淀粉樣β蛋白質構象轉換及其抑制的分子動力學模擬

李 麗，劉夫鋒

(1.天津科技大學 海洋與環境學院，天津 300457；2.天津科技大學 生物工程學院 省部共建食品營養與安全國家重點實驗室，天津 300457)

阿爾茨海默病(AD)是老年性癡呆中最常見的類型之一，由于AD的發病人數僅次于癌癥、心臟病和腦中風，已經成為危害人類健康的第四大殺手。AD的主要病理變化之一是患者腦內出現大量的老年斑。淀粉樣沉淀假說[1-3]認為淀粉質β多肽(Aβ)的聚集沉淀形成有細胞毒性的聚集體是AD的主要誘因。Aβ是淀粉質前體蛋白在β-分泌酶和γ-分泌酶共同作用下的水解產物(圖1)[4]。由于γ-分泌酶存在不同的酶切位點，因此Aβ含有多個變異體，其中Aβ40和Aβ42是最常見的2種類型。Aβ40的含量最多，約為80%。而由于N端含有2個疏水性氨基酸I和A，從而使Aβ42的聚集速度更快，且其聚集體的毒性更強。因此，Aβ42在AD的發生、發展過程中起到關鍵性作用。Aβ聚集體會進一步與變性的軸突、神經纖維以及膠質細胞共沉淀形成病理性斑塊[5]。

圖1 Aβ生成示意圖及其氨基酸序列Fig.1 Schematic representation of production of Aβand its amino acid sequences

在正常情況下，人體內僅存在納摩爾(nmol)級含量的Aβ，且其生理功能尚不清楚。早期研究認為，只有淀粉斑或成熟的纖維才具有神經毒性[6-8]。而近年來越來越多的研究表明Aβ寡聚體和亞纖維才是毒性的罪魁禍首[9-12]，而淀粉斑和成熟的纖維只是為它們提供了一個藏身之所。寡聚體和亞纖維能夠促發炎癥級聯反應，造成軸突損傷、突觸丟失和細胞凋亡等病理改變，是導致神經元變性乃至形成癡呆的重要因素。例如，Kayed等[13]研究發現，無論聚集態Aβ是否呈Aβ纖維結構，均表現出細胞毒性，導致神經突觸的減少和神經元凋亡，且Aβ寡聚體的細胞毒性遠大于Aβ纖維的毒性。但也有報道稱Aβ寡聚體、亞纖維和纖維等Aβ聚集體均有神經毒性[4]。因此，具體哪種聚集體觸發了淀粉樣級聯反應目前尚無定論。無論引起疾病的是Aβ寡聚體還是成熟纖維，或者是兩者同時作用，只要阻止Aβ聚集就可從根本上消除Aβ所引發的神經毒性。

在Aβ聚集之前，從初始的無規卷曲或α-螺旋結構通過構象轉換形成β-折疊結構是Aβ聚集的關鍵步驟。由于Aβ構象轉換的速度非常快，即使用現階段最先進的實驗手段也無法完全跟蹤檢測，而理論計算模擬可以較好地彌補實驗技術的上述不足。尤其隨著近年來計算能力的大幅提高，計算方法與分子模擬、虛擬實驗已經繼實驗方法、理論方法之后，成為第3個重要的科學方法，對未來科學和技術的發展起著越來越重要的作用。而作為最常見的分子模擬方法之一，分子動力學(MD)模擬能夠研究足夠小的時間和空間尺度，可以清晰、直觀地描述Aβ的二級結構隨模擬時間的動態變化過程，同時通過統計力學方法又能方便地得到所研究模擬體系的宏觀性質[14]。因此，利用MD模擬可從原子、分子水平上研究Aβ構象轉換及其抑制的分子機制，從而掌握Aβ構象轉換及其抑制的一般規律，進而指導相關Aβ構象轉換抑制劑的開發，具有重要的理論和現實意義。本文中，筆者主要綜述Aβ構象轉換及其抑制的MD模擬的研究進展，為后續研究提供參考。

