可视化TRiC分子伴侣介导的微管蛋白动态折叠过程：从非天然折叠核到天然态的结构解析

本研究通过冷冻电镜结合深度学习技术，首次直接观察到人类分子伴侣TRiC中微管蛋白的非天然折叠核(FN)结构，揭示了TRiC通过稳定非天然二级结构元件并介导构象空间采样，引导微管蛋白完成从折叠核→中间态→天然态的分级折叠过程，为理解复杂蛋白质折叠机制提供了新范式。

　　

蛋白质折叠是生命科学的核心谜题之一。虽然Anfinsen原理表明氨基酸序列决定蛋白质三维结构，但像微管蛋白这样的复杂蛋白质如何克服Levinthal悖论（理论上需要天文数字时间采样所有可能构象）实现高效折叠，仍是未解之谜。人类细胞中约10%的蛋白质需要TRiC（TCP-1环复合物）分子伴侣协助折叠，其中微管蛋白作为细胞骨架的关键组分，其异常折叠与癌症等疾病密切相关。然而，折叠起始阶段的"折叠核"（FN）结构长期难以捕捉，TRiC如何动态指导折叠过程也不清楚。

《Nature Communications》最新研究通过冷冻电镜技术结合深度学习算法cryoDRGN，首次捕捉到TRiC封闭腔内微管蛋白折叠的动态全过程。研究人员利用昆虫细胞共表达系统获得TRiC-微管蛋白复合物，在ATP/AIF_x条件下诱导TRiC环闭合，收集529,181个冷冻电镜颗粒图像。通过对称扩展分类和深度学习驱动的异质性分析，不仅解析出四个渐进折叠中间态（State I-IV），更从曾被视作"无效数据"的颗粒中发现了关键的State 0.5——这是首个直接观察到的非天然折叠核结构。

研究主要采用冷冻电镜单颗粒分析（分辨率3.7-7.5?）和cryoDRGN异质性分析技术。通过RELION 4和ChimeraX软件进行三维重构和模型搭建，结合Resmap局部分辨率评估和Q-score分析，系统解析了TRiC双环协同性、CCT尾部动态及微管蛋白折叠路径。

研究结果

TRiC双环折叠的协同性

分析显示45%TRiC颗粒双环同时折叠微管蛋白，存在同步（双环相同折叠态）和非同步（双环不同态）两种模式。这种双工设计可能提高折叠效率，但各环折叠进程独立调控。

CCT尾部的动态调控

首次完整建模TRiC各亚基的N/C端尾部，发现其形成正（CCTs 3/6/8/7）负（CCTs 5/2/4/1）电荷簇。cryoDRGN分析揭示尾部通过跨环互作驱动未折叠链的构象采样，打破局部能量陷阱。

折叠核State 0.5的结构特征

关键发现是包含β链S1/S4/S5和α螺旋H1/H3(C端)/H4的非天然Rossmann折叠核。这些元件以非天然形式组装，但通过H4-CCT3、H3(C端)-CCT6等相互作用稳定在TRiC腔内，为后续N域（残基1-170）的正确折叠提供支架。

折叠动态过程

State I中未折叠的C域（62%序列）在腔内剧烈重排；State II中核心螺旋域的H7从N端开始折叠；State III中剩余14%未折叠的中域趋于天然位。全程CCT尾部像"分子搅拌器"促进构象采样。

结论与意义

该研究突破性地揭示：

1. 1.

   折叠核实质是非天然二级结构的组装体，支持"成核-凝聚"模型而非经典框架模型；

2. 2.

   TRiC不仅是Anfinsen笼，更通过静电相互作用和机械扰动主动指导折叠；

3. 3.

   CCT尾部动态是构象采样的关键驱动力；

4. 4.

   双环独立工作模式提高折叠通量。

这些发现为理解TRiC相关脑疾病突变（如CCT3 R518截短）的致病机制提供结构基础，也为开发靶向TRiC-微管蛋白折叠通路的抗癌药物开辟新思路。研究方法学上，证明深度学习能从传统丢弃的数据中挖掘重要生物学信息，为今后蛋白质动态研究树立了新范式。