(Phys.org) —Il design dei materiali di solito segue ciò che è noto come metodo edisoniano , un processo tradizionale caratterizzato dalla scoperta per tentativi ed errori piuttosto che da un approccio teorico sistematico. Anche se questo può essere in qualche modo impreciso - Edison ha fatto uso delle teorie disponibili e ha fatto ricorso a tentativi ed errori solo quando non esisteva una teoria adeguata - un'alternativa migliore è un a priori approccio in cui vengono definite le proprietà desiderate e progettate le strutture corrispondenti. A quello scopo, scienziati della Columbia University – Dipartimento di Ingegneria Chimica e del Brookhaven National Laboratory (BNL) hanno recentemente creato un approccio progettuale in cui colloidi innestati con DNA a singolo filamento si autoassemblano nelle strutture desiderate. I ricercatori affermano che la loro metodologia può essere facilmente generalizzata, è veloce e altamente selettivo, riproduce accuratamente i parametri relativi a quattro cristalli attualmente realizzati ma anche – sorprendentemente – chiarisce quattro strutture attualmente non osservate. Mentre gli scienziati riconoscono che queste strutture devono essere convalidate sperimentalmente, sono fiduciosi che la loro metodologia abbia ampie potenziali applicazioni.

Il prof. Venkat Venkatasubramanian ha discusso il documento che lui, Prof. Sanat Kumar, Prof. Babji Srinivasan, Thi Vo dalla Colombia, e i loro coautori, Il dottor Oleg Gang e il dottor Yugang Zhang della BNL, pubblicato di recente in Atti dell'Accademia Nazionale delle Scienze . "La progettazione di nanoparticelle innestate di DNA è impegnativa perché una serie di parametri sperimentali può svolgere un ruolo chiave nell'autoassemblaggio, "Venkatasubramanian racconta Phys.org . "La dimensione dello spazio dei parametri può quindi diventare molto grande, con un gran numero di minimi locali, rendendo molto difficile, se non impossibile, cercare in modo efficiente lo spazio in modo edisoniano per tentativi ed errori." La struttura di progettazione inversa dell'algoritmo genetico dei ricercatori cerca nello spazio in modo più sistematico, rendere più efficace il processo di progettazione. (Un algoritmo genetico, o GA, imita il processo di selezione naturale.)

Detto ciò, però, Venkatasubramanian aggiunge che un'altra sfida nel loro approccio è che richiedono modelli in avanti affidabili. "Mentre i modelli dettagliati di autoassemblaggio mediato dal DNA tendono ad essere più accurati, in genere richiedono tempi di simulazione che vanno da diverse ore a pochi giorni, e quindi non sarebbe appropriato per l'accoppiamento con l'algoritmo genetico per la progettazione razionale." I ricercatori hanno quindi scelto un più semplice modello di contatto complementare (CCM) in base alle proprietà prevedibili e consolidate sia del DNA (lunghezza di persistenza, aumento per coppia di basi) e DNA-NPs (numero di filamenti di DNA per particella, il comportamento di ibridazione delle estremità adesive) ¹ . "CCM ha avuto un discreto successo nel catturare la maggior parte delle osservazioni sperimentali, " Aggiunge, "ed essendo veloce, consente un efficace accoppiamento GA, generando previsioni dei parametri di progettazione richiesti in pochi minuti."

Kumar osserva che la convalida sperimentale del loro approccio è un'altra, e molto importante, sfida. "Abbiamo deciso di testare il nostro framework provando prima a prevedere strutture di nanocristalli che sono già state osservate sperimentalmente. Successivamente, abbiamo creato una libreria di strutture cristalline – comprese quelle ottenute sperimentalmente – specificando i relativi parametri sperimentali, come il rapporto del linker del DNA e la dimensione delle nanoparticelle di DNA innestate. Quindi abbiamo eseguito l'algoritmo genetico per una struttura cristallina desiderata che è stata osservata sperimentalmente, utilizzando il CCM come modello in avanti. Siamo stati lieti che l'algoritmo genetico abbia previsto correttamente i parametri sperimentali utilizzati nella formazione della struttura osservata".

Srinivasan, l'altro coautore del documento, riconosce che attualmente il modello CCM forward utilizzato nel framework GA presenta alcune limitazioni. "Si presume che l'ibridazione completa del DNA all'interno delle aree di contatto tra due particelle innestate di DNA sia la forza trainante dietro l'autoassemblaggio, " spiega. "In sostanza, ciò limita l'analisi a effetti di interazione puramente attraenti. Per fornire un quadro entalpico più completo, abbiamo in programma di costruire interazioni repulsive tra i linker ssDNA non complementari sulle nanoparticelle." L'entalpia è una misura dell'energia totale di un sistema termodinamico.