1 淀粉樣多肽構象轉換的MD模擬研究

1.1 MD模擬中常用的Aβ片段

Aβ在聚集狀態下以β-折疊為主，而溶解狀態時會受到溶液環境的影響而呈現不同的二級結構。例如，在生物膜和有機溶劑中以α-螺旋為主[15]，在水溶液中則以無規卷曲為主[16]。但由于Aβ容易聚集，且其構象轉變非常快，從α-螺旋或無規卷曲到β-折疊的構象轉變過程到目前為止仍然無法用實驗方法測定，而MD模擬可以彌補上述實驗研究的不足。但由于全原子MD模擬的計算量非常大且全序列Aβ的構象轉換比較復雜，目前的MD研究大多集中在Aβ片段。Aβ10～35、Aβ12～28、Aβ16～22、Aβ16～35、Aβ25～35、Aβ29～42、Aβ30～42、Aβ31～42和Aβ39～42是研究較多的片段。其中，Aβ25～35、Aβ10～35、Aβ1～28、Aβ1～40和Aβ1～42單體的三維結構已經被解析出來(圖2)。

圖2 典型Aβ單體的三維結構Fig.2 Typical 3D structures of Aβ monomers

在上述Aβ片段中，Aβ16～22是能夠形成規則片層聚集體的最短多肽，因此常被用作模型來研究Aβ聚集沉淀[17]。Aβ16～22片段的三維結構一般從初始結構為無規卷曲的Aβ10～35片段截取或利用分子模擬軟件構建線性短肽。由于從線性結構到β折疊的構象轉換比較簡單，因此，初始結構為無規卷曲的Aβ16～22常被作為目標肽段用于構象轉換研究。即使從初始結構為無規卷曲的Aβ16～22開始模擬，其構象轉換仍然過于簡單，因此，該肽段的模擬研究主要集中在其聚集及其抑制過程[18]。與Aβ16～22相比，Aβ10～35是Aβ構象轉換過程中應用最多的肽段之一。例如，Massi等[19]利用全原子MD模擬研究了Aβ10～35的構象轉換，發現Aβ10～35的疏水核心(LVFFA)和轉角區域(VGSN)在分子內氫鍵的作用下都非常穩定。在U型纖維結構中，殘基22～29為轉角結構，且殘基D23和K28之間易于形成鹽橋。該鹽橋在Aβ構象轉換和聚集過程中起到至關重要的作用。因此，鹽橋D23～K28對于轉角VGSN的形成至關重要，它已經成為Aβ10～35構象轉換和聚集的限速步驟。利用全原子MD模擬Aβ10～35單體，Tarus等[20]發現鹽橋D23～K28能夠大大提高VGSN轉角的穩定性。與此類似，Reddy等[21]分別利用2種力場參數(OPLS和CHARMM)研究了鹽橋D23～K28對Aβ10～35單體和二聚體構象轉換的影響，結果表明，在整個模擬過程中，該鹽橋一直保持溶劑化作用且使19～24區域形成α-螺旋結構。綜上所述，該鹽橋對全序列Aβ纖維的穩定同樣起著至關重要的作用。除了Aβ16～22和Aβ10～35之外，Aβ25～35也被用于構象轉換過程的MD模擬研究中。例如，Ma等[22]基于Kramer的能壘穿越理論和Morse功能類似勢能面理論研究了Aβ25～35片段的自由能勢能面，發現穩定的α-螺旋和β-折疊二級結構均有利于寡聚體的形成。

