beta$ 核”随长度显著变得容易的简单图景，更合理的解释是 $\beta$-sheet 更像“肽富集相”中的属性。⁴⁰
• Jakubek 等用 UVCD 等手段显示，polyQ 的溶液态构象分布会随重复长度偏移，长度增加可提高 $\beta$-strand 倾向的占比，从统计意义上降低“找到成核构象”的等待时间，可作为“滞后期随 Q 指数缩短”的分子起点（推断）。⁴¹

3.1.3 浓度依赖的结构转变

非病理性HttEx1-17Q的浓度依赖结构转变（Yoo 2025）

Yoo等（2025）通过NMR、CD、TEM和AFM系统研究了非病理性HttEx1-17Q在不同浓度下的结构转变：单体在低浓度下以无序为主，随浓度升高经历无序→螺旋→β结构的多重转变，这种重排可加速短淀粉样纤维成核。该发现为理解聚集早期事件提供了浓度阈值参数，可写成分段函数：

其中 $c_1$ 和 $c_2$ 为实验测定的临界浓度（HttEx1-17Q约在 μM 量级）。⁴²该式描述蛋白构象随浓度的分段变化，$c_1$ 和 $c_2$ 是两个临界浓度阈值，可从CD光谱和ThT荧光实验确定。

需要强调：这种分段写法是对给定实验条件下的经验近似，并不必然对应严格意义上的数学不连续。多种polyQ体系中确实常见在某段长度或浓度区间变得更陡的现象，但更常见的解释是连续但高度非线性的加速叠加机制切换（例如成核阶数变化），从而呈现类似阈值的观感。¹²

3.2 聚集动力学

PolyQ蛋白的聚集是一个多步骤、多尺度的复杂过程，从单体的构象转变开始，经历成核、寡聚化、纤维延伸，最终形成成熟的淀粉样纤维。这一过程的动力学特征高度依赖于polyQ长度，并在Q23-26和Q35-40两个关键阈值处表现出显著的非线性转变。

本节系统梳理聚集动力学的核心机制，整合实验测量、计算模拟和临床数据，构建从分子到疾病的定量连接。

3.2.1 成核机制：从单体到临界核

成核是聚集过程的限速步骤，决定了聚集的滞后期和整体速率。PolyQ成核的独特之处在于其长度依赖的阶数跃迁和自毒性机制，这些特征共同塑造了疾病的阈值效应。

成核动力学常数与能垒

对Q47肽段的热力学/动力学解析测得关键参数：⁴³

• 二级聚集速率常数：$k_{+} \approx 1.14 \times 10^{4}\,\mathrm{M}^{-1}\,\mathrm{s}^{-1}$
• 核形成平衡常数：$K_{n^*} = 2.6 \times 10^{-9}$
• 核形成自由能：$\Delta G_{n^*} \approx +12.2\,\mathrm{kcal\cdot mol^{-1}}$

正值的自由能表明成核是热力学不利过程，需要跨越显著能垒。该体系支持单体核（$n^*\approx 1$）的解释框架。

成核时间的指数依赖关系

HD患者数据分析和polyQ肽实验表明，成核滞后期与Q长度呈指数关系。在半对数坐标图上，成核时间对Q长度呈线性下降趋势：

这一现象表明成核速率随polyQ长度指数增长。Perutz等人最早提出假说：单体形成临界β-结构核的概率随链长指数增长，因为每个额外的谷氨酰胺都增加了形成稳定β-sheet核心的机会。

实验观察

• 病理性长度polyQ（如HTTex1 Q46）：聚集时间尺度为小时至天
• 正常长度polyQ（Q<35）：可保持溶解状态数周至数月
• 发病年龄在Q35-40附近急剧下降，反映了聚集倾向的陡增

这种指数关系解释了为何Q长度微小的增加（如从36到40）会导致发病年龄的巨大差异。

经典成核-延伸方程

这些参数可直接参数化到经典成核-延伸模型：

其中：

• $k_n$：成核速率常数，与$K_{n^}$相关：$k_n \propto k_{+}^2 K_{n^}$
• $n^*$：临界核尺寸（Q47约为1）
• $[M]$：单体浓度
• $[F]$：纤维末端浓度

第一式描述单体通过成核和延伸消耗，第二式描述纤维末端通过成核产生（因子2表示每个核有两端）和延伸增加。

成核阶数的长度依赖跃迁

Wetzel团队对双赖氨酸封端的polyQ肽（如$K_{2}Q_{n}K_{2}$）的系统研究揭示了成核阶数在Q23-26区间的离散跃迁：¹⁰¹¹

• Q≤23时需要四聚体核：短链polyQ（Q≤23）需要形成四聚体核（$N^{*}=4$）才能启动淀粉样生长，多个单链必须协同聚集才能克服成核能垒，导致聚集速率显著降低
• Q25附近过渡为二聚体核：在Q25附近，成核阶数从四聚体平滑过渡到二聚体（$N^{*}\approx 2$），所需协同的单链数量减少，成核效率相应提高
• Q≥26以单体核为主：当polyQ长度达到或超过26个谷氨酰胺时，单体即可作为成核核心（$N^{*}\approx 1$），无需多链协同，成核速率大幅提升并呈现明显的加速效应

即使在$N^{}\approx 1$的长链区间，聚集速率仍随Q继续上升，因为成核效率项$k_{+}^{2}K_{N^{}}$对Q呈非线性增强，产生类似相变的加速效应。

此外，临床数据驱动的动力学映射也把“重复长度依赖的成核”与“成核依赖的延伸”区分开来，支持长度效应主要由成核步骤主导的建模框架。⁴⁴

重要区分

Q23-26的阶跃主要描述体外简单polyQ肽的物理转折区，并不等同于HD的临床致病阈值（Q36-40）。更高的临床阈值很可能来自flanking区域（N17、PRD）、细胞环境与体内稳态网络对能垒的再塑形。

多长度 Httex1 的实测动力学数据（Vieweg 2016）

Vieweg 等使用 intein 纯化获得 tag-free Httex1，并对多种 Q 长度在统一条件下做 ThT 动力学与电镜表征，给出了一组可直接用于拟合的长度依赖数据矩阵。⁴⁵

以 $15\,\mathrm{\mu M}$、$37\,^{\circ}\mathrm{C}$ 的典型条件为例：

所以这是突变？我没看原文

Q 增长不仅缩短聚集时间，还缩短终态纤维平均长度，提示长度同时改变成核与碎裂/封端动力学（推断）。⁴⁵

临界浓度与能量分解（Sahoo 2014，Httex1–Q23/Q42）

Sahoo 等用化学合成的全长 Httex1（含 PRD）直接比较 Q23 与 Q42 的聚集过程，并把平衡态单体浓度写成临界浓度 $C_r$。该工作给出了多个构建的 $C_r$，使得 flanking 区域对稳定性的贡献可以转成 $\Delta\Delta G$：⁴⁶

• Httex1–Q23 的 $C_r = 0.44\pm0.13$ μM。
• HTT$^{NT}$Q23P10K2 的 $C_r = 0.28\pm0.11$ μM。
• K2Q23K2 的 $C_r = 3.0$ μM（文中引用既往结果）。
• HTT$^{NT}$Q23K2 的 $C_r \le 0.1$ μM（受检测限约束）。

基于这些 $C_r$，作者估算：HTT$^{NT}$ 对 Q23 纤维稳定性贡献至少 $2.2\,\mathrm{kcal\cdot mol^{-1}}$，而 PRD 对稳定性贡献至少 $0.9\,\mathrm{kcal\cdot mol^{-1}}$ 的去稳定化。⁴⁶

同时，该工作还提供了两个对“长度→动力学”建模很关键的事实：

• 早期出现球形寡聚体（约 100–600 个分子）与短 protofibril（约 500–2600 个分子）。⁴⁶
• 成熟纤维的解聚与重新达到平衡是一个月量级的过程。⁴⁶

β-螺旋几何约束与Q35-40阈值

计算模拟与结构研究提示，Q35-40临床阈值可能源于β-螺旋形成的几何要求：

• β-螺旋每转包含约18.5±2个残基，因此要形成稳定β-螺旋，通常需要约33-40个谷氨酰胺残基
• 模拟对比显示，Q25在所测试温度范围内难以形成稳定β-螺旋，而Q45在更宽温度范围内可稳定形成β-螺旋
• 随机线团→平行β-螺旋的构象转变更倾向发生在超过约37个谷氨酰胺残基的肽段

这一几何约束与临床表型吻合：$Q<35$通常不致病，$35\le Q\le 39$可能致病，$40\le Q\le 60$多为成人发病，$Q>60$与少年型HD相关。来源

建模意义

β-螺旋形成可作为构象转变的order parameter，临界长度$Q_c \approx 37$对应β-螺旋稳定性的相变点。成核速率可表示为：

其中$k_0$为参考速率，$\gamma$控制长度敏感度，$Q_c$为经验阈值（约35-40）。指数型形式表示一旦Q超过阈值，成核速率呈倍数级飙升，对应临床上更长CAG重复往往更早发病的现象。⁴⁷

自毒性机制与steric zipper结构

Kandola等（2023）使用细胞内直接报告系统揭示了polyQ成核的自毒性机制：来源

核心发现

• 病理性polyQ成核涉及steric zipper结构：polyQ核形成涉及每隔一个位置的三个谷氨酰胺残基段，编码四链steric zipper结构，侧链交叉指状排列形成稳定的疏水核心，这种特殊结构是病理性聚集的关键分子基础
• 临界长度对应结构完成：polyQ需要折叠成由四个互锁链组成的zipper形状才能成核，形成该完整steric zipper结构所需的长度正好对应引起神经退行性疾病的临界长度，解释了为何存在明确的致病阈值
• 自毒效应抑制纤维生长：polyQ倾向于以阻碍生长的方式结合到已形成的核上，这种自毒作用在短链时占主导地位，抑制聚集体的进一步生长和延伸

这种自毒性可表示为核生长的抑制项：

其中$[N]$为核浓度，$[M]$为单体浓度，$k_{\mathrm{poison}}$为自毒速率常数。在$Q < Q_c$时，自毒项占主导，抑制聚集；在$Q \ge Q_c$时，成核项占主导，聚集加速。⁴⁷

