В ИТМО научились предсказывать свойства углеродных наночастиц для диагностики рака

Ученые ИТМО разработали новый подход к получению углеродных наночастиц с заданными оптическими свойствами для задач биомедицины. В его основе — методы машинного обучения. С помощью такого алгоритма ученые смогут быстрее подбирать нужные параметры синтеза для создания углеродных наночастиц с требуемыми свойствами. В перспективе эти частицы можно использовать для биовизуализации опухолей и их лечения с помощью фототерапии. Результаты исследования опубликованы в журнале Small.

Различные типы углеродных наночастиц под УФ-лампой. Фото предоставлено Еленой Ушаковой

Для диагностики и лечения рака врачи используют наночастицы — во время МРТ и люминесцентной микроскопии они помогают выявить опухоль. На роль таких контрастных агентов хорошо подходят углеродные наночастицы — их легко создавать, они биосовместимы (то есть не наносят вреда организму), а их свойствами можно управлять. Подходящие для терапии и диагностики рака частицы должны излучать свет в красной области спектра, где ткани прозрачны и хорошо визуализируются. Обычно для создания частиц с такими оптическими свойствами ученые используют классический метод проб и ошибок: синтезируют и проверяют частицы с разными параметрами, однако это не всегда эффективно и занимает много времени.

Исследователи ИТМО предложили автоматизировать подбор углеродных наночастиц и разработали алгоритм на основе машинного обучения. На входе модель получает параметры синтеза частиц (тип прекурсоров, молярные соотношения, объем растворителя, температуру и время синтеза), на выходе — предсказывает их оптические свойства: положение пика поглощения, положение пика фотолюминесценции, квантовый выход фотолюминесценции. Благодаря этому, ученые смогут быстрее создавать углеродные наночастицы с желаемыми оптическими свойствами для применения в медицине.

Для обучения модели исследователи использовали результаты около 130 синтезов углеродных наночастиц из открытых источников. Работу алгоритма проверяли в трех лабораториях по всему миру: в Петербурге, в Чанчунь (Китай) и в Гонконге, где всего провели шесть синтезов. Эксперименты показали, что модель хорошо предсказывает оптические свойства наночастиц: значение метрики эффективности (коэффициента детерминации) достигло 0,72 для групп синтезов с одинаковым прекурсором и 0,86 для групп синтезов, сформированных алгоритмом машинного обучения (макс. значение — 1).

«Пока у модели относительно небольшая база данных, но при этом самая крупная для углеродных наночастиц из существующих. Наш алгоритм имеет открытый код на гитхабе, чтобы другие ученые могли использовать его для проверки других наночастиц и пополнять базу данных. В будущем мы хотели бы превратить модель в более общий инструмент, который можно применять не только для углеродных наночастиц, но и для любых других объектов, где нужно найти связь между параметрами синтеза и свойствами частиц», — рассказала одна из авторов статьи, ведущий научный сотрудник международного научно-образовательного центра физики наноструктур Елена Ушакова.

В перспективе углеродные наночастицы, синтезированные с помощью алгоритма, можно будет использовать для диагностики рака — для этого ткани с введенными в них частицами нужно исследовать методом люминесцентной микроскопии. Кроме того, углеродные наночастицы с нужными свойствами могут применяться при лечении рака с помощью фототермической терапии — частицы будут поглощать свет и превращать его в тепло, локально нагревая и разрушая опухоли.

Исследование поддержано грантом РНФ.