雖然相對于全序列Aβ來說，Aβ片段的構象轉換比較快，但利用常規MD模擬同樣存在構象采樣空間小的缺點。為了大幅提高其采樣范圍，復制交換分子動力學(REMD)模擬常被用于Aβ片段的構象轉換研究。REMD模擬就是將一系列無關的副本系統分別置于不同的溫度體系下進行獨立的MD模擬[23]，然后根據Metropolis標準，在溫度相鄰的每個副本的構象之間進行交換，從而可以使低溫構象易于逃離局部勢能最低點，使其能在更大的構象空間上取樣。因此，利用REMD模擬能夠非常容易獲得蛋白質構象轉換過程中過渡態的結構及其相關的動力學和熱力學信息。例如，Cao等[24]利用REMD模擬方法在GROMOS9643A1和OPLS-AA 2種力場下研究了Aβ12～28的構象轉換，結果表明，Aβ12～28的構象主要是無規卷曲，同時出現短暫的β-折疊結構。但同時，他們也發現采用不同的力場，β-折疊結構的位置會有所不同。例如，在GROMOS9643A1力場下，殘基19～22處形成β-折疊；而在OPLS-AA力場下，殘基17～20處會形成β-折疊結構。Baumketner等[25]利用REMD模擬方法研究了Aβ10～35構象轉換，結果表明，該肽段在水中主要是無規卷曲結構，同時殘基13～15、18～20、26～27和31～33位處會出現β-轉角或彎曲等二級結構。Alves等[26]利用REMD模擬方法研究了Aβ16～35的構象轉換，發現該片段直接從初始的無規卷曲轉變成β-折疊結構，且在整個構象轉換過程中，螺旋結構存在的時間都很短。除了研究野生型Aβ片段的構象轉換，相應的突變體也常用于MD模擬研究中。例如，Nguyen等[27]利用REMD模擬方法研究了Aβ1～28野生型和突變體A2V的構象系統，結果表明，突變體A2V的β-折疊結構的形成速率是野生型的4倍，這和突變體的聚集速率遠高于野生型的實驗結果是一致的。

除了采用增強型的采樣方法(如REMD)，采用粗粒化模型同樣可以利用有限的計算資源獲得蛋白質的構象空間。將粗粒化模型和REMD結合起來會進一步提高Aβ片段的構象空間。例如，Chebaro等[28]結合OPEP粗粒化力場和REMD方法計算了Aβ16～35的單體和二聚體的結構和熱力學信息，結果表明，殘基20～21和29～30形成β-折疊結構，而殘基22～27形成α-螺旋結構。而相對于N端，C端更不易形成β-折疊結構。Wu等[29]利用REMD模擬研究了不同C端片段的構象轉換，結果發現片段Aβ29～42、Aβ30～42、Aβ31～42和Aβ39～42都易于形成瞬時的β-折疊結構。也就是說，C端的瞬時β-折疊或β-發夾結構是Aβ聚集的前提。上述Aβ片段的研究結果對于了解全序列Aβ構象轉換的研究具有非常重要的意義。雖然在MD模擬研究中經常利用這些短肽來代替全序列Aβ，但這些Aβ片段的聚集過程、聚集速率和細胞毒性與全序列Aβ尚有一定的差別。例如，與全序列Aβ1～42相比，Aβ25～35具有更快的聚集速率[30]。然而，由于不同大小的Aβ片段之間的作用力會有一定差別，從而會影響該片段構象的形成。因此，僅研究Aβ片段仍然不能很好地了解全序列Aβ的聚集中間體的具體構象以及它們的聚集特性。

表1 淀粉樣β多肽片段構象轉換的分子動力學研究

1.2 全序列Aβ1～40和Aβ1～42

由于計算資源的限制，早期的研究主要集中在不同溶液環境中Aβ片段的構象轉換。隨著近年來計算機軟硬件技術的飛速發展，越來越多的研究集中在全序列Aβ的構象轉換。例如，Xu等[39]利用全原子MD模擬研究了Aβ1～40在水和膜環境中從初始的α-螺旋到β-折疊的整個構象轉換過程，發現殘基G25、G29、G33和G37對于Aβ1～40形成β-折疊結構至關重要。將這4個甘氨酸(Gly)突變成丙氨酸(Ala)后就完全抑制了其構象轉換，在整個100 ns模擬過程中，Aβ1～40一直保持初始的α-螺旋結構。而在1，2-二棕櫚酸甘油-3-磷脂酰膽堿(DPPC)膜內，Aβ1～40主要為α-螺旋結構。Flock等[40]發現殘基V18、F19、A21和G25發生疏水團聚，兩段α-螺旋結構的殘基8～25和28～39至少有一段會快速變成無規卷曲或β-折疊結構。為了研究不同力場參數對Aβ構象轉換的影響，Olubiyi等[41]分別利用2種不同的GROMOS力場參數(GROMOS96 43a2和GROMOS96 53a6)研究了不同pH條件下Aβ1～40和Aβ1～42的二級結構變化，結果表明，N端的10個氨基酸殘基為無定序結構，而3個組氨酸的質子化會加速β-折疊結構的形成。