能量景观的长度依赖转变

能量景观理论的计算预测揭示了Q40附近的热力学相变：来源

• 短链片段（Q20或Q30）聚集热力学不利：Q20或Q30的Httex1片段grand canonical自由能曲线向上（uphill），表示聚集过程需要克服显著的自由能壁垒，因此在热力学上不利于自发聚集
• 临界长度片段（Q40）聚集变为自发过程：Q40片段的聚集景观转变为向下（downhill），意味着聚集体比单体更稳定，聚集过程在热力学上成为自发过程，这一临界长度与HD发病的临床阈值高度一致

这为阈值效应提供了热力学基础：Q≥40时，聚集从动力学控制转为热力学驱动。自由能可表示为：

其中$Q_c \approx 37$，当$\Delta G_{\mathrm{agg}} < 0$时聚集downhill。良性与病理长度的核形成自由能差$<1\,\mathrm{kcal\cdot mol^{-1}}$，解释了为何阈值附近的微小长度变化会导致显著的表型差异。⁴⁸

毒性饱和效应

患者数据的数学建模提示，随polyQ长度增加，polyQ蛋白水平的增加对毒性的贡献递减，表明毒性饱和：来源

其中$EC_{50}$随Q长度降低，Hill系数$n$描述陡峭度。该模型解释了为何更长polyQ在较低表达水平即引起毒性。

热力学机制：熵焓平衡与溶剂效应

polyQ聚集的热力学反映了熵-焓平衡的精细博弈：

熵的代价

• 从无规卷曲形成有序β-sheet导致巨大的构象熵损失（$-T\Delta S > 0$）
• 柔性链变成刚性结构化链，熵损失大致与链长成正比
• 对于短polyQ，熵损失主导自由能，使聚集不利

焓的增益

• 在polyQ淀粉样中，每个谷氨酰胺可形成多个氢键（骨架-骨架和侧链-侧链）
• 高度互插的polar zipper排列释放能量，降低聚集体相对于溶剂化单体的焓
• 谷氨酰胺侧链的酰胺基团从与水氢键转变为彼此氢键：以水换谷氨酰胺

溶剂熵的贡献

• 释放有序水分子产生有利的溶剂熵（$+\Delta S_{\mathrm{solvent}}$）
• 进一步补偿构象熵损失

净自由能变化

其中：

• $\Delta H_{\mathrm{HB}} < 0$：氢键形成焓增益（有利）
• $-T\Delta S_{\mathrm{conf}} \gg 0$：构象熵代价（不利）
• $T\Delta S_{\mathrm{solvent}} > 0$：溶剂熵增益（有利）

关键物理图像

需要达到临界尺寸才能在能量上获益——在此之前，小组装或单链无法补偿熵代价；在此之后，每个添加的单体实际上进一步降低自由能（使更大聚集体更稳定）。这一概念体现在Q40的downhill自由能曲线与Q20的uphill曲线对比中。

3.2.2 从寡聚体到纤维：生长动力学

成核之后，聚集过程进入纤维生长阶段，包括四聚体转化、纤维延伸和二级成核三个关键步骤。这些过程的速率常数已通过多种实验技术精确测定，为定量建模提供了坚实基础。

统一动力学模型与关键速率常数

针对Q35 Httex1的系统研究建立了统一动力学模型，给出三个关键速率常数：⁴⁹

• 四聚体转化速率：$k_c = 0.07 \pm 0.01\,\mathrm{h}^{-1}$（描述预成核四聚体向聚集活性态转化）
• 二级成核速率：$k_s = 0.30 \pm 0.04\,\mathrm{M}^{-1}\mathrm{h}^{-1}$（纤维表面催化新核形成）
• 纤维延伸速率：$k_{+} = 6.4 \pm 0.6 \times 10^5\,\mathrm{M}^{-1}\mathrm{h}^{-1}$（单体添加到纤维末端）

该模型还包含自毒性剪枝项$k_{\mathrm{poison}}$，描述polyQ单体以生长抑制方式结合到纤维核心。

完整动力学方程组

\(\begin{aligned} \frac{\mathrm{d}[M]}{\mathrm{d}t} &= -k_c[T_4] - 2k_{+}[M][F] - k_s[M][F] - k_{\mathrm{poison}}[M][N], \\ \frac{\mathrm{d}[T_4]}{\mathrm{d}t} &= K_{\mathrm{tetra}}[M]^4 - k_c[T_4], \\ \frac{\mathrm{d}[N]}{\mathrm{d}t} &= k_c[T_4] + k_s[M][F] - k_{\mathrm{poison}}[M][N], \\ \frac{\mathrm{d}[F]}{\mathrm{d}t} &= k_{+}[M][F]. \end{aligned}\)

其中：

• $[M]$：单体浓度
• $[T_4]$：四聚体浓度
• $[N]$：成核种子浓度
• $[F]$：纤维末端浓度（可延伸末端）
• $K_{\mathrm{tetra}}$：四聚化平衡常数

方程解释

1. 单体消耗（第一式）：单体通过四条路径减少
   • 四聚体转化为活性核（$k_c[T_4]$）
   • 纤维两端延伸（$2k_{+}[M][F]$，因子2表示两端）
   • 纤维表面二级成核（$k_s[M][F]$）
   • 自毒性结合到核上（$k_{\mathrm{poison}}[M][N]$）

2. 四聚体动力学（第二式）：四聚体由单体快速平衡形成（$K_{\mathrm{tetra}}[M]^4$），缓慢转化为活性核（$k_c[T_4]$）

3. 成核种子生成（第三式）：核由四聚体转化和二级成核产生，被自毒性抑制

4. 纤维生长（第四式）：纤维末端数量随延伸增加

Native httex1Q35通过四级一级成核聚集（与预成核四聚化一致），耦合一级二级成核，形成复杂的聚集网络。这些参数可直接用于常微分方程（ODE）或动力学蒙特卡罗（KMC）模拟。来源

N17自组装界面与高阶多聚体

Mishra等（2024）通过丙氨酸扫描和蛋白对接（ClusPro）鉴定了httN17四聚体上的自组装界面。⁵⁰

• 该对称界面可能介导四聚体进一步组装为八聚体乃至更高阶多聚体，从而提供可被动力学模型显式表示的寡聚化路径。
• 该界面把新生polyQ链带到更接近的位置，提高局部有效浓度与空间约束，有利于跨链氢键网络形成并加速聚集。
• 多个Ala替换会增强螺旋度和/或聚集，提示这些残基可能构成自组装界面，可作为突变验证与配体设计的候选靶点。
• 已知exon-1聚集抑制剂的对接预测显示，配体可能接触该界面残基，从而通过干扰寡聚体装配来抑制聚集（推断）。

该发现为靶向早期寡聚体提供了结构基础，N17结构域通过促进大型结构稳定寡聚体加速聚集动力学，同时降低纤维异质性。⁵¹⁵²

纤维延伸的实时观察

高速原子力显微镜（HS-AFM）首次实现了Htt淀粉样形成中二级成核的单颗粒实时观察：来源

• 纤维elongation和secondary nucleation路径的直接可视化
• 纤维延伸显示快速生长与停滞期交替，表明复杂的生长动力学
• 纤维表面的二级成核事件可被实时追踪

这些观察揭示了纤维生长并非简单的单体逐个添加，而是涉及构象重排、表面催化和多路径竞争的复杂过程。

延伸速率与Q长度的关系

seeding实验的一个重要发现是：纤维延伸速率几乎与polyQ长度无关。

这一观察表明：

• 长度依赖性主要影响成核步骤，而非已有纤维的生长速率
• 一旦临界核形成，无论polyQ长度如何，单体添加到纤维末端的速率相似
• 不同长度的polyQ种子可以以相似速率催化聚集

这与成核时间的指数依赖形成鲜明对比，进一步强调了成核步骤是长度依赖的主要来源。

两步成核机制：从液-液相分离到有序淀粉样

模拟和实验证据支持polyQ聚集的两步机制：

步骤1：液-液相分离（LLPS），详见第四章

• polyQ链形成液态样球形寡聚体（浓密簇），这些寡聚体通过疏水相互作用和链间熵驱动自发形成，类似于油水分离中的相分离过程
• 这些寡聚体是亚稳态的，无定形且无β-结构，内部动力学性质类似液体，分子可以快速交换和重组
• 在过饱和溶液中类似于相分离成核，形成浓密相作为后续有序化的前体状态

步骤2：有序化转变

• 在浓密簇内部，缓慢的分子内重排可将某些链转变为β-sheet构象，这一构象转变是速率限制步骤，涉及氢键网络的重组
• 这一种子可启动有序纤维核的形成，一旦形成稳定的β-sheet核，纤维延伸迅速进行并最终形成成熟的淀粉样纤维
• 概念上类似于无定形寡聚体先于纤维的实验观察，解释了为何在病理条件下能观察到多种中间态结构

物理图像

这种两步机制解释了为何短polyQ寡聚体（如果存在）可能off-pathway或无害——它们无法转化为β-核，最终解离；而超过阈值的寡聚体可转化为毒性β-丰富核。

长度依赖的生长速率

尽管延伸速率本身与Q长度无关，但粗粒化MD模拟显示，Q48比Q23生长速度显著更快，且生长主要沿β-sheet延伸方向，也观察到通过steric zippering生长。⁵³ 这与实验观察一致：

• 更长的polyQ不仅成核更快，纤维延伸也更快
• 生长速率的长度依赖性可能源于β-sheet稳定性和侧链相互作用强度的增强
• Seeded聚集实验证实，Q48种子催化的聚集速率远高于Q23种子

3.2.3 Q长度依赖的动力学模型（补充：多为综述性转述，需逐条回原文复核）

Wetzel 的成核–延伸模型（定性趋势）

Wetzel 等通过多谷氨酰肽的体外纤维化实验提出成核–延伸框架，强调限速的成核步骤可视作单链进入某种有序构象的平衡，并指出该成核平衡常数会随 $Q$ 增加而上升。⁵⁴

