Учёные из Центра нанонаук Университета Йювяскюля (Финляндия) разработали инновационную вычислительную модель, которая может ускорить использование наноматериалов в биомедицине.
В исследовании представлена первая обобщаемая структура машинного обучения, способная предсказывать, как белки взаимодействуют с стабилизированными лигандами золотыми нанокластерами — материалами, широко используемыми в биоимиджинге, биосенсинге и адресной доставке лекарств.
Адсорбция белков на поверхности наноматериалов имеет фундаментальное значение для многих биологических приложений, включая биоимиджинг и биосенсинг, а также адресную доставку лекарств. Золотые нанокластеры, в частности, привлекли внимание благодаря своей биосовместимости и настраиваемым оптическим свойствам. Однако существующие исследования, предсказывающие взаимодействие белков с этими защищёнными лигандами наноструктурами, часто фокусируются на отдельных случаях, оставляя исследователей без единой модели для руководства проектированием.
«Этот пробел создал явную потребность в общих масштабируемых моделях, способных уловить основные правила связывания белков с нанокластерами», — уточняет научный сотрудник Brenda Ferrari из Университета Йювяскюля.
Для решения этой задачи исследователи из Центра нанонаук разработали структуру машинного обучения на основе кластеризации, которая выявляет химические принципы, управляющие адсорбцией биомолекул на золотых нанокластерах.
Используя передовой кластерный анализ, подтверждённый атомистическим моделированием, выполненным на суперкомпьютере LUMI в CSC — IT-центре науки, исследовательская группа обнаружила химические правила, управляющие интерфейсом пептид–Au₃₈(p-MBA)₂₄. Модель определяет, какие аминокислоты имеют более высокое или низкое сродство к связыванию с золотыми нанокластерами, и выявляет специфические химические группы, ответственные за эти взаимодействия, — говорит Феррари.
Новая структура, разработанная специально для того, чтобы быть общей и масштабируемой, выходит за рамки пептидов, предлагая широкие возможности для понимания взаимодействий белков с золотыми нанокластерами. Эта возможность может значительно ускорить скрининг большого количества белков и поддержать разработку более эффективных наноматериалов для биомедицинских применений.
«Наша цель состояла в том, чтобы создать модель, которая не просто объясняет одну конкретную систему, а может быть обобщена», — говорит Феррари. Мы продолжим работать над ограничениями, но у нас уже есть модель, которая может быть расширена для широкого объяснения взаимодействий белков с золотыми нанокластерами и поддержки разработки более интеллектуальных наноматериалов для биомедицинского использования, — продолжает она.
Полное исследование со всеми кодами и данными опубликовано в журнале Aggregate.
Предоставлено Университетом Йювяскюля.