針對全序列Aβ，國內外很多研究組也開展了氨基酸突變對其構象的影響。例如，Viet等[44]利用MD模擬研究了Aβ1～40和Aβ1～42及其突變體D7N的構象轉換情況，結果表明，突變體D7N的二級結構中，R5和M35的β-折疊含量很高。而與之相反，F4和K16的β-折疊含量卻很低。野生型Aβ1～42的殘基R5、K6、V18、F19、N27、K28、V40和I41極易形成β-折疊結構。而突變體D7N的β-折疊主要集中在殘基V12、H13、I31、I32、M35和G38。總之，大多數全序列Aβ單體的MD研究結果表明，N端殘基1～10主要為無定序結構，疏水核心區域(殘基10～21)主要為α-螺旋結構，而C端30～42殘基主要為β-折疊結構，殘基21～30是Aβ聚集的核心部位。然而，由于Aβ構象轉換速度比較慢，僅利用傳統MD模擬很難獲得其構象轉換過程中的瞬時構象。因此，利用增強性采樣方法來增強Aβ構象轉換過程中的構象采集就顯得非常必要，其中REMD是最常用的增強性采樣方法[23]。因此，REMD也已廣泛用于全序列Aβ構象轉換的研究中[45]。例如，Sgourakis等[46]利用REMD模擬發現，Aβ1～42的C端比Aβ1～40的有序，其主要原因是Aβ1～42的殘基31～34和38～41形成的β-折疊結構大大降低了C端柔性，從而使其易于纖維化。而Roseman等[47]的研究結果表明殘基16～23更易于形成β-折疊結構。Yang等[43]利用微秒(μs)級的REMD模擬發現,Aβ1～42的β-折疊結構遠比Aβ1～40的穩定,且Aβ1～42的殘基30～42的接觸比Aβ1～40頻繁得多，從而使Aβ1～42更易于形成轉角結構。

表2 全序列Aβ構象轉換的分子動力學研究

除了溶液pH、溫度和突變對Aβ構象轉換影響的研究之外，Aβ1～42中一些殘基(如甲硫氨酸)的氧化還原對Aβ構象轉換的影響也是研究比較多的。其中，殘基M35的氧化會對Aβ1～42構象轉換產生較大的影響。例如，Triguero等[48]利用全原子MD模擬研究了M35 Cγ上的亞甲基被亞砜(M35(O))和砜M35(O2)替代后對Aβ1～42二級結構的影響，結果表明，M35(O)突變體在疏水區域29～35部分形成穩定的由轉角結構連接的β-折疊結構，而M35(O2)突變體的二級結構主要以α-螺旋為主。即，Met35氧化成亞砜和砜均會影響其與周圍殘基I31、K34和I41之間的疏水相互作用。