定量测量：Chen 等的半衰期数据（待核对原文）

Chen 等测定不同长度 polyQ 肽的聚集半衰期¹：从 $Q20$ 延长到 $Q24$ 时，滞后期由约 $5$ 天缩短至约 $3$ 天，提示少量残基增加即可显著加速。⁵⁴

Dokholyan 的 $Q\approx 37$ 临界长度模拟（待核对原文）

离散分子动力学等模拟工作常提出³：当 $Q$ 超过某个临界长度（常被写作约 $Q37$）时，单链更可能自发形成稳定的 $\beta$ 结构核（例如平行 $\beta$-螺旋），从而降低成核所需的分子数并提高单分子成核几率。⁵⁴

• 短于阈值时：单链难以形成完整有序核，需多个链协同聚集才能成核。
• 长于阈值时：更长链降低成核所需分子数，并提高单分子成核概率与速率。

Crick：FCS 的构象标度指数（待核对原文）

有实验观测支持“高度塌缩”的单链图像：Crick 等的 FCS 研究报道⁵⁵ polyQ 肽的水动力半径 $R_h$ 随长度增长的指数约为 $0.32$（小于理想线团的 $0.5$），对应更塌缩的构象。⁵⁴

更塌缩的单链意味着更易自我关联并进入成核路径，这可解释为何超过临界长度后，某些动力学读数会呈现超线性加速（推断）。⁵⁴

$k(Q)$ 的经验拟合框架（占位）

在更统一的表述下，可把某个动力学参数写成 $k(Q)$ 的增函数，并用最小可辨识的函数族做拟合，例如指数或幂指数：

哪一种形式更合理，需要用同一体系下的多长度扫描数据来判别；仅有两三个长度点时，通常无法区分指数与幂律。⁵⁴

3.2.4 计算模拟方法与多尺度建模

计算模拟在揭示聚集机制、预测长度依赖性和连接分子与临床尺度方面发挥了关键作用。

Multi-eGO多尺度模拟框架

Kulshrestha等（2025）开发的Multi-eGO混合多态结构模型实现了聚集动力学与纤维多态性的统一描述：⁵¹⁵²

• 聚集模拟显示polyQ纤维通过β-turn、β-arc、β-strand组合形成高度异质性形态
• N17结构域通过促进大型结构稳定寡聚体加速聚集动力学，同时降低纤维异质性
• 早期聚集涉及两种机制：骨架相互作用驱动β-sheet形成、侧链交叉指状（interdigitation）
• 该模型可用于预测不同flanking序列对聚集路径的影响

粗粒化MD的disorder-to-order相变

Dekker等（2025）构建的校准粗粒化MD模型系统探索了从核化生长到液-固相转变的聚集路径：⁵³

• 通过调节侧链相互作用强度和氢键强度，可覆盖多种聚集机制
• Seeded聚集模拟显示，Q48比Q23生长速度显著更快
• 生长主要沿β-sheet延伸方向，也观察到通过steric zippering生长
• 模型参数可调，为探索序列变异和更广泛聚集机制提供了通用框架

聚集动力学与临床数据的定量连接

Takahashi等分析了HD患者的polyQ长度与发病年龄（AO）数据，测试多种数学模型：来源

最佳拟合模型：平方和关系

\(t_A^2 = t_N^2 + \Delta t^2\)

其中$t_A$为聚集时间（对应发病年龄），$t_N$为成核时间，$\Delta t$为延伸时间。

物理意义

该模型反映了成核生长聚合分为长度依赖的成核和成核依赖的延伸两个阶段。从成核-延伸动力学可推导：

• 成核时间呈指数依赖浓度：$t_N \propto [M]^{-n^}$，成核时间强烈依赖于polyQ长度，因为成核阶数$n^$随长度变化（长链$n^* \approx 1$，短链$n^* \approx 4$），这种指数依赖关系使得微小的Q长度变化导致成核时间的数量级差异
• 延伸时间呈线性依赖浓度：$\Delta t \propto (k_{+}[M])^{-1}$，延伸时间对浓度的依赖相对较弱，呈简单的反比关系，对polyQ长度变化的敏感度远低于成核时间

平方和形式表明成核和延伸是独立的随机过程，总时间为两者的均方根。对于长polyQ（$n^* \approx 1$），成核时间主导；对于短polyQ（$n^* \approx 4$），成核时间显著延长。

与分子参数的连接

结合前述动力学参数，可建立从分子到临床的定量关系： \(\text{AO}(Q) \approx \sqrt{\left(\dfrac{C_1}{k_n(Q)}\right)^2 + \left(\dfrac{C_2}{k_{+}(Q)}\right)^2}\)

其中$C_1$、$C_2$为与细胞环境相关的常数，$k_n(Q)$和$k_{+}(Q)$分别为长度依赖的成核和延伸速率常数。

其他测试模型（线性、倒数、指数）拟合较差，支持聚集动力学的核化-延伸框架是连接分子机制与临床表型的正确范式。

3.2.5 小结：从分子聚集到疾病发生

PolyQ聚集动力学的研究揭示了多层次的长度依赖阈值效应：

1. Q23-26阈值：成核阶数从四聚体→二聚体→单体的跃迁，体外polyQ肽的物理转折点
2. Q35-40阈值：β-螺旋几何约束、能量景观uphill→downhill转变、临床致病阈值
3. 自毒性机制：在阈值以下抑制聚集，在阈值以上加速聚集，放大阈值效应
4. Flanking区域调控：N17自组装界面和PRD构象熵共同调节聚集速率，解释体外与体内阈值的差异

这些机制共同塑造了HD的陡峭S形剂量-反应曲线：在Q35-40附近，微小的长度变化导致发病年龄的巨大差异。

多尺度建模策略

为建立从分子到临床的定量预测，需要整合多尺度数据和模型。

• 统一建模框架：用多元回归或层级贝叶斯把 $\ln(AO)$ 与 CAG 长度关联，使正常等位基因、somatic expansion、修饰基因（如FAN1、RAI1）作为协变量或随机效应进入同一模型；并把 CAG 长度写入功能读数的状态转移率（如SARA评分、眼科指标、运动里程碑、ALSFRS-R），用半马尔可夫模型捕捉长度到进展速度的差异。
• 多尺度耦合：将HD分子参数（如 $R_g \propto Q^{\nu}$ 中的 $\nu \approx 0.22$、N17-PRD解离速率常数 $k_{\mathrm{off}}$、四聚体转化速率常数 $k_c$、LLPS临界浓度、膜结合自由能 $\Delta G_{\mathrm{mem}}$）或SBMA的激素依赖项嵌入细胞或组织尺度的ODE或PDE，再用AO或功能读数做数据同化，把体外与体内数据连接到同一参数集。
• 跨蛋白比较：把不同疾病的回归斜率或hazard归一化成长度灵敏度（如年/重复、hazard per repeat），用于跨蛋白对照、机制对照与靶点优先级排序。
• Hazard-聚集耦合模型：把危害函数 $h(t)$ 与聚集概率 $P_{\mathrm{agg}}(t)$ 耦合，例如 $P_{\mathrm{agg}}(t)=1-\exp[-k_{\mathrm{nuc}}(Q)t]$，并用 $k_h$ 作为人群尺度调节参数，以便把体外速率常数映射到人群生存模型。
• 参数化的落点：聚集动力学的定量参数（$k_c = 0.07\,\mathrm{h}^{-1}$、$k_s = 0.30\,\mathrm{M}^{-1}\,\mathrm{h}^{-1}$、$k_{+} = 6.4 \times 10^5\,\mathrm{M}^{-1}\,\mathrm{h}^{-1}$、$k_{\mathrm{poison}}$）可直接作为ODE或KMC的初值或先验，使从分子聚集到临床表型的定量预测更可操作。

3.3 膜相互作用与定位

N17区域因其两亲性螺旋结构可插入脂双层膜，线粒体/ER膜富集度与polyQ长度相关，并影响聚集动力学。³⁵

3.3.1 N17膜结合能

N17的两亲性α-螺旋结构使其能够插入脂双层膜，这种膜相互作用对polyQ聚集有多重影响。

膜结合的Q长度依赖

模型可在能量项中加入膜结合贡献：

其中$\sigma$为膜结合能的Q长度敏感系数（估计值：$0.05-0.1\,\mathrm{kcal\cdot mol^{-1}\cdot Q^{-1}}$），负号表示膜结合降低自由能（热力学有利），$Q_0$为参考长度（通常取23）。³⁵

Nt17稳定化能

N17使polyQ内部有利相互作用减少约$5\,\mathrm{kcal\cdot mol^{-1}}$，降低$\beta$-sheet概率。³⁶

3.3.2 膜富集度的Q长度依赖

Atwal等（2014）通过荧光显微镜定量分析发现，mHtt在线粒体和ER膜上的富集度随polyQ长度线性增加。虽然原文未给出精确的定量函数，但基于实验观察可建立以下关系：

其中：

• $F_{\mathrm{mem}}(Q)$：膜富集度（可用荧光强度比或共定位系数表征）
• $F_0$：正常长度polyQ（如Q23）的基线膜结合水平
• $\beta_{\mathrm{mem}}$：膜富集度对Q长度的敏感系数（单位：富集度/Q）
• $Q_0$：参考Q长度（通常取23）

实验观察

• Q23 Httex1显示低水平的膜定位
• Q73 Httex1显示显著增强的线粒体和ER膜富集
• 膜富集与聚集倾向正相关，提示膜表面可能作为聚集的成核位点

3.3.3 膜定位与聚集的耦合

膜表面可能作为聚集成核的催化界面，形成正反馈循环：

这种正反馈解释了为何膜富集度与疾病严重程度强相关。定量模型需要耦合膜结合动力学与聚集动力学：

其中$[M_{\mathrm{mem}}]$为膜结合的单体浓度，$k_{\mathrm{nuc}}^{\mathrm{mem}}(Q)$为膜表面的成核速率常数（可能比溶液中高数倍）。

