Credito:Tokyo Tech
I film di spazzole polimeriche sono costituiti da catene di monomeri cresciute in stretta vicinanza su un substrato. I monomeri, che sembrano "setole" su scala nanometrica, formano un rivestimento altamente funzionale e versatile, tale da poter adsorbire o respingere selettivamente una varietà di sostanze chimiche o molecole biologiche. Ad esempio, le pellicole polimeriche a spazzola sono state utilizzate come impalcatura per far crescere cellule biologiche e come rivestimenti protettivi anti-biofouling che respingono gli organismi biologici indesiderati.
Come rivestimenti anti-biofouling, le spazzole polimeriche sono state progettate principalmente sulla base dell'interazione tra monomeri e molecole d'acqua. Sebbene ciò renda semplice la progettazione, la previsione quantitativa dell'adsorbimento di biomolecole come le proteine sui monomeri si è rivelata impegnativa, a causa delle complesse interazioni coinvolte.
Ora, in un recente studio pubblicato su ACS Biomaterials Science &Engineering , un gruppo di ricerca guidato dal Professore Associato Tomohiro Hayashi del Tokyo Institute of Technology (Tokyo Tech), Giappone, ha utilizzato l'apprendimento automatico per prevedere queste interazioni e identificare le caratteristiche del film che hanno un impatto significativo sull'assorbimento delle proteine.
Nel loro studio, il team ha fabbricato 51 diversi film di spazzole polimeriche di diversi spessori e densità con cinque diversi monomeri per addestrare l'algoritmo di apprendimento automatico. Hanno quindi testato molti di questi algoritmi per vedere quanto bene le loro previsioni corrispondessero all'adsorbimento proteico misurato. "Abbiamo testato diversi algoritmi di regressione supervisionata, vale a dire regressione con incremento del gradiente, regressione vettoriale di supporto, regressione lineare e regressione forestale casuale, per selezionare il modello più affidabile e adatto in termini di accuratezza della previsione", afferma il dott. Hayashi.
Di questi modelli, il modello di regressione della foresta casuale (RF) ha mostrato il miglior accordo con i valori di adsorbimento proteico misurati. Di conseguenza, i ricercatori hanno utilizzato il modello RF per correlare le proprietà fisiche e chimiche della spazzola polimerica con la sua capacità di assorbire le proteine del siero e consentire l'adesione cellulare.
"Le nostre analisi hanno mostrato che l'indice di idrofobicità, o la relativa idrofobicità, era il parametro più critico. Successivamente in linea c'erano lo spessore e la densità dei film di spazzole polimeriche, il numero di legami CH, la carica netta sul monomero e la densità dei film . Il peso molecolare del monomero e il numero di legami O-H, d'altra parte, erano classificati di importanza bassa", sottolinea il dott. Hayashi.
Data la natura estremamente varia delle pellicole polimeriche a spazzola e i molteplici fattori che influenzano le interazioni monomero-proteina, l'adozione dell'apprendimento automatico come metodo per ottimizzare le proprietà delle pellicole polimeriche delle spazzole può fornire un buon punto di partenza per la progettazione efficiente di materiali anti-biofouling e biomateriali funzionali. + Esplora ulteriormente