2 抑制劑抑制Aβ構象轉換的MD模擬研究

2.1 小分子抑制劑

淀粉樣假說認為，AD病發的關鍵因素之一是Aβ在大腦內由無規卷曲的單體轉變為含有β-折疊為主的結構，然后進一步相互聚集形成各種形態的具有細胞毒性的聚集體。因此,抑制其單體的構象轉變和聚集就成為治療AD的首選療法。海藻糖是最早發現的能夠抑制Aβ構象轉換的抑制劑之一，但其抑制Aβ構象轉換的分子機制尚不清楚。為了解決這個問題，Liu等[18,49]利用全原子MD模擬研究了海藻糖與Aβ1～40和Aβ1～42之間的相互作用，揭示了海藻糖抑制2種全序列Aβ構象轉變的分子機制,研究發現，海藻糖溶液的濃度對Aβ的構象轉變具有非常重要的影響[50]，在水和低濃度的海藻糖溶液中，Aβ1～42單體可由初始的α-螺旋結構轉變成β-折疊的二級結構；但高濃度海藻糖能夠有效抑制Aβ1～42的構象轉變。抑制Aβ1～40和Aβ1～42的海藻糖濃度是不同的，分別為0.18和0.37 mol/L，這主要是因為Aβ1～42的疏水作用要強于Aβ1～40。海藻糖的優先排阻作用會使水分子在多肽周圍0.2 nm內富集，而海藻糖卻在距離多肽0.4 nm的位置附近團聚，這是海藻糖抑制Aβ構象轉變的主要原因。海藻糖的優先排阻作用是通過降低多肽間的疏水相互作用，減少多肽分子內遠距離的接觸，有效抑制多肽的疏水塌縮和構象轉變。

茶多酚(EGCG)在預防和治療Aβ的錯誤折疊和聚集方面有顯著的功效，現已進入Ⅱ期臨床。但是EGCG抑制Aβ構象轉換的作用機制尚不明確。筆者利用全原子MD模擬和分子力學-泊松-波爾茨曼可接近表面積方法(MM/PBSA)研究了EGCG抑制Aβ1～42構象轉換的分子機制[51]，結果發現，EGCG抑制Aβ1～42的構象轉變與其濃度正相關，在水和低濃度EGCG溶液中，Aβ1～42能夠從初始的α-螺旋結構通過構象轉換形成β-折疊為主的二級結構，但在高濃度(0.08 mol/L)EGCG溶液中，EGCG完全抑制了β-折疊的形成。EGCG和Aβ1～42之間的直接相互作用是其抑制Aβ1～42構象轉換的主要原因。在EGCG溶液中，EGCG能夠將多肽周圍的水分子排開并直接與多肽發生作用。為了進一步解析EGCG 和Aβ1～42之間的作用力類型，又利用 MM/PBSA計算了EGCG和Aβ1～42之間的作用力，結果表明，EGCG和Aβ1～42之間的非極性和極性作用都有利于EGCG和Aβ1～42的結合，但非極性作用的貢獻為主(71%)，且主要由范德華作用提供，而極性相互作用卻很小。進一步利用 MM/PBSA自由能分解確定了Aβ1～42的12個關鍵的氨基酸殘基F4、R5、F19、F20、E22、K28、G29、L34～G37和I41，它們與 EGCG一樣具有非常重要的作用。MM/PBSA 作用力分解結果表明，非極性相互作用主要由疏水性殘基的側鏈和一些非疏水性殘基的主鏈所提供。與此相反，EGCG與Aβ1～42之間的極性相互作用卻由多肽的主鏈所提供，尤其是殘基Gly29和Gly37。該研究從全新的角度闡釋了EGCG 抑制Aβ1～42構象轉換的分子機制，為進一步理性設計AD的高效抑制劑奠定了理論基礎。