3.3.4 膜表面成核动力学

膜表面可能作为聚集成核的催化界面。相对于溶液中的成核，膜表面成核具有以下特点：

成核速率增强

其中$\eta_{\mathrm{mem}} > 1$为膜表面成核增强因子（估计值：2-10倍）。

物理机制

• 二维浓缩效应提高局部有效浓度：膜表面把相关组分限制在二维空间，提高局部有效浓度与相遇频率，从而提升成核概率。
• 界面诱导的构象偏置：膜界面可能富集或稳定更易成核的构象子集，从而降低有效能垒并提高有效成核速率。
• N17锚定带来定位与取向效应：N17插入膜后将polyQ核心定位在膜表面，促进分子间相互作用与取向匹配，加速成核与后续生长。

建模意义

在完整的多尺度模型中，需要同时考虑溶液和膜表面的成核路径：

3.4 蛋白质降解与清除

细胞通过两条主要途径清除polyQ蛋白：泛素-蛋白酶体系统（UPS）和自噬，包括选择性自噬聚集体的aggrephagy。

3.4.1 双路径降解模型

polyQ蛋白根据其聚集状态被分配到不同降解路径：

泛素-蛋白酶体系统（UPS）

处理可溶性、较小的聚集体

• 降解速率：$k_{\mathrm{UPS}} \approx 0.1-1\,\mathrm{h}^{-1}$（取决于polyQ长度和聚集体大小）
• 主要清除单体和小寡聚体

巨自噬/Aggrephagy

清除较大的寡聚体和聚集体（无法进入蛋白酶体）

• 降解速率：$k_{\mathrm{agg}} \approx 0.01-0.1\,\mathrm{h}^{-1}$（比UPS慢10-100倍）
• 针对已形成的包涵体和纤维

关键发现：扩展polyQ（Q>35-40）导致蛋白酶体功能受损，形成双稳态开关——当降解能力被overwhelmed时聚集体累积。

3.4.2 Aggrephagy定量模型

2022年Autophagy期刊的研究建立了aggrephagy速率常数的数学模型：

其中：

• $k_0$：基础aggrephagy速率常数
• $f_Q(Q)$：polyQ长度依赖的增强因子（扩展polyQ识别更快）
• $g_R(R_{\mathrm{agg}})$：聚集体尺寸依赖因子（更大聚集体清除更快）
• $\Phi_{\mathrm{auto}}$：自噬通量（受mTOR、AMPK等调控）

实验观察

• Aggrephagy清除聚集体半衰期：数小时至数天
• 自噬通量增强10倍可显著减少polyQ累积
• 扩展polyQ（Q>40）可被选择性识别，清除速率提高2-3倍

3.4.3 分子伴侣协同（Hsp70系统）

Hsp70与协同因子（Hsp40、CHIP）在triage决策中起关键作用：

其中$t_{\mathrm{bind}}$为底物与Hsp70结合时间，$t_{\mathrm{crit}}$为临界时间阈值。

定量参数（来自Hsp70与其他底物的研究，polyQ数据缺失）

• ATP态亲和力：$K_d^{\mathrm{ATP}} \approx 50-100\,\mu\mathrm{M}$
• ADP态亲和力：$K_d^{\mathrm{ADP}} \approx 5-10\,\mu\mathrm{M}$（约10倍增强）
• ATP水解速率：$k_{\mathrm{hyd}} \approx 0.1-1\,\mathrm{s}^{-1}$

polyQ-Hsp70直接结合的$K_d$值和速率常数仍缺失，阻碍了准确的聚集与清除耦合动力学建模。

3.4.4 双稳态切换与阈值行为

当聚集速率超过清除速率时，系统出现双稳态切换：

稳态分析显示：

• 当 $k_{\mathrm{agg}} < k_{\mathrm{UPS}} + k_{\mathrm{agg}}$ 时，聚集体浓度保持低水平（健康态）
• 当 $k_{\mathrm{agg}} > k_{\mathrm{UPS}} + k_{\mathrm{agg}}$ 时，聚集体指数累积（疾病态）
• 扩展polyQ降低$k_{\mathrm{UPS}}$（蛋白酶体捕获），促进切换

这种正反馈循环解释了为何polyQ疾病进展中的突然恶化和不可逆性。

3.5 分子参数速查表

3.5.1 结构与构象参数

3.5.2 聚集动力学参数

3.5.3 膜相互作用参数

3.5.4 其他分子参数（建议移出速查表）

与“长度依赖的分子主线”相比，蛋白质降解与清除、翻译后修饰与抑制剂更适合放在第 5 章集中整理；这些条目往往缺乏跨长度的系统扫描，或只在少数长度点给出趋势，放入速查表容易造成“可跨长度复用”的误解。

• 蛋白质降解与清除的动力学建模与数据缺口见第 3.4 节与第 5.1 节。
• 翻译后修饰与蛋白质量控制的具体实例见第 5.1 节。
• 小分子与抑制剂（SeNPs、姜黄素、共溶质）相关的模型与参数见第 5.2 节。

4. 相分离与凝聚态（LLPS）

4.1 定量理论框架：Flory-Huggins与Cahn-Hilliard

液-固相转变

Httex1（Q43）在生理盐缓冲液下的LLPS（liquid-liquid phase separation，液-液相分离，形成无膜液滴凝聚物）到固化（gelation/solidification）可由Cahn-Hilliard方程（描述相分离动力学的偏微分方程）描述，实验给出液滴黏度从初始的2.9 Pa·s 增至 17 Pa·s（约6小时），表明液滴逐渐老化、硬化。关键临界浓度（critical concentration，相分离的最低蛋白浓度阈值）随 Q 升高而下降，意味着更长的polyQ更容易发生相分离。⁵⁶

Flory-Huggins理论的Q长度依赖预言

经典的高分子热力学模型——Flory–Huggins溶液理论——提供了定量框架，将聚谷氨酰胺链长Q作为参数来预测相分离行为。在该模型中，高分子链长度$N$（在此相当于PolyQ序列的Q数）会显著影响相分离的临界条件。⁵⁴

Starikov等（1999）：Flory–Huggins与长度阈值

Starikov 等在纯 polyQ–水的简化体系中，使用 Flory–Huggins 平均场晶格模型讨论随机线团→$\beta$-hairpin（$\beta$-sheet-hairpin）转变。其混合的单位格点 Gibbs 自由能（每个残基）写为：⁵⁷

其中，$\phi$ 为聚合物体积分数，$N$ 为链长（残基数），$X$ 为 Flory 参数（其符号约定与常见 $\chi$ 写法不同，因此这里保持作者记号）。该工作把 hairpin 的形成近似为链长从 $N$ 有效变为 $N/2$，并定义转变的自由能差：⁵⁷

作者在差溶剂（文中采用 $X\approx 1.133$ 的 glutamine–water 估计）下，引用聚合物溶液理论指出存在临界体积分数 $\phi_c$，其随链长呈 $\phi_c\propto N^{-1/2}$ 的标度（原文在该处写作 $\phi_c\sim \cdots/\sqrt{N}$）。⁵⁷

在达到该 $\phi_c$ 后，作者评估 $\Delta\tilde{G}{c\to h}(N)$ 随 $N$ 的变化，并得到一个与链长 $Q$ 直接相关的定量判据：当 $N$（可视为 $Q$）增大到约 $40$ 左右时，$\Delta\tilde{G}{c\to h}(N)$ 从正变负，提示随机线团对 hairpin（$\beta$-sheet）构象出现热力学不稳定。⁵⁷

因此，在该简化模型下，$Q<Q_c$ 对应 $\Delta\tilde{G}{c\to h}(Q)>0$（不自发），而 $Q>Q_c$ 对应 $\Delta\tilde{G}{c\to h}(Q)<0$（倾向自发形成 hairpin），这就是其长度阈值预测的数学形式。⁵⁷

公式的通俗解释

该模型的核心是把构象转变等效成链长变化，然后比较在同一溶液条件（$\phi=\phi_c$）下的自由能：

• 若 $\Delta\tilde{G}_{c\to h}(N)>0$，说明从随机线团变成 hairpin 在热力学上不划算，不会自发发生；
• 若 $\Delta\tilde{G}_{c\to h}(N)<0$，说明 hairpin 更有利，随机线团会倾向于转向 $\beta$-相关构象。

因此，$N\approx 40$ 附近的变号给出一种早期的、基于聚合物热力学的解释：为什么 polyQ 体系会在 $40$ 左右出现显著加速或类似阈值的现象。但作者也明确指出，纯 polyQ–水体系的临界浓度对溶剂组成高度敏感，因此该模型更适合用来理解趋势与尺度，而不是逐点定量预测。⁵⁷

分子力学的补充：polyQ40 的两类折叠模式（力场依赖）

同一篇工作还对 polyQ40 做了分子力学构象搜索，发现两类拓扑上不同的折叠模式：⁵⁷

• 在 CHARMM 力场下，polyQ40 倾向形成较经典的 $\beta$-hairpin，并观察到约 $57$ 个氢键；除主链间氢键外，侧链间氢键也大量出现并可能稳定 $\beta$-sheet 的褶皱与弯曲。
• 在 AMBER/OPLSAA/TINKER 等力场下，更倾向得到高度紧密的随机线团，并且氢键数量更高。

该结果提示：polyQ40 的折叠基序可能具有明显的力场敏感性与构象多形性。作者据此提出两个临界浓度的图景（$C_1<C_2$）：先发生随机线团→hairpin，再在更高浓度下发生进一步病理性折叠或致密化，随后进入成核与聚集（文中称 in-quarto 折叠）。这一部分更像机制性假说，需与现代 Httex1 的结构学与动力学数据对照后再用于定量建模。⁵⁷

Pappu课题组Crick在其博士论文（2011）中首次系统测定了polyQ溶液的相分离参数。他们通过测量聚谷氨酰胺肽（30Q vs 40Q）在水溶液中的饱和浓度随温度变化，构建了polyQ溶液的参考相图。Flory-Huggins拟合清晰显示：40Q肽的饱和浓度曲线显著低于30Q肽，意味着链长增加显著降低了临界浓度、提高了聚集/相分离倾向。正如作者指出，固定其他条件时，polyQ链越长，驱动自组装和相分离的内作用越强。⁵⁸

