研究人员利用机器学习技术与超级计算机模拟相结合，探索微小金纳米颗粒与血液蛋白质之间的相互作用。他们的研究结果表明，基于详细原子级分子动力学模拟训练的机器学习模型能够有效预测纳米颗粒与蛋白质之间的有益相互作用。这种创新的方法为模拟金纳米颗粒作为精密纳米医学中靶向输送系统的有效性开辟了道路。
芬兰于韦斯屈莱大学的纳米科学中心的研究人员利用机器学习技术与超级计算机模拟相结合，探索微小金纳米颗粒与血液蛋白质之间的相互作用。他们的研究结果表明，基于详细原子级分子动力学模拟训练的机器学习模型能够有效预测纳米颗粒与蛋白质之间的有益相互作用。这种创新的方法为模拟金纳米颗粒作为精密纳米医学中靶向输送系统的有效性开辟了道路。
结合生物分子与无机纳米材料的混合纳米结构代表了一个尚未充分开发的研究领域，为生物成像、生物传感和纳米医学提供了独特的应用潜力。在这些应用的开发过程中，深入了解纳米生物界面的动态特性是至关重要的。然而，准确建模该界面的特性具有挑战性，因为关键过程——如电子电荷转移、化学反应或生物分子的表面重构——可以在不同的长度和时间框架内发生。此外，这些原子模拟必须在合适的水环境中进行。
近日，来自于韦斯屈莱大学的研究人员展示了在研究金属纳米颗粒与血液蛋白质之间相互作用的原子模拟方面的显著加速。他们利用涉及水中金纳米颗粒与蛋白质的分子动力学模拟的广泛数据，实施了图论和神经网络，开发了一种方法，能够预测纳米颗粒与五种常见人类血液蛋白质（血清白蛋白、载脂蛋白E、免疫球蛋白E、免疫球蛋白G和纤维蛋白原）之间最合适的结合位点。机器学习模型所做的预测通过长时间尺度的原子模拟得到了成功确认。
“近年来，我们发表了一项计算研究，表明使用负载肽和癌症药物的功能化金纳米颗粒可以选择性地靶向癌细胞表面过表达的蛋白质，”计算纳米科学教授汉努·哈基宁（Hannu Häkkinen）解释道。“通过我们新的机器学习方法，我们可以扩展研究，考察药物载纳米颗粒与血液蛋白质的相互作用，以及这些相互作用可能如何影响药物载体的有效性，”哈基宁补充道。
研究结果将促进进一步的研究，旨在开发新的计算方法来研究金属纳米颗粒与生物分子之间的相互作用。
“机器学习将在评估纳米颗粒在纳米医学中的诊断和治疗应用的作用时成为重要资产。这将是我们即将开展的项目‘动态纳米聚集体——生物分子界面’的主要重点，该项目得到了欧洲研究委员会的支持，”哈基宁表示。
研究结果已在国际期刊《先进材料》和《生物结合化学》上发表。这项研究得到了芬兰研究委员会的欧盟高性能计算（EuroHPC）资金计划的支持。所使用的计算资源来自芬兰重大挑战项目BIOINT和NanoGaC，通过芬兰超级计算中心CSC托管的LUMI和Mahti超级计算机提供。