海洋類植物含有大量的化學結構各異的化合物，現已從中篩選出一些比較有效的抗菌、抗腫瘤和殺蟲的化合物，為新藥研發提供了新的途徑。其中，巖藻黃素是存在于褐藻、硅藻和金藻等海洋藻類植物中的一種海洋類胡蘿卜素，系統的生物物理、生物化學和細胞生物學等研究發現：巖藻黃素能夠有效抑制Aβ聚集形成低聚物和纖維，并能顯著降低Aβ聚集體的神經毒性[52]。同時，利用MD模擬分析，揭示了巖藻黃素與Aβ1～42之間的作用力主要為疏水相互作用，且進一步分析發現，巖藻黃素通過阻止Aβ的構象轉換來抑制其聚集。此外，巖藻黃素還能顯著抑制Aβ寡聚體注射小鼠海馬的氧化應激反應，大大減輕Aβ寡聚體注射小鼠的認知障礙，增加腦源性神經營養因子的表達和ChAT陽性區域。5-Hydroxycyclopenicillone是從海綿植物中分離獲得的一種環狀戊烯酮分子，利用斑點印跡分析和透射電子顯微鏡(TEM)發現其能夠有效地減少Aβ1～42寡聚體形成。為了進一步探究5-hydroxycyclopenicillone抑制Aβ1～42構象轉換的分子機制，Zhao等[53]利用全原子MD模擬研究了其與Aβ1～42單體之間的相互作用，結果表明，5-hydroxycyclopenicillone和Aβ1～42之間的疏水作用可能會阻止Aβ1～42構象的轉變和寡聚化。此外，Aβ1～42寡聚體和5-hydroxycyclopenicillone一起預孵育后加入到神經元SH-SY5Y細胞中時，其毒性比正常Aβ1～42寡聚體低。

大量的實驗證明磺胺類藥能夠抑制Aβ聚集并減緩AD的癥狀。其中，體內和體外研究結果證明，(2,5-dichloro-N)-4-piperidinophenyl 3-thiophenesulfonamide(C1)能夠抑制Aβ1～42的聚集沉淀。為了探明C1抑制Aβ1～42構象轉換的分子機制，Shuaib等[54]利用全原子MD模擬研究了C1與Aβ1～42單體構象轉換的分子機制，結果表明，C1通過氫鍵和π-π相互作用緊密結合Aβ1～42的α-螺旋結構區域13～26，從而抑制其構象轉換。MM/PBSA自由能計算結果表明，殘基Ala2、Phe4、Tyr10、Gln5、Lys6、Leu7、Val8、Phe20、Glu22和Met35的貢獻最大。

2.2 多肽抑制劑

相對于小分子，多肽具有優良的生物相容性、易透過血腦屏障、毒副作用小以及易合成和修飾改性等優點，已廣泛用于Aβ構象轉換的抑制[55]。目前，大多數短肽類抑制劑均是從Aβ的疏水核心序列和β-折疊序列中抽取的片段，如Aβ16～20(KLVFF)、Aβ17～21(LVFFA)、Aβ31～42(IIGLMVGGVVIA)和Aβ39～42(VVIA)等以及它們的衍生序列(LPFFD)。例如，Yang等[56]利用分子對接獲得的Aβ1～42-LPFFD復合物為初始結構，利用全原子MD模擬解析了多肽抑制劑 LPFFD 抑制 Aβ1～42構象轉換的分子機制，結果表明LPFFD通過破壞Aβ1～42的鹽橋D23～K28來抑制Aβ1～42的構象轉換。Viet等[57]結合MD模擬和自由能計算方法解析了短肽抑制劑KLVFF和LPFFD影響Aβ16～22聚集和Aβ1～40構象轉換的分子機制,并解析了抑制劑與Aβ之間的親和力與其抑制能力之間的關系。筆者應用MD模擬和結合自由能計算方法研究了多肽抑制劑KLVFF、VVIA和LPFFD抑制Aβ1～42構象轉換的分子機制[49,58]，結果表明，3種多肽抑制劑均能夠有效抑制Aβ1～42的構象轉換。另外，多肽抑制劑降低了Aβ1～42分子內的疏水相互作用，減少了多肽分子內遠距離的接觸，有效抑制了Aβ1～42的疏水塌縮，從而起到穩定其初始構象的作用。這些抑制劑與Aβ1～42之間的疏水和靜電相互作用均有利于它們抑制Aβ1～42的構象轉換。此外，抑制劑中的帶電氨基酸殘基可以增強其和Aβ1～42之間的靜電相互作用，并降低抑制劑之間的聚集，從而大大增強對Aβ1～42構象轉換的抑制能力，但脯氨酸的引入會破壞多肽的線性結構，從而大大降低其與Aβ1～42之間的作用力。為了進一步提高短肽抑制劑與Aβ之間的親和性，筆者基于Aβ纖維的分子作用機制[59]，在Aβ17～21(LVFFA)結構的基礎上添加2個帶正電荷的R和K，獲得LK7(LVFFARK)短肽抑制劑[60]，硫黃素(ThT)結合試驗和投射電子顯微鏡(TEM)的分析結果表明，LK7能夠抑制Aβ1～42聚集，但LK7的抑制效果呈現先上升后下降的效果。即，當LK7與Aβ1～42的濃度比大于1∶ 1之后，LK7的抑制效果反而下降。究其原因，LK7具有非常強烈的自聚效果，LK7的自聚除了會大大降低其抑制Aβ1～42的聚集性，且其聚集體具有強烈的細胞毒性作用。為了克服LK7的自聚，Xiong等[60]將其固定化到PLGA納米球上，獲得納米抑制劑LK7@PLGA-NPs，通過進一步系統的生物物理、生物化學和細胞生物學實驗，結果表明，該納米抑制劑在較低的濃度下仍然具有很好的抑制Aβ1～42聚集的效果；在同濃度的游離LK7條件下，LK7基本沒有任何抑制效果。