Zeng等（2020）提出了单链塌缩–相分离相当性框架，将单链线团-球体转变参数映射到相分离相图。他们利用模拟提取了polyQ的Θ温度$T_θ$和二阶、三阶维里系数，代入改进的Flory-Huggins随机相近似（RPA）计算相图。测试发现，随着Q从低到高延长，临界温度$T_c$单调升高，而临界体积分数$\phi_c$显著降低（例如70Q的$T_c$比短序列更高，$\phi_c$更低）。这定量验证了Flory-Huggins理论预言：polyQ长度与相分离参数呈系统相关。⁵⁸

Q长度依赖的定性趋势：虽然Peskett等（2018）明确指出临界浓度会随Q升高而下降，但目前文献中缺乏系统的定量测量。Suarez等（2022）研究了mHttex1的浓度依赖相转变，发现M/S/F三相（单体/球形寡聚体/纤维）存在尖锐浓度边界，并被profilin等配体调控，但同样未提供不同Q长度的临界浓度数值。⁵⁶¹⁴

为了把是否相分离与相分离后如何演化写成可计算模型，通常需要一个平衡态自由能与一个动力学方程：

Flory–Huggins 自由能（聚合物溶液的最简模型）

令 $\phi$ 为聚合物体积分数，$N$ 为聚合度（链长），$\chi$ 为 Flory–Huggins 相互作用参数，则混合自由能密度可写为：

公式的通俗解释

该式把相分离驱动力拆成三部分：链长相关的聚合物熵项、溶剂熵项与相互作用项。对于固定 $\chi$，链越长（$N$ 越大），熵惩罚越小，因此更容易进入两相区并发生 LLPS。

补充：$\chi$ 是 Flory–Huggins 相互作用参数（无量纲），用于把大量微观相互作用（氢键、疏水、静电等）压缩成一个平均场强度。直觉上，$\chi$ 越大表示聚合物–溶剂越“不相容”，链更倾向彼此吸引、更容易塌缩或分相；$\chi$ 越小表示更相容、更倾向均匀混合。在简单近似与长链极限下，$\theta$ 条件常对应 $\chi\approx 1/2$。

临界点条件（从“混合”到“自发分相”）

在上述模型中，临界点满足：

由此可得到经典结果：

公式的通俗解释

这里的 $\chi$（Flory–Huggins 相互作用参数）是一个无量纲的平均场参数，用来概括“聚合物链段–溶剂”的有效相互作用强度。直觉上，$\chi$ 越大表示聚合物与溶剂越“不相容”，链更倾向彼此吸引，因此更易塌缩或发生相分离；$\chi$ 越小表示更相容，更倾向均匀混合。在简单近似与长链极限下，$\theta$ 条件常对应 $\chi\approx 1/2$。

这些公式揭示了polyQ长度对相分离的核心影响：

• 随着PolyQ长度$N$（即Q数）增加，发生液液相分离所需的相互作用强度 $\chi_{cr}$ 逐渐接近 $\theta$ 条件（$\chi=0.5$）
• 相分离所需的聚合物临界浓度会显著降低，近似按 $Q^{-1/2}$ 的规律降低
• 这意味着更长的PolyQ链在较低浓度下就更容易发生相分离，从而具备更高的LLPS倾向

理论意义

Starikov等人基于Flory-Huggins建立的简单模型就明确以PolyQ长度为自变量，预测当Q序列超过约40时无规线团更易失稳并偏向β折叠聚集核。这一理论阈值（约Q≈40）与体外聚集实验和临床发病阈值非常吻合。⁵⁴

Cahn–Hilliard 动力学（描述液滴生成、长大与熟化）

若用 $\phi(\mathbf{r},t)$ 表示空间与时间依赖的组分场，常用 Cahn–Hilliard 方程描述保守型相分离动力学：

其中 $M$ 为迁移率，$\mu$ 为化学势，$\kappa$ 为梯度能系数。

公式的通俗解释

这组方程回答两个问题：什么时候开始分相、以及分相以后结构如何演化。

• 第一式是“质量守恒扩散方程”，右侧写成 $\nabla\cdot(M\nabla\mu)$ 表示物质沿化学势梯度扩散；$M$ 越大，相分离和粗化越快。
• 第二式给出化学势 $\mu$ 的来源：$\partial f/\partial\phi$ 决定局部混合是否稳定；$-\kappa\nabla^2\phi$ 惩罚过陡的界面，等价于赋予界面有限厚度与表面张力。
• 更“化学直觉”的理解是：$\mu$ 就像“把 1 个分子从当前位置搬走所付出的自由能代价”。如果某个地方 $\mu$ 高，体系就倾向于把该处的分子搬走，流向 $\mu$ 低的地方，让整体自由能下降。
• 之所以不是“沿浓度梯度扩散”，而是“沿化学势梯度扩散”，是因为在相分离体系里，驱动力不只是“哪边更浓”，还包括“哪边更不稳定、哪边界面代价更大”。$\mu$ 把这些因素合并成一个驱动力量。
• $\kappa$ 可以理解为“界面惩罚系数”：$\kappa$ 越大，体系越不喜欢出现很尖锐的界面，因此液滴边界会更平滑、更厚，并在动力学上更倾向于减少界面总面积（这对应化学上常说的“表面张力驱动液滴并并/粗化”）。
• 在扩散控制的粗化阶段，典型液滴尺度 $R(t)$ 常满足近似的幂律增长 $R(t)\propto t^{1/3}$，对应 Ostwald ripening 或扩散控制的相域粗化，能用来把显微尺度的液滴尺寸随时间变化映射到参数 $M$ 与自由能曲面。
• 对Httex1这类体系，液滴老化→固化往往意味着 $M$ 随时间下降，或体系出现粘弹性与不可逆键合，从而偏离简单的 $t^{1/3}$ 粗化并转入凝胶化/玻璃化动力学，与实验观察到的黏度随小时尺度上升相一致。⁵⁶

Q长度依赖的理论参数：当前缺口

尽管Flory-Huggins和Cahn-Hilliard理论为LLPS提供了成熟的理论框架，但将这些理论参数与Httex1的Q长度定量关联的系统研究仍然缺失。

已知的定性趋势

• 临界浓度$C_{\mathrm{sat}}$随Q长度增加而下降（Peskett 2018）⁵⁶
• 更长polyQ更容易相分离，与Flory-Huggins预测的长链降低$\phi_c$一致
• 液滴老化速率可能与Q长度相关（Q43的黏度6小时内增加6倍）

缺失的定量参数

1. Flory-Huggins相互作用参数：$\chi(Q)$与Q长度的函数关系未知。理论预测$\chi_c \to 1/2$（长链极限），但实际polyQ的$\chi$值及其Q依赖性未测量。

2. 临界浓度的定量关系：虽知$C_{\mathrm{sat}}(Q)$递减，但缺乏具体数值。例如：
   • Q25的$C_{\mathrm{sat}}$是多少？
   • Q35、Q46、Q60的$C_{\mathrm{sat}}$如何变化？
   • 是否遵循指数、幂律或其他函数形式？
3. Cahn-Hilliard动力学参数：
   • 迁移率$M(Q)$：液滴粗化速率与Q长度的关系
   • 梯度能系数$\kappa(Q)$：界面张力与Q长度的关系
   • 这些参数可从液滴尺寸随时间演化$R(t)$拟合，但缺乏系统测量
4. 相图数据：binodal（共存曲线）和spinodal（失稳曲线）的Q长度依赖未绘制。完整相图需要测量不同Q长度在多个温度和浓度下的相边界。

为何缺乏这些数据？

实验挑战包括：polyQ蛋白聚集快速，难以达到热力学平衡；液滴快速老化固化，偏离经典LLPS假设；Httex1含N17和PRD flanking区域，非简单均聚物；聚集与相分离过程耦合，难以分离。理论上，可能需要超越Flory-Huggins的框架，考虑多组分、非平衡和构象转变耦合效应。

建模策略

在缺乏精确参数的情况下，可采用以下近似：

• 使用Flory-Huggins框架的定性预测：$\phi_c \propto N^{-1/2}$，$C_{\mathrm{sat}}(Q) \propto Q^{-\alpha}$（$\alpha \approx 0.5$）
• 从已知的Q43数据（黏度、时间尺度）外推其他Q长度
• 结合聚集动力学参数（$k_c$、$k_s$、$k_{+}$）与LLPS模型，构建耦合方程
• 使用粗粒化模拟（如Baidya 2025的方法）预测$\chi(Q)$和$c_\theta(Q)$

  4.2 实验验证的定量关系

Posey等（2018）的三相模型

Posey等利用纯化的Htt N端片段进行体外逐步饱和实验⁵⁹，观测到Htt-NTF在体外可存在三种相态，每一相对应一个特征饱和浓度范围。⁵⁸

1. M相（Monomer/Oligomer相）：可溶性单体/低聚相
2. S相（Solution相）：液滴状浓缩相，动态可逆
3. F相（Fiber相）：不可溶纤维相，固态聚集体

对于致病扩展长度的polyQ片段，研究者测定了出现液滴相的起始浓度$c_S$以及出现纤维沉淀的浓度$c_F$。这些相边界提供了类似binodal线的信息。更重要的是，他们发现N17片段能够显著降低纤维相的饱和浓度$c_F$，即加入N17提高了聚集倾向，使纤维相更早出现；反之，去除N17则需要更高浓度才出现固相。⁵⁸

Peskett等（2018）的液-固转变研究

Peskett等在哺乳细胞和酵母中对比了Httex1-25Q、43Q和97Q的行为，发现：

• 所有长度（包括25Q）均能形成液滴状的动态聚集体
• 但仅有含扩展polyQ的43Q和97Q进一步经历液-固转变，生成稳定的固样包涵体
• 25Q的液滴保持液态且可逆，而扩增的polyQ使体系越过某临界点发生固化

