Нанозимы — недорогая альтернатива природным ферментам (сложные белковые соединения, ускоряющие и запускающие биохимические реакции в организме). Такие наночастицы стабильны и долго хранятся, а их активность как катализаторов (то есть ускорителей реакций) можно регулировать. Из-за этих свойств нанозимы используют для терапии и диагностики онкологических заболеваний, детектирования экологически опасных веществ, а также в качестве биосенсоров в пищевой промышленности.
Однако некоторые свойства нанозимов сложно контролировать и предсказывать, из-за чего разрабатывать частицы долго и дорого. Для решения этой проблемы исследователи Центра искусственного интеллекта в химии ИТМО создали ансамбль из нескольких моделей машинного обучения — они вычисляют основные параметры каталитических реакций. Ранее ученые уже работали над похожей темой и сделали веб-платформу, которой пользуются более чем в 50 странах мира.
В свежей работе они применили новый алгоритм, расширили перечень составов наночастиц и модификаций их поверхности, а также добавили на сайт LLM-помощника — его сделали вместе со студентами AI Talent Hub Университета ИТМО. Благодаря тому, что ученые расширили базу данных, у используемого алгоритма более высокая точность: они проанализировали 1200 образцов из 400 научных статей, включив в работу 390 уникальных составов нанозимов. Платформа позволяет предсказывать скорость и другие параметры химических реакций с участием искусственных ферментов.
«Наша первая работа получила хороший отклик, и мы поняли, что платформу надо улучшать и развивать. Первая версия не учитывала много условий, которые могут повлиять на результаты в реальных синтезах, поэтому мы расширили возможности: включили большее разнообразие составов и типов каталитической активности веществ», — рассказала Юлия Разливина, первый автор статьи, аспирантка второго курса химико-биологического кластера ИТМО.
Юлия Разливина. Источник: Передовая инженерная школа ИТМО
Сейчас ученые разрабатывают алгоритмы для автоматического сбора базы данных, что поможет предсказывать свойства нанозимов с еще большей точностью и результативностью.
Исследование выполнено в рамках программы Минобрнауки России «Приоритет 2030».
