Машинное обучение и суперкомпьютерные симуляции предсказывают взаимодействия наночастиц золота с белками крови

Исследователи из Научного центра нанотехнологий Университета Йювяскюля (Финляндия) использовали машинное обучение и суперкомпьютерное моделирование для изучения того, как крошечные наночастицы золота связываются с белками крови. Исследования показали, что благоприятные взаимодействия наночастица–белок можно предсказать с помощью моделей машинного обучения, обученных на атомарных молекулярно-динамических симуляциях. Новая методология открывает пути для моделирования эффективности наночастиц золота в качестве целевых систем доставки лекарств в прецизионной наномедицине.

Машинное обучение помогает изучать взаимодействия на атомарном уровне

Исследователи продемонстрировали, что можно значительно ускорить атомарное моделирование взаимодействий между металлическими наночастицами и белками крови.

На основе обширных данных молекулярно-динамического моделирования систем наночастица золота–белок в воде с помощью теории графов и нейронных сетей была создана методология, способная предсказывать наиболее благоприятные сайты связывания наночастиц с пятью распространёнными белками человеческой крови: сывороточным альбумином, аполипопротеином E, иммуноглобулином E, иммуноглобулином G и фибриногеном. Результаты машинного обучения были успешно подтверждены длительными атомарными симуляциями.

«С новой методологией машинного обучения мы можем расширить нашу работу, чтобы исследовать, как несущие лекарства наночастицы взаимодействуют с белками крови и как эти взаимодействия меняют эффективность носителей лекарств», — говорит профессор вычислительной нанонауки Ханну Хяккинен.

Исследование будет продолжено

Результаты позволят продолжить разработку новых вычислительных методов для изучения взаимодействия металлических наночастиц с биомолекулами.

«Машинное обучение — очень полезный инструмент для изучения использования наночастиц в диагностике и терапии в области наномедицины. Это станет одной из главных целей нашего следующего проекта "Динамические нанокластер–биомолекулярные интерфейсы"», — отмечает Хяккинен.

Работа была опубликована в двух статьях в журналах Advanced Materials и Bioconjugate Chemistry.

Вычислительные ресурсы были предоставлены финскими проектами Grand Challenge BIOINT и NanoGaC на суперкомпьютерах LUMI и Mahti соответственно, размещённых в финском суперкомпьютерном центре CSC.