18 نوامبر 2024 -توسط دانشگاه Jyväskylä
تصویر جلد شماره 10/2024 Bioconjugate Chemistry، یک نانوخوشه طلای محافظت شده با لیگاند قابل تنظیم را به عنوان یک سیستم دارورسانی با میل ترکیبی بالا به اینتگرین αvβ3، یک تنظیم کننده کلیدی چسبندگی و سیگنال دهی در فرآیندهای بیولوژیکی مختلف که نقش مهمی در سرطان دارد را نمایش می دهد. پیشرفت اعتبار: ماریا فرانسیسکا ماتوس از دانشگاه Jyväskylä.
محققان مرکز علوم نانو در دانشگاه Jyväskylä فنلاند از یادگیری ماشینی و شبیه‌سازی ابررایانه‌ای برای بررسی چگونگی اتصال نانوذرات طلا به پروتئین‌های خون استفاده کرده‌اند. مطالعات نشان داد که برهمکنش‌های مطلوب نانوذرات پروتئین را می‌توان از مدل‌های یادگیری ماشینی که از شبیه‌سازی‌های دینامیک مولکولی در مقیاس اتمی آموزش دیده‌اند، پیش‌بینی کرد. روش جدید راه هایی را برای شبیه سازی کارایی نانوذرات طلا به عنوان سیستم های دارورسانی هدفمند در نانوپزشکی دقیق باز می کند.
نانوساختارهای ترکیبی بین مولکول‌های زیستی و نانومواد معدنی یک زمینه تحقیقاتی تا حد زیادی ناشناخته را تشکیل می‌دهند، با پتانسیل برای کاربردهای جدید در تصویربرداری زیستی، سنجش زیستی و نانوپزشکی. توسعه چنین برنامه هایی به طور اساسی به درک ویژگی های دینامیکی رابط نانو زیستی وابسته است.
مدل‌سازی ویژگی‌های رابط نانو زیستی بسیار ضروری است زیرا فرآیندهای مهم مانند انتقال بار الکترونیکی، واکنش‌های شیمیایی یا بازسازی سطح زیست مولکول می‌تواند در طیف وسیعی از مقیاس‌های طولی و زمانی انجام شود و شبیه‌سازی‌های اتمی باید در محیط آبی مناسب اجرا شوند.
اخیراً، محققان دانشگاه Jyväskylä نشان داده‌اند که می‌توان به طور قابل‌توجهی به شبیه‌سازی اتمی تعاملات بین نانوذرات فلزی و پروتئین‌های خون سرعت بخشید.
بر اساس داده‌های شبیه‌سازی دینامیک مولکولی گسترده از سیستم‌های پروتئینی نانوذره طلا در آب، نظریه گراف و شبکه‌های عصبی برای ایجاد روشی استفاده شد که می‌تواند مطلوب‌ترین مکان‌های اتصال نانوذرات را به پنج پروتئین معمول خون انسان آلبومین سرم، آپولیپوپروتئین E پیش‌بینی کند. ، ایمونوگلوبولین E، ایمونوگلوبولین G و فیبرینوژن). نتایج یادگیری ماشین با موفقیت توسط شبیه‌سازی‌های اتمی در مقیاس زمانی طولانی تایید شد.
هانو هاکینن می‌گوید: «در ماه‌های اخیر، ما همچنین یک مطالعه محاسباتی منتشر کردیم که نشان داد می‌توان به‌طور انتخابی پروتئین‌های بیش از حد بیان شده را در سطح سلول سرطانی توسط نانوذرات طلای عامل دار که حامل پپتیدها و داروهای سرطان هستند، هدف قرار داد.»
با روش جدید یادگیری ماشینی، اکنون می‌توانیم کار خود را برای بررسی چگونگی تعامل نانوذرات حامل دارو با پروتئین‌های خون و اینکه چگونه این فعل و انفعالات اثربخشی حامل‌های دارو را تغییر می‌دهند، گسترش دهیم.
نتایج به تحقیقات بیشتر اجازه می دهد تا روش های محاسباتی جدیدی را برای تحقیق در تعامل بین نانوذرات فلزی و زیست مولکول ها توسعه دهند.
هاکینن خوشحال می شود: “یادگیری ماشین ابزار بسیار مفیدی در هنگام بررسی استفاده از نانوذرات در کاربردهای تشخیصی و درمانی در زمینه نانوپزشکی است. این یکی از اهداف اصلی پروژه بعدی ما “نانوخوشه پویا – رابط های زیست مولکول” خواهد بود.”
این کار در دو مقاله در مجلات Advanced Materials و Bioconjugate Chemistry منتشر شد.
منابع محاسباتی توسط پروژه‌های چالش بزرگ فنلاند BIOINT و NanoGaC به ترتیب در ابررایانه‌های LUMI و Mahti که در مرکز ابررایانه CSC فنلاند میزبانی شده‌اند، ارائه شده‌اند.