Krobitsch和Lindquist的早期研究也支持这一观察：野生型Htt（Q~25）在酵母中不形成可见包涵体，而超长polyQ（如Q>70）才会形成聚集斑。近期的工作将这一差异解释为相分离相图的改变：短Q的Httex1即使浓度升高也多以可溶/液态存在，而长Q的Httex1更容易跨过相界限形成浓缩相甚至固相。⁵⁸

Liu等（2025）Ataxin-2研究的定量观察

Liu等（2025）以Ataxin-2蛋白的N端片段为模型，系统研究了polyQ扩展如何调控液滴性质。他们构建了Ataxin-2的两个片段（含N端polyQ且缺失C端结构域），分别引入不同长度的Q扩展（9Q、23Q、33Q、41Q），在细胞和体外体系中观察相分离行为。⁶⁰

液滴形成能力

• 荧光显微和颗粒计数显示，随着polyQ重复数增加，形成的液滴数量显著增加且平均液滴尺寸也变大
• 特别是在体外5 µM蛋白浓度+PEG诱导条件下，9Q和23Q样品仅产生少量小液滴，而33Q和41Q样品产生大量且更大的液滴
• 研究人员据此绘制了液滴数量和直径随Q长度的关系曲线，呈现出在Q约23–33之间液滴形成能力出现跃变
• 这一转折点与Ataxin-2相关疾病的中间扩增区间（ALS相关的中等扩增>23Q，SCA2致病阈值>33Q）相符

液滴内部流动性（FRAP实验）

• 短Q（如Atx2-9Q、23Q）液滴表现出较高的动态性，在漂白后数分钟内可恢复约60%的荧光
• 长Q（33Q、41Q）液滴几乎不恢复，只有不到10%信号回升，表明后者内部分子几乎被固化
• 这一差异明确了polyQ扩增使凝聚相由液态转向固态的趋势：
  • 短polyQ液滴多保持液态流动性，相分离可逆，分子扩散与交换相对更快
  • 长polyQ液滴更易凝胶化或固化，内部分子扩散受限，提示凝聚态内部可能已形成高阶网络

两步成核机制的热力学依据

Crick等利用Flory-Huggins拟合得到的相图计算了不稳定边界（spinodal）和饱和曲线（binodal）之间的间隔，发现在生理温度附近，两者间浓度跨度可达约两位数量级。这意味着对于一定浓度范围，体系处于热力学亚稳区：单链已倾向塌缩但整体尚未自发相分离。在此区域内，体系可能通过形核形成亚稳寡聚液滴，再经构象重排走向不可逆聚集。⁵⁵

这一分析为两步成核机制提供了热力学依据：

1. polyQ链先经历液液相分离形成浓缩液滴（由Flory-Huggins自由能面预测的亚稳相）
2. 随后在液滴内部或表面发生转变生成固态聚集体

通过将Q长度纳入Flory-Huggins模型，研究者不仅定量比较了不同Q长度下的相图差异，还推演了聚合驱动力与链长的定量关系：链长增加相当于有效相互作用参数$\chi$增大或临界$\chi_c$降低，使体系更易进入相分离甚至聚集区域。⁵⁵

从动力学角度看，长polyQ导致的液滴内部固化现象（FRAP不可逆）实际反映了凝聚态结构形成。Liu等通过Ataxin-2的FRAP比较指出，polyQ扩增使液滴分子扩散受阻，暗示链在液滴中可能已经部分堆积为不溶原纤维或高阶网络。⁶⁰

Ataxin-2 polyQ扩展错误隔离TDP-43

Wijegunawardana等（2024）报告，Ataxin-2 polyQ扩展错误地隔离TDP-43于RNP凝聚物内，破坏其沿轴突的运动性和液体样性质。Ataxin-2控制神经元RNP凝聚物的运动性和翻译，polyQ扩展从根本上扰乱mRNA空间定位并抑制局部翻译。该研究支持一个模型：Ataxin-2 polyQ扩展破坏关键轴突和细胞骨架mRNA的稳定性、定位和/或翻译，对运动神经元完整性特别重要。为polyQ毒性的RNA翻译调控机制提供了定量框架。⁶¹

FOXP2：PolyQ长度依赖的LLPS与功能调控

FOXP2转录因子天然含有两个长PolyQ序列，其不同物种的长度变异影响FOXP2在细胞核内形成凝聚体的性质，为理解PolyQ长度对LLPS的影响提供了另一个重要案例。⁵⁴

研究发现

• FOXP2的PolyQ区可形成coiled-coil结构驱动LLPS
• 不同长度组合改变凝聚体液态与纤维态平衡以及转录活性
• PolyQ长度作为分子开关调控FOXP2的相分离行为

生物学意义

这一发现表明PolyQ扩展不仅与疾病相关，在正常生理条件下也可作为调控蛋白相分离和功能的分子开关。FOXP2通过PolyQ长度变化调控其LLPS行为和转录活性，为理解PolyQ序列的生理功能提供了新视角。⁵⁴

理论框架

这些案例共同支持从序列长度预测相图的框架。在已知环境条件下，通过输入序列中的Q数，模型可估算其相图参数（如$\chi(Q)$、$\phi_c(Q)$、$T_c(Q)$）以及聚集路径（如成核方式、速率）。⁵⁴

4.3 内在刚度与溶剂效应

Baidya等（2025）：θ溶剂区的长度依赖研究

Baidya等（2025）通过计算机模拟系统研究了具有极性侧链（polyQ）和疏水侧链（polyL）的IDPs在不同共溶质浓度下的θ溶剂区。由于内在刚度，这些IDPs在短长度尺度上总是扩展的，与溶剂质量无关。因此，对于短IDP序列（<25残基），其LLPS倾向无法从单链性质推断。进一步，对于有限尺寸IDPs，从结构因子（模拟SAXS）和配对距离（模拟smFRET）提取的θ溶剂共溶质浓度 $c_\theta$ 不同，仅在大 $N$ 时收敛。研究表明，θ溶剂区的回转半径满足标度关系 $R_g(N) \propto N^{\nu_\theta}$，其中 $\nu_\theta \approx 0.5$，可用于准确提取 $c_\theta$。该研究强调有限尺寸校正在分析IDP性质以识别θ溶剂区时的重要性。⁶²

公式解释

θ溶剂区是刚好不好不坏的溶剂条件，IDP既不过度收缩也不过度扩展。$\nu_\theta \approx 0.5$ 是理想链标度指数，但短链因刚性而偏离。SAXS和smFRET测到的 $c_\theta$ 只在长链时一致，提示短polyQ分析需谨慎。

θ 溶剂区是什么

θ 溶剂区可以理解为排斥体积效应被抵消的条件，单链统计接近理想链，等价表述包括 $B_2 \approx 0$（其中 $B_2$ 是第二维里系数；$B_2>0$ 对应好溶剂使链更伸展，$B_2<0$ 对应差溶剂使链更收缩）。在 Flory–Huggins 框架下，长链极限的 θ 条件常对应 $\chi_\theta \approx 1/2$。

因此，Baidya 等把共溶质浓度 $c_\theta$ 视为把体系从好溶剂调到 θ 条件的控制参量。对 polyQ 这类具有内在氢键内聚的极性同聚物来说，$c_\theta$ 与链长、刚度都会共同影响 LLPS 的出现与临界浓度（推断）。⁶³

Murphy等（2009）的Q长度依赖溶剂质量实验

Murphy等（J. Mol. Biol. 2009）系统考察了Q8～Q24多聚谷氨酰胺肽的构象和聚集性质，为理解Q长度依赖的溶剂质量转变提供了直接实验证据。⁵⁴

• 短链表现为良好溶剂条件（Q8、Q12）：链较为扩展，水分子对polyQ链的溶剂化作用强，链内氢键被水分子竞争抑制，链呈现扩展的随机线团构象，此时排斥体积效应占主导
• 临界长度接近Θ溶剂（Q16）：Q16肽在37℃下尚能保持单体态，被认为是良溶剂和差溶剂的分界长度，链内与链外相互作用达到微妙平衡，为链塌缩的临界点
• 长链体现差溶剂条件（Q20、Q24）：链明显塌缩，链内氢键逐渐占据主导地位，链间疏水相互作用增强，驱动链采取更紧凑的构象，Q20和Q24肽一稀释即自发形成可溶性寡聚体（液滴态前体），而更短的Q8、Q12则不出现聚集

研究通过链构象半径的测定进一步量化了这一趋势：随Q增长，多聚Q肽的末端距离显著减小，有效刚度（持续长度）从约11Å降至7Å，表示链逐渐塌缩。⁵⁴

理想链公式

在理想$\Theta$溶剂下，PolyQ末端距满足公式： \(R_{\Theta} = 5.7\sqrt{n+1}\AA\) 其中$n$为Gln数。⁵⁴

与理论对比

结果显示：

• Q8、Q12的实际尺寸比理想链更扩展（$R>R_{\Theta}$，说明溶剂偏好）
• Q20、Q24则更紧凑（$R<R_{\Theta}$，溶剂不良）

这证明随着PolyQ长度增加，溶剂对链的有效良溶性下降，链间相互吸引占优，定量上相当于Flory-Huggins的相互作用参数$\chi$随Q升高而增大、接近并超过相分离阈值0.5。⁵⁴

理论意义

这些结果与Flory-Huggins理论预言的$\phi_{cr}(Q)$下降趋势一致。简而言之，PolyQ链越长，体系越接近相分离条件：临界浓度$\phi_c$随Q增加而降低，临界温度$T_c$则升高趋近$\Theta$温度。⁵⁴

4.4 其他细胞因子对LLPS的影响

Rad23B异型缓冲延迟Ataxin-3相变

Prasad等（2025）发现，Rad23B（蛋白酶体凝聚物主要成分）与Ataxin-3的异型相互作用抑制Ataxin-3液滴成熟，但不抑制稀释条件下的淀粉样形成。表明Ataxin-3通过错误折叠路径的聚集不同于凝聚路径。Ataxin-3在arsenite应激下被整合到液体样应激颗粒中。该发现为polyQ蛋白聚集动力学与相分离的解耦提供了证据，提示在模型中应分别处理两种路径：