利用MD模擬、MM/PBSA自由能計算和分解方法研究了ZAβ3-Aβ16～40復合物之間的相互作用機制[61]，結果表明，ZAβ3的β-股和Aβ16～40單體的β-股之間的親和作用占主導，而α-螺旋與 Aβ16～40的作用力很小。利用MM/PBSA自由能分解發現ZAβ3和Aβ16～40的熱點殘基，ZAβ3通過將發夾型Aβ單體包埋在α-螺旋圍成的疏水性腔體內來阻礙Aβ聚集。這種結合模式為設計高效的Aβ蛋白質類抑制劑提供了3個基本要素：高親和性的結合片段β-股、附屬結構和穩定的構象。高親和性結合片段能競爭性地與Aβ單體結合，附屬結構卻能夠阻礙其他Aβ單體靠近，而穩定的構象是上述2種要素發揮作用的基礎，三者協同作用可以有效地抑制Aβ聚集。

考慮到基于Aβ片段衍生出的多肽抑制劑極易自聚形成富含β-折疊片段的纖維結構，Wang等[62]首次提出了相似作用的理念去設計新的異源自組裝多肽抑制劑，他們認為具有相似β二級結構特征多肽序列作為異源多肽抑制劑的候選，這些異源多肽抑制劑可以自組裝成β折疊片結構，與Aβ聚集的β折疊片非常相似。這種相似的結構，很有可能導致相似的抑制Aβ作用，從而達到抑制 Aβ之間的相互作用和聚集；然后用定量構效關系(QSAR)和分子對接設計篩選了1 000條異源自組裝多肽抑制劑；最后利用系統的生物物理、生物化學和細胞生物學實驗篩選出一些高效多肽抑制劑序列，發現這些多肽具有以下3個優點：自身無毒或低毒，抑制Aβ聚集或結構轉換，抑制或減低Aβ所引起的細胞毒性。分子模擬實驗進一步驗證了這些高效多肽抑制劑是通過形成β折疊片結構來抑制 Aβ寡聚體的形成。

3 展望

Aβ構象轉換和聚集在AD的發生、發展中發揮著重要作用。利用MD模擬研究探明Aβ構象轉換及其現有抑制劑抑制其構象轉換的作用機制，可以進一步揭示AD的發病機制，為今后AD藥物的開發和研究提供思路和方向。

力場對于利用MD模擬研究Aβ構象轉換的影響非常大[63]。合適的力場能夠揭示很多有用的信息，但不合適的力場很可能就會得到錯誤的信息[64]。隨著計算機軟硬件技術的進一步發展，尤其是分子力場和MD模擬基本原理的飛速發展，MD模擬現存的上述問題將逐步得到解決，作為一種新興的技術，MD模擬必將在Aβ構象轉換和抑制及其Aβ聚集抑制劑開發方面的應用越來越廣泛，從而為AD有效藥物的開發貢獻更多的力量。