预测纳米材料上的生物分子吸附:分子模拟和机器学习的混合框架

科学领域:

• 计算毒理学和纳米医学
• 材料科学和生物信息学

背景情况:

• 纳米材料 (NM) 与生物分子的相互作用决定了它们的生物行为,毒性和有效性.
• 对这些纳米生物相互作用的实验评估往往是复杂的,资源密集的.
• 计算方法为理解生物冠状病毒形成和预测NM行为提供了一个强大的替代方案.

研究的目的:

• 开发一种混合元建模方法,整合基于物理的分子建模和机器学习.
• 预测各种纳米材料和生物分子之间的相互作用能量.
• 促进生物医学应用更安全的纳米材料的合理设计.

主要方法:

• 开发了NM表面特性的新型描述符,并将它们与生物分子结构描述符结合起来.
• 利用机器学习算法来构建定量结构与属性关系 (QSPR) 模型.
• 从潜在的平均力 (PMF) 计算中提取的相互作用能量.

主要成果:

• 为QSPR模型实现了高预测准确性 (训练R2=0.84,验证R2=0.70).
• 成功预测了各种NM (碳基,金属,金属氧化物等) 之间的相互作用. 和生物分子 (氨基酸).
• 在GitHub上开发了一个公开可用的应用程序,用于NM表面属性分析.

结论:

• 混合元建模方法为纳米生物相互作用和生物冠状病毒形成提供了重要的见解.
• 该模型有助于预测毒性风险,并优化NM功能以确保安全.
• 促进纳米材料的可持续和安全设计,特别是纳米医学,与监管政策保持一致.