Tekoäly ja supertietokonesimuloinnit auttavat tutkijoita ennustamaan kultananopartikkelien ja plasmaproteiinien vuorovaikutuksia

Biomolekyylien ja epäorgaanisten nanomateriaalien muodostamat hybridiset nanorakenteet ovat herättäneet tutkijoissa laajaa kiinnostusta, sillä niitä voi mahdollisesti käyttää useaan sovelluskohteeseen biokuvantamisessa, biotunnistuksessa ja nanolääketieteessä. Sovellusten kehittäminen vaatii bio-nano-rajapinnan rakenteen ja toiminnan ymmärrystä. Atomitason simuloinneilla rajapinnasta voidaan saada yksityiskohtaista tietoa, mutta simuloinnit ovat yleensä numeerisesti erittäin raskaita, koska rajapinnassa tapahtuvat kriittiset prosessit voivat tapahtua useassa pituus- ja aikaskaalassa. 

Tekoäly apuna atomitason vuorovaikutusten tutkimisessa 

Hiljattain julkaistussa tutkimuksessa Jyväskylän yliopiston tutkijat havaitsivat, että atomitason simulointeja voi huomattavasti nopeuttaa kehittämällä tekoälymalleja, jotka ennustavat todennäköisimpiä kultananopartikkelien sitoutumispaikkoja veressä esiintyviin yleisimpiin plasmaproteiineihin. Mallien kehityksessä käytettiin graafiteoriaa rajapinnan olennaisten piirteiden kuvaamiseen sekä neuroverkkoja vuorovaikutusten voimakkuuksien ennustamiseen. Mallien ennustukset todennettiin atomitason simulointien avulla.    

- Muutama kuukausi sitten julkaisimme toisen laskennallisen tutkimuksen, jonka päätulos oli, että lääkemolekyylejä kantavan kultananopartikkelien tarttumista syöpäsolun pinnalla oleviin proteiineihin voidaan kontrolloidusti parantaa partikkelin pintaa muokkaavilla peptideillä, kertoo tutkimusta johtanut laskennallisen nanotieteen professori Hannu Häkkinen Jyväskylän yliopistosta. Nyt uusimman tutkimuksen tuloksena kehitetyillä tekoälymalleilla voimme jatkossa tutkia, kuinka veressä esiintyvät yleisimmät proteiinit vaikuttaisivat partikkelien tehoon lääkeaineiden kantajina, Häkkinen jatkaa. 

Tutkimukselle tulossa lisää jatkoa 

Nyt saadut tulokset mahdollistavat lisätutkimukset, joiden avulla on helpompi kehittää uusia laskennallisia menetelmiä nanopartikkelien ja biomolekyylien välisten vuorovaikutusten tutkimiseen.  

- Tekoälystä näyttää olevan paljonkin hyötyä tutkittaessa nanopartikkelien käyttöä nanolääketieteen alaan kuuluvissa diagnostiikan ja terapian sovelluksissa. Tutkimusta jatketaan Euroopan tutkimusneuvoston (ERC) rahoittamassa ”Dynamic Nanocluster – Biomolecule Interfaces” projektissani, joka alkoi lokakuussa, iloitsee Häkkinen. 

Tutkimus julkaistiin kahdessa vertaisarvioidussa kansainvälisessä julkaisusarjassa: Advanced Materials ja Bioconjugate Chemistry. Tutkimus sai rahoitusta Suomen Akatemian EuroHPC-ohjelmasta ja siinä käytetyt tietokoneresurssit myönnettiin Häkkisen johtamille kansallisille Grand Challenge -laskentaprojekteille BIOINT ja NanoGaC. Tutkimuksessa käytettiin sekä Suomen tehokkainta Mahti-superkonetta että CSC:n hallinnoimaa, Euroopan tehokkainta LUMI-supertietokonetta. 

Artikkelien tiedot: 

• Advanced Materials: A. Pihlajamäki, M.F. Matus, S. Malola and H. Häkkinen, GraphBNC: Machine Learning – Aided Prediction of Interactions Between Metal Nanoclusters and Blood Proteins, Advanced Materials, https://doi.org/10.1002/adma.202407046 (published online September 24, 2024).  

• Bioconjugate Chemistry: M.F. Matus and H. Häkkinen, Rational Design of Targeted Gold Nanoclusters with High Affinity to Integrin avb3 for Combination Cancer Therapy, Bioconjugate Chemistry,  https://doi.org/10.1021/acs.bioconjchem.4c00248 (published online July 15, 2024, cover article of October issue 2024).