表面吸着タンパク質の制御のためのデータ駆動型機械学習フレームワーク

科学分野:

• 表面科学
• 生体材料工学
• 計算化学

背景:

• タンパク質吸着は、タンパク質、表面、環境要因の影響を受ける複雑な現象です。
• タンパク質吸着の予測と制御は、表面科学における重要な課題であり続けています。

研究 の 目的:

• タンパク質吸着を予測するためのデータ駆動型機械学習フレームワークを開発すること。
• 記述子の体系的な評価と、吸着挙動への影響を評価すること。

主な方法:

• 7つの重要な記述子を用いたAutoGluonフレームワークを利用しました。
• 3つの最適なモデルを構築し、WeightedEnsemble_L2（WE_L2）が優れた性能を示しました。
• SHAP分析を用いて、記述子の寄与とそのタンパク質吸着への影響を定量化しました。

主要な成果:

• WE_L2モデルは、自己組織化単分子膜（SAM）表面へのウシ血清アルブミン（BSA）吸着を正確に予測しました。
• このモデルは、二分子層形成や静電効果を含む、複雑なヒト血清アルブミン（HSA）吸着挙動を捉えました。
• SHAP分析により、タンパク質吸着を促進または阻害する記述子の効果が明らかになりました。

結論:

• 解釈可能な機械学習モデルにより、タンパク質吸着量を精密に予測できます。
• このフレームワークは、生体材料用途における界面タンパク質吸着を制御するための強力なツールを提供します。