La imagen de portada de la edición 10/2024 de Química de bioconjugadosque muestra un nanocluster de oro protegido por ligando sintonizable como un sistema de administración de fármacos con alta afinidad por la integrina αvβ3, un regulador clave de la adhesión y la señalización en diversos procesos biológicos que desempeña un papel basic en la progresión del cáncer. Crédito: María Francisca Matus de la Universidad de Jyväskylä.
Investigadores del Centro de Nanociencia de la Universidad de Jyväskylä, Finlandia, han utilizado el aprendizaje automático y simulaciones de supercomputadoras para investigar cómo las diminutas nanopartículas de oro se unen a las proteínas sanguíneas. Los estudios descubrieron que se pueden predecir interacciones favorables entre nanopartículas y proteínas a partir de modelos de aprendizaje automático entrenados a partir de simulaciones de dinámica molecular a escala atómica. La nueva metodología abre caminos para simular la eficacia de las nanopartículas de oro como sistemas de administración de fármacos dirigidos en nanomedicina de precisión.
Las nanoestructuras híbridas entre biomoléculas y nanomateriales inorgánicos constituyen un campo de investigación en gran medida inexplorado, con potencial para aplicaciones novedosas en bioimagen, biodetección y nanomedicina. El desarrollo de tales aplicaciones depende fundamentalmente de la comprensión de las propiedades dinámicas de la interfaz nano-bio.
Modelar las propiedades de la interfaz nano-bio es exigente ya que procesos importantes como la transferencia electrónica de carga, reacciones quimicas o la reestructuración de la superficie de la biomolécula puede tener lugar en una amplia gama de escalas de duración y tiempo, y las simulaciones atomísticas deben ejecutarse en el entorno acuoso apropiado.
El aprendizaje automático ayuda a estudiar las interacciones a nivel atómico
Recientemente, investigadores de la Universidad de Jyväskylä demostraron que es posible acelerar significativamente las simulaciones atomísticas de interacciones entre nanopartículas metálicas y proteínas sanguíneas.
Basado en extensos datos de simulación de dinámica molecular de nanopartículas de oro y sistemas de proteínas en agua, teoría de grafos y redes neuronales se utilizaron para crear una metodología que puede predecir los sitios de unión más favorables de las nanopartículas a cinco proteínas sanguíneas humanas comunes (albúmina sérica, apolipoproteína E, inmunoglobulina E, inmunoglobulina G y fibrinógeno). El aprendizaje automático Los resultados fueron validados con éxito mediante simulaciones atomísticas a larga escala.
El equipo detrás de la ciencia, de izquierda a derecha: Sami Malola, María Francisca Matus, Hannu Häkkinen, Antti Pihlajamäki. Crédito: Kevin Stamplecoskie.
«En los últimos meses, también publicamos un estudio computacional que demostró que es posible dirigir selectivamente proteínas sobreexpresadas en la superficie de una célula cancerosa mediante nanopartículas de oro funcionalizadas que contienen péptidos y medicamentos contra el cáncer», cube el profesor de nanociencia computacional», cube Hannu Häkkinen.
«Con la nueva metodología de aprendizaje automático, ahora podemos ampliar nuestro trabajo para investigar cómo interactúan las nanopartículas portadoras de fármacos con proteínas de la sangre y cómo esas interacciones cambian la eficacia de los portadores de medicamentos».
La investigación continuará
Los resultados permitirán investigaciones adicionales para desarrollar nuevos métodos computacionales para la investigación de la interacción entre nanopartículas metálicas y biomoléculas.
«El aprendizaje automático es una herramienta muy útil a la hora de examinar el uso de nanopartículas en aplicaciones de diagnóstico y terapia en el campo de la nanomedicina. Este será uno de los principales objetivos de nuestro próximo proyecto ‘Nanocluster dinámico: interfaces de biomoléculas'», se alegra Häkkinen.
El trabajo fue publicado en dos artículos en las revistas. Materiales avanzados y Química de bioconjugados.
Los recursos computacionales fueron proporcionados por los proyectos finlandeses del Gran Desafío BIOINT y NanoGaC en las supercomputadoras LUMI y Mahti, respectivamente, alojadas en el centro de supercomputación finlandés CSC.
Más información:
Antti Pihlajamäki et al, GraphBNC: predicción asistida por aprendizaje automático de interacciones entre nanoclusters metálicos y proteínas sanguíneas, Materiales avanzados (2024). DOI: 10.1002/adma.202407046
María Francisca Matus et al, Diseño racional de nanoclústeres de oro dirigidos con alta afinidad a la integrina αvβ3 para la terapia combinada contra el cáncer, Química de bioconjugados (2024). DOI: 10.1021/acs.bioconjchem.4c00248
Proporcionado por
Universidad de Jyväskylä
Citación: El aprendizaje automático y las simulaciones de supercomputadoras predicen las interacciones entre nanopartículas de oro y proteínas sanguíneas (2024, 18 de noviembre) recuperado el 18 de noviembre de 2024 de https://phys.org/information/2024-11-machine-supercomputer-simulations-interactions-gold.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.