其中异型缓冲仅影响LLPS成熟而非淀粉样形成。⁶⁴

公式解释

该式区分两条聚集路径：错误折叠形成淀粉样（$k_{\mathrm{misfold}}$）和液-液相分离形成液滴（$k_{\mathrm{phase}}$）。Rad23B通过“异型缓冲”减缓液滴成熟（$k_{\mathrm{buffer}}$ 项），但不影响淀粉样路径。意味着相分离与纤维化可独立调控。

4.4.1 氨基酸调控

PNAS 2024年12月研究发现，三种特异性氨基酸（proline、glutamine、glycine）显著抑制应激颗粒形成，提供了氨基酸调控LLPS的定量框架：

• 这些氨基酸在应激条件下会整体降低应激颗粒的相分离倾向，可能通过改变局部溶剂化与弱相互作用网络来削弱“粘连”驱动力。
• 这一结论对 polyQ 特别关键：polyQ 本身富含 glutamine，而 glutamine 在该研究中被归为具有抑制应激颗粒形成效应的氨基酸之一，提示“polyQ 一定促进 LLPS”并非对所有体系都成立。
• 该工作强调氨基酸组成可以细粒度调控凝聚态相行为，因此在跨蛋白、跨疾病建模时，应把“组成差异”作为与长度同等重要的变量来考虑。

该发现为6.3节相分离机制提供了氨基酸水平的调控维度。来源

4.4.2 细胞拥挤效应

细胞内环境的大分子拥挤（macromolecular crowding）显著影响polyQ聚集动力学，是理解体外与体内差异的关键因素。

拥挤加速聚集的定量效应

实验研究表明，生理水平的拥挤剂（20-30% w/v PEG、Ficoll、dextran）使polyQ聚集加速3-5倍：

物理机制

1. 排空体积效应（Excluded Volume Effect）

拥挤剂通过减少可用体积来提高“有效浓度”，从而把体系更容易推入过饱和区并加速成核与粗化过程。

• 该效应可用有效浓度增强因子 $(1-\phi)^{-1}$ 进行近似，其中 $\phi$ 为拥挤剂体积分数。
• 在典型细胞条件（$\phi=0.2$–$0.3$）下，该因子意味着约 $25$–$40$% 的有效浓度提升。

1. 排空吸引力（Depletion Attraction）

由 Asakura–Oosawa 理论描述的“排空吸引力”会给蛋白–蛋白接触额外提供热力学驱动力，从而降低成核所需的有效自由能势垒并促进聚集。

• 该机制在量级上可表现为把成核相关势垒降低约 $3$–$5\,\mathrm{kJ/mol}$（具体数值高度依赖体系与拥挤剂）。
• 它会促进蛋白–蛋白形成更稳定的接触并提高有效碰撞成功率，从而缩短滞后期并加速后续增长。

1. 软相互作用

polyQ 与拥挤剂之间还可能存在非特异性的“软相互作用”（例如弱吸附或溶剂化改变），这会让拥挤效应不再只是几何排斥，从而在不同拥挤剂体系间引入显著差异。

修正的成核-延伸模型

拥挤环境下的速率常数可表示为：

其中$\Delta G_{\mathrm{crowding}} = \Delta G_{\mathrm{excluded}} + \Delta G_{\mathrm{soft}} + \Delta G_{\mathrm{depletion}}$

或使用修正的Finke-Watzky两步模型：

其中拥挤增强函数 $f_{\mathrm{crowd}}(\phi) = \exp\left[\dfrac{\alpha\phi}{1-\phi}\right]$。

关键结论

对于Q>40的病理性polyQ，模型预测细胞内聚集比稀释缓冲液中快10-15倍，这与实验观察一致。这解释了为何polyQ疾病在体内的发病速度远超体外实验的预测。

4.4.3 细胞内外聚集差异

定量研究揭示了细胞内与体外polyQ聚集的显著差异。

浓度依赖的滞后相

体外实验

• 体外动力学常见的经验规律是：滞后时间满足 $t_{\mathrm{lag}}\propto[M]^{-n^{}}$，其中 $[M]$ 为单体浓度，$n^{}$ 为临界核尺寸，因此滞后期对浓度非常敏感。
• 当把蛋白总浓度提高 $10$ 倍时，滞后期往往会出现“倍数级”缩短，这一现象可用成核项对浓度的幂次依赖来解释。
• 因此，体外聚集曲线通常可以被归入“成核依赖的聚合动力学”，并可作为把分子尺度速率映射到细胞尺度有效时间的一个入口变量。

细胞内测量使用先进技术：

• 荧光相关光谱（FCS）用于估算局部 $\mathrm{HTT}$（或 Httex1）的有效浓度，从而把“细胞内真实浓度”与体外配制浓度对齐。
• 荧光恢复后漂白（FRAP）用于评估液滴或聚集体内部的交换与流动性，进而区分“可逆液态凝聚”与“逐步固化的凝胶/固态状态”。
• 单分子成像用于捕捉稀有的成核事件与早期寡聚体出现的时间窗，从而约束成核率而不是只拟合宏观终点。

定量对比

• 细胞内的有效蛋白浓度通常比培养液条件下的体外稀释体系更高，常见量级为约 $2$–$3$ 倍（该比值依细胞类型与定位而变）。
• 在把拥挤效应纳入后，细胞内聚集速率常表现为比体外更快的时间尺度，典型差异可达约 $3$–$5$ 倍（不同体系差异很大，需逐条核对原始数据）。
• 从相分离视角看，细胞内的有效饱和浓度或“临界浓度”往往更低，常被报告为可降低约 $3$–$5$ 倍，这会把体系推入更易凝聚的相区。

建立从体外到体内的映射需考虑

• 需要把“有效浓度增强”显式写入模型（例如用拥挤因子修正 $[M]$ 或修正 $k_{\mathrm{nuc}}$），否则体外速率常数难以外推到细胞内时间尺度。
• 需要把“局部微环境”作为空间异质性处理（例如细胞器表面或应激颗粒导致的局部浓缩），因为成核对局部浓度的幂次依赖会放大这种异质性。
• 需要把蛋白质质量控制系统视作与聚集竞争的动力学通路（伴侣蛋白、UPS、自噬等），否则难以解释同一长度在不同细胞类型中的巨大差异。

4.5 LLPS参数速查表

4.5.1 细胞参数速查表

注：膜结合热力学参数、膜富集度的Q长度依赖公式见第3.5.3节。

4.5.2 蛋白质降解参数

蛋白质降解与清除的定量参数（UPS速率、aggrephagy速率、Hsp70结合常数等）见第3.5.4节。

4.5.3 细胞毒性参数

4.5.4 LLPS与相分离参数

4.5.5 膜相互作用参数

5. 其他内容（补充内容）

5.1 翻译后修饰与蛋白质量控制

5.1.1 泛素化调控

Qi等（2026）在HD knock-in小鼠模型（Q134）中发现，阻断K6和K9位点特异性泛素化（K>R替换）显著加速mHTT聚集动力学，导致大包涵体形成和专属核定位，运动损伤提前、脑萎缩加速。提示可在模型中添加泛素化修饰项：

其中 $\alpha_{\mathrm{K6K9}} > 0$ 表示K6/K9突变对聚集速率的增强因子。⁶⁶

公式解释

该式描述泛素化缺失如何加速聚集：$k_{\mathrm{agg}}^0$ 是野生型基础速率，$\alpha_{\mathrm{K6K9}}$ 为K6/K9突变导致的加速倍数。实验显示K>R突变使包涵体更大、更早出现，可将 $\alpha_{\mathrm{K6K9}}$ 设为1.5–3倍估计。

5.1.2 分子伴侣相互作用

系统文献检索确认了5.2.1节提到的数据缺口：

已知

• Hsp70 会以 ATP 依赖方式结合并处理 polyQ 相关底物，其结合–释放循环与伴侣蛋白的“分流决策”（折叠或降解）直接相关。
• 当 Hsp70 完成 ATP 水解并进入 ADP 态时，底物结合会显著更稳定，通常被描述为亲和力提高约10倍（ADP-Hsp70 相对 ATP-Hsp70），因此底物在伴侣体系中的驻留时间会被放大。
• 现有研究普遍认为 Hsp70 与 polyQ 系统的功能性互作存在长度依赖性，但“长度如何改变 $K_d$ 或 $k_{\mathrm{on}}/k_{\mathrm{off}}$”仍缺少可复用的定量序列。

缺失

• polyQ-Hsp70直接结合的 $K_d$ 值在主流文献中未见报道
• 相关测量仅限于Hsp70与其他底物：多肽结合 $K_d$ 约 50 μM（bacterial DnaK），小分子抑制剂 $K_d$ 约 70 μM
• 不同长度 polyQ 对 $K_d$、$k_{\mathrm{on}}$ 与 $k_{\mathrm{off}}$ 的影响尚未系统量化，因此目前很难把“伴侣缓冲”写成可跨长度拟合的动力学项。

这证实了蛋白质质量控制（PQC）系统与polyQ相互作用的定量参数是建模的关键缺口。来源, 来源

• 蛋白质质量控制相互作用缺口：目前公开文献几乎没有报告不同 Q 长度与 Hsp70/Hsp90、泛素连接酶或蛋白酶体亚基之间的结合常数（$K_d$）或速率（$k_{\mathrm{on}}/k_{\mathrm{off}}$），即便是 HTT 也只停留在定性 Co-IP 规模。为建立多尺度模型，需要系统测定这些参数，才能把“聚集与清除”写成耦合动力学。

• 已知的伴侣结合实例：现有定量数据表明 Hsc70 以微摩尔亲和力结合同一 Httex1 分子 N17 区域，且结合位点竞争了 Httex1 之间的同型接触并抑制聚集；但尚不清楚 $K_d$ 是否随 Q 长度改变，因而该参数仍需实验补全。³⁹

5.2 小分子与抑制剂

5.2.1 硒纳米颗粒（SeNPs）

Torricella等（2025）通过NMR、荧光免疫染色和TEM揭示，SeNPs以纳摩尔亲和力选择性结合到httQ35可延伸末端，亚化学计量地减少纤维形成速率。SeNPs不改变预成核四聚化，而是减少自由可延伸末端池：

