Нанозимы — искусственные ферменты, которые представляют собой наночастицы различной химической природы. Производить и использовать их по сравнению с природными соединениями проще, и по своим свойствам они не уступают натуральным аналогам. Однако самый сложный этап в разработке лекарств и диагностических систем на основе нанозимов — моделирование необходимых свойств частиц до их синтеза. Эту задачу и решили сотрудники и студенты Международного научного центра — они создали первую в мире платформу по предсказанию ферментативной активности нанозимов .
Как работает сервис
— открытая расширяемая платформа, которая содержит базу данных о наночастицах с ферментативной активностью, интерактивный визуализатор информации и алгоритмы машинного обучения, предсказывающие параметры ферментативной реакции: скорость и сродство участвующих в химическом процессе веществ.
Платформа полезна как для разработчиков конкретных материалов, так и для тех, кто серьезно занимается этой предметной областью. Чтобы узнать границы активности наночастиц определенного состава, достаточно задать алгоритму химическую формулу вещества и известные параметры. К тому же сервис построит графики зависимости ферментативной активности от различных параметров. Если же какие-то факторы (например pH) катализируемой реакции неизвестны, система автоматически их проварьирует по имеющимся в базе данным.
«Наш сервис на данный момент направлен, в первую очередь, на исследование наночастиц с пероксидазной активностью. Это подкласс ферментов, которые катализируют окисление субстратов перекисью водорода. По этим системам у нас накоплен большой массив данных. Любой желающий может зайти на сайт, ввести интересующую химическую формулу и параметры наночастицы, после этого алгоритм спрогнозирует ее активность. Весь процесс занимает считанные секунды», — подчеркивает Юлия Разливина, первый автор исследования, студентка магистерской программы ИТМО «Химия прикладных материалов».
Раньше для того, чтобы спрогнозировать поведение нанозима, приходилось измерять все параметры и строить экспериментальные зависимости вручную. Обычно это требует много времени.
«Сервис не ограничен только пероксидазной активностью и потенциально может быть перенесен на все остальные типы, что и планируется сделать, когда будет оцифровано достаточное количество экспериментальных данных. Наша задача — значительно ускорить экспериментальные исследования и минимизировать затраты на них. Чем больше ученых пользуется нашей платформой, тем лучше она становится», — добавляет Никита Серов, соавторов статьи, аспирант Международного научного центра .
Что представляет собой база данных
Впервые повсеместно о нанозимах ученые заговорили в 2010-х годах. Тогда начали активно выходить статьи об экспериментально открытых ферментативных свойствах тех или иных наночастиц. Но не хватало объединенной базы данных по всем исследовательским и обзорным статьям, было недостаточно и алгоритмов, с помощью которых можно было бы прогнозировать подобные свойства наночастиц, а не обнаруживать их случайно.
Эту задачу и решает сервис DiZyme. Его алгоритм на основе данных научных статей строит зависимости, благодаря которым и вычисляет каталитическую активность искусственного соединения. При этом особенность разработки — расширяемость базы данных: пользователи могут добавлять в сервис новые исследовательские результаты.
Чем нанозимы лучше природных ферментов
Ферменты — это молекулы, способные ускорять различные реакции. Каждую секунду в живых системах происходит необозримое количество химических реакций, большинство из которых невозможны без катализаторов. В организмах они представлены белками зачастую со сложными строением и синтезом.
Нанозимы же в отличие от натуральных ферментов устроены намного проще и не требовательны к условиям хранения — потому их легче производить и использовать. За счет этих свойств искусственные катализаторы постепенно внедряют во многие практические сферы: от диагностики и лечения рака до защиты окружающей среды и биосенсорики. Поэтому так важно научиться прогнозировать свойства смоделированных ферментативных наночастиц — и порой еще до их синтеза. Представленный учеными сервис ускорит этот процесс.
«Нам было важно продемонстрировать точность работы модели. Для этого мы выбрали 16 разных образцов, полученных в нашей лаборатории, на которых измерили пероксидазную активность, чтобы сравнить, насколько точны предсказания платформы. Получилось, что примерно у 70 % систем сервис показал очень хорошее совпадение по параметрам. У остальных 30 % значения попадают в допустимый предел точности для оценки перед проведением экспериментов. Это говорит о том, что наша платформа обладает высоким уровнем точности предсказания ферментативной активности», — комментирует Владимир Виноградов, соавтор исследования, руководитель Международного научного центра ИТМО.
Журналист
