ビットからボンドへ:機械学習と分子ダイナミクスの組み合わせによるリボ核酸ナノキャリアの高通量仮想スクリーニング

科学分野:

• バイオマテリアル科学
• コンピュータ化学
• ナノテクノロジー

背景:

• RNAの配送のための効率的なナノキャリアの開発は重要ですが,挑戦的です.
• 伝統的なスクリーニング方法は遅くて高価です.
• コンピューティング・メソッドは データ不足と高いシミュレーションコストに直面しています

研究 の 目的:

• 新しいポリアミノエステル (PBAE) ナノキャリアを設計するための高通量仮想スクリーニングプラットフォーム"Bits2Bonds"を導入する.
• 最適化されたsiRNA配送システムのための機械学習 (ML) との粗粒子の分子ダイナミクス (CGMD) シミュレーションを統合する.
• 伝統的な実験的スクリーニングと純粋に計算的なアプローチの限界に対処する.

主な方法:

• CGMDシミュレーションとML主導の最適化を統合した"Bits2Bonds"プラットフォームを開発しました.
• MDベースの"チャレンジ"を使用して,膜とsiRNAの相互作用のようなキーの配信チャレンジをシミュレートします.
• 実験データ (合成,特徴付け,ログP,封じ込め,細胞測定) に対して計算フレームワークを校正し,検証した.

主要な成果:

• 治療用 siRNA 配送のための新しい PBAE キャリアを成功裏に設計し,仮想的にスクリーニングしました.
• 核酸配送の重要な側面をシミュレートするプラットフォームの能力を実証しました.
• 実験合成,特徴付け,生物学的活動データで検証された計算予測.

結論:

• "Bits2Bonds"プラットフォームは,ポリメリックsiRNA配送システムの"de novo"設計のための強力なツールを提供します.
• この統合コンピューティングアプローチは,ナノキャリアの迅速な仮想スクリーニングと最適化を可能にします.
• より効果的で効率的なRNA配送技術の開発を容易にする.