其中 $[E]$ 为可延伸末端浓度，$K_d\approx$ nM 量级。为现有统一动力学模型（2.2节）提供了抑制剂调控的量化方案。⁶⁷

公式解释

SeNPs通过“封端”机制抑制聚集：$k_{+}$ 是自由末端的延伸速率常数（$6.4 \times 10^5\ \mathrm{M}^{-1}\mathrm{h}^{-1}$），SeNPs结合后使有效延伸速率 $k_{\mathrm{eff}}$ 按Langmuir吸附式下降。纳摩尔亲和力意味着极低浓度即有效。

5.2.2 姜黄素

Jain等（2025）发现，亚化学计量量的姜黄素影响HttEx1的一级和/或二级成核事件，延长预聚集滞后期。破坏的聚集过程改变了聚集体结构及其细胞代谢特性：当施用于神经元细胞时，“突破”的蛋白聚集体诱导的细胞应激显著低于无抑制剂形成的聚集体。电镜、SAXS和固态NMR分析鉴定了纤维结构变化，探测了fuzzy coat中的flanking结构域和纤维核心，后者变化与polyQ β-hairpin结构的存在或缺失相关。该发现强调小分子抑制剂调控蛋白错误折叠景观的多方面后果，对HD和其他淀粉样疾病治疗策略有潜在意义。⁶⁸

5.2.3 大分子共溶质

Torricella等（2024）通过NMR监测发现，多糖dextran-20和蛋白lysozyme主要通过改变预成核四聚化平衡影响httQ35聚集动力学，导致“预形成”httQ35四聚体浓度大幅变化。对较短非聚集变体httQ7的类似效应支持该结论。该研究为2.2节四聚体模型提供了共溶质调控的量化参数：

其中 $f(\text{cosolute})$ 为共溶质依赖的修正因子，dextran-20和lysozyme的具体影响可从NMR交叉峰强度拟合获得。⁶⁹

公式解释

大分子共溶质（如dextran、lysozyme）不直接抑制纤维化，而是改变四聚体平衡常数 $K_{\mathrm{tetra}}$。例如，若 $f < 1$，则四聚体浓度 $[T]$ 降低，延缓成核；若 $f > 1$，则加速。实验显示两者效应类似，可作为调控滞后期的工具。

N17区域因其两亲性螺旋结构可插入脂双层膜，导致线粒体和ER膜富集度与polyQ长度相关，并引起轴突运输缺陷。³⁵

细胞层面的观察

• 在细胞模型中，Q23 Httex1 往往只呈现较低水平的线粒体与 ER 膜定位，整体更接近弥散分布。
• 当 polyQ 扩展到 Q73 时，常观察到线粒体与 ER 膜上的富集显著增强，提示定位与聚集倾向可能被同一长度变量共同驱动。
• 膜富集程度与聚集倾向的正相关关系提示：膜表面可能提供局部二维浓缩与构象引导，从而成为实际成核路径的一部分。
• polyQ 扩展还会造成轴突运输缺陷并间接改变线粒体与囊泡运输，从而把“定位–聚集–功能损伤”三者耦合到同一条病理链路中。

定量模型

膜相互作用的详细热力学模型、膜富集度的Q长度依赖公式、以及膜定位与聚集的耦合方程见第3.3节。

轴突运输

扩展polyQ通过多种机制干扰轴突运输：

• 扩展 polyQ 可能导致马达蛋白（kinesin/dynein）的募集与装配异常，从而降低有效运输复合体的形成概率。
• 扩展 polyQ 可能引入货物装载与释放的动力学缺陷，使运输过程出现更频繁的停滞或错误卸载。
• 扩展 polyQ 形成的寡聚体或聚集体还可能造成微管轨道的空间阻塞，进一步降低长距离运输的通量与稳定性。 这些效应导致有效运输速率下降，但具体的Q长度依赖参数尚未测定。
• PC12 神经元样毒性曲线：可诱导 PC12 克隆在表达 Q74 Httex1 后，细胞活率于诱导后第 4、6、8 天分别降至约 84%、75%、60%，而 Q23 克隆维持 >95% 生存；终末分化细胞中 Q74 导致 >80% 细胞死亡，广谱 caspase 抑制剂 zVAD-fmk 可部分挽救活率，为累积损伤模型提供现实参数。⁶⁵
• 线粒体/氧化应激读数：关于激活 NRF2 或补充 Dopamine-Agapriline 改善 Q111–Q140 神经元凋亡的说法暂无公开实验证据；若在模型中占位，可用 $\mathrm{d}(\mathrm{ROS})/\mathrm{d}t = k_Q - k_{\mathrm{NRF2}}$ 形式暂存，需后续文献验证。

6. 全文总结

本文档系统整理了多聚谷氨酰胺（polyQ）疾病的长度依赖模型，从临床预测到分子机制再到细胞行为，多层次展示了重复长度这一核心参数如何决定疾病表型。以下总结主要结论：

6.1 核心发现

长度阈值效应的普遍性

35-40个谷氨酰胺的临界阈值是polyQ疾病的普适特征。无论是HD、SCA还是其他polyQ疾病，致病性都在此阈值附近显现，且毒性与Q长度呈正相关。这一阈值效应在不同疾病中的具体数值虽有差异（32Q-54Q不等），反映了蛋白背景对polyQ毒性的调制作用。

连续变化与相变跃迁的共存

临床风险随Q长度主要呈连续陡峭的S形曲线，未见绝对突变式跳变；但分子层面的聚集动力学在Q23-26（成核阶数跃迁）和Q36-40（速率陡增）存在类相变特征。两层信息应同时纳入模型：临床层面需用连续函数（Weibull、对数线性），分子层面需考虑阶跃式转变。

多尺度耦合的关键节点

体细胞扩增、HTT1a异常剪接和LLPS是连接分子长度与临床表型的三个关键机制：

• 体细胞扩增将遗传Q长度转化为组织特异性长度分布（$Q_{\mathrm{germline}} \rightarrow Q_{\mathrm{tissue}}$）
• HTT1a比例随CAG长度线性增加（$\mathrm{HTT1a/HTT} \propto \text{CAG}$），提供毒性片段来源
• LLPS临界浓度随Q下降（$C_{\mathrm{sat}}(Q) \propto Q^{-1}$），促进凝聚体形成

这些机制可以通过耦合方程组纳入定量模型。

6.2 可复用的定量框架

临床预测模型

• Weibull分布：$h(Q, t) = (k_{\mathrm{shape}} \cdot k_{\mathrm{scale}} \cdot t^{k_{\mathrm{shape}}-1})$，其中$k_{\mathrm{scale}} = \exp(\beta_0 - \beta_1 Q)$
• 对数线性AO模型：$\ln(AO) = \beta_0 - 0.049\,Q_{\mathrm{exp}} + 0.013\,Q_{\mathrm{norm}} + \sigma\,\mathrm{z}(SE)$
• 分段模型：$Q\le 44$和$Q\ge 45$采用不同斜率，捕捉阈值附近的陡峭变化

这些公式可直接用于风险预测、个体化随访和遗传咨询。

分子动力学模型

• 成核-延伸方程组：包含单体浓度、四聚体平衡、纤维延伸速率和自毒性项
• 相分离热力学：Flory-Huggins相互作用参数$\chi(Q)$和临界体积分数$\phi_c(Q) = N^{-1/2}$的Q依赖性
• Lag-time公式：$t_{\mathrm{lag}}(Q) \propto \exp[-\gamma(Q-Q_c)]$，捕捉Q超过阈值时的指数级加速

这些模型为理解polyQ聚集的物理机制提供了定量框架。

6.3 研究缺口与未来方向

定量参数严重缺失

尽管框架已建立，但许多关键参数尚未测定：

• PQC系统（Hsp70、Hsp90、泛素连接酶、蛋白酶体）与polyQ蛋白的结合常数和速率
• 膜相互作用的定量热力学参数（$K_d$、$\Delta G$、富集系数）
• LLPS相图的完整测量（$\chi(Q)$、$T_c(Q)$、binodal/spinodal曲线）
• 跨不同Q长度的系统动力学数据

实验到模型的映射挑战

• 时间尺度跨越：体外lag-time（小时-天）到临床发病年龄（数十年）的映射需引入温度、浓度、细胞环境等校正因子
• 体内复杂度：细胞拥挤、分子伴侣、膜表面等因素如何定量纳入模型
• 物种差异：动物模型（酵母、线虫、小鼠）的结果如何外推到人类

跨蛋白统一建模

当前研究主要集中于HTT和少数ataxin蛋白，其他polyQ系统（SBMA、DRPLA、SCA各亚型）的定量数据稀缺。建立跨蛋白的统一模型需要：

• 标准化实验协议和测量指标
• 公共数据库和数据共享框架
• 考虑蛋白背景序列影响的模型扩展

6.4 对建模和实验设计的建议

对建模者的建议

1. 使用分段函数捕捉阈值效应：在Q36-40附近引入平滑过渡函数（如sigmoid或piecewise-linear）
2. 纳入体细胞扩增噪声项：将$Q$视为随年龄和组织演化的随机变量，而非固定参数
3. 耦合聚集与清除动力学：允许出现双稳态和滞后环，反映PQC系统的容量限制
4. 验证跨尺度一致性：确保分子层面参数（如$k_{\mathrm{nuc}}$）与临床层面观测（如AO）的自洽性

对实验设计者的建议

1. 优先测定Q长度依赖的参数：在不同Q长度下系统测量$K_d$、$k_{\mathrm{on/off}}$、$C_{\mathrm{sat}}$等
2. 建立标准化实验条件：统一缓冲液、温度、浓度等参数，便于跨研究比较
3. 同时测量多尺度读数：在同一体系下同时获取分子、细胞和功能层面的数据
4. 关注中等扩增区间：Q23-35的临床意义尚未明确，但可能包含关键的相变信息

通过理论模型与精心实验的结合，我们有望建立更准确的polyQ疾病预测模型，为早期诊断和干预提供定量基础。

7. 参考文献