"Per di più, "Srinivasan continua, "l'entropia fornisce anche un vincolo sul numero effettivo di linker ibridati all'interno dell'area di interazione delle nanoparticelle, oltre a un costo sulla configurazione delle particelle all'interno del reticolo, entrambi attualmente in fase di costruzione nel modello. Inoltre, l'attuale CCM non sempre definisce in modo univoco una struttura cristallina." Ad esempio, lui illustra, il CCM non può distinguere tra le strutture di CuAu (una lega di rame/oro) e CsCl (cloruro di cesio), poiché nella cella unitaria entrambi i cristalli hanno lo stesso numero di vicini più prossimi e distribuzione delle particelle. "Questo dà origine a degenerazioni che intendiamo affrontare perfezionando ulteriormente i tipi di interazione all'interno di un reticolo cristallino".

Affrontare queste sfide non era di per sé un'impresa da poco. "Il nostro problema di progettazione è complicato dalle complesse relazioni non lineari tra i rapporti delle dimensioni dei colloidi, il numero di linker del DNA su ciascuna nanoparticella e la struttura cristallina desiderata, " Venkatasubramanian dice a Phys.org. "Questo porta a uno spazio di ricerca pieno di minimi locali che è difficile da esplorare usando approcci più convenzionali come trail-and-error, euristica o metodi di programmazione matematica." L'innovazione chiave qui è il framework di progettazione inversa che sfrutta efficacemente la conoscenza del CCM (noto anche come modello in avanti) combinandolo con l'algoritmo genetico (che è più robusto ai minimi locali), risultando così in una procedura di ottimizzazione del design molto efficiente e scalabile. "Gli algoritmi genetici sono il modo in cui la natura ha progettato molecole e organismi complicati. In sostanza stiamo creando situazioni in cui permettiamo al 'pool genetico' di parametri di innesto del DNA di evolversi verso il desiderato, ovvero, 'più in forma' – struttura con ogni generazione successiva."

Kumar sottolinea anche che hanno introdotto l'analisi molto importante della determinazione della formazione dei cluster. "Il CCM richiede un input iniziale dei parametri del reticolo cristallino e quindi presuppone la formazione di cristalli dati eventuali parametri di innesto del DNA. Tuttavia, sperimentalmente, ci sono grandi regioni di formazione di cluster che risultano dall'intrappolamento cinetico di queste particelle in uno stato metastabile durante il processo di autoassemblaggio. Al fine di evitare che la progettazione rientri nei limiti di questi regimi di formazione di cluster, abbiamo eseguito un'analisi di simmetria del modello che tiene conto della distribuzione ineguale dei linker del DNA sulle particelle." In altre parole, introducendo un cutoff su questa distribuzione, gli scienziati sono stati in grado di identificare la presenza di regioni amorfe e cluster osservate in precedenza negli esperimenti. "Ciò consente quindi a future modifiche del quadro di incorporare un parametro aggiuntivo nella funzione di fitness, " Aggiunge, "in modo tale da riconoscere ed evitare questi 'cattivi' percorsi evolutivi".

Attualmente, avendo un obiettivo diverso rispetto all'ibridazione del DNA, il team sta includendo nuovi parametri nel modello per migliorare il CCM con contributi entropici e interazioni repulsive. "Studi sperimentali preliminari hanno dimostrato che il nostro modello raffinato è in accordo con i risultati sperimentali, "Srinivasan e Thi Vo nota, "e attualmente è in corso un'analisi approfondita per sviluppare un modello che specificherà in modo univoco tutti i 230 diversi gruppi di spazio cristallino, che verrà poi utilizzato insieme all'approccio dell'algoritmo genetico per la progettazione del reticolo cristallino. Il nostro obiettivo finale è creare il modello in modo tale che utilizzi solo i parametri che definiscono le particelle innestate di DNA". poiché i parametri di progettazione derivati ​​dalla struttura dell'algoritmo genetico coinvolgeranno solo fattori che i ricercatori possono controllare sperimentalmente.

Un risultato interessante e inaspettato è stato che le loro scoperte hanno chiarito quattro strutture attualmente non osservate. "Tra la libreria del reticolo cristallino creata utilizzando l'Inorganic Crystal Structure Database (ICSD), siamo stati in grado di identificare i parametri che potrebbero potenzialmente portare alla formazione di quattro nuove strutture cristalline insieme a quelle che sono state osservate sperimentalmente, Srinivasan e Vo raccontano. "Questi risultati sono promettenti e giocano un ruolo chiave nella progettazione di nanomateriali innestati a DNA". Aggiunge che il quadro è generico e può essere esteso alla progettazione razionale di materiali avanzati – ma con una cautela che a differenza modelli dinamici molecolari, il modello del percorso in avanti dovrebbe essere computazionalmente efficiente tenendo conto di aspetti importanti del processo. "Riteniamo che il nostro approccio CCM avanzato dovrebbe essere in grado di aiutarci a progettare strutture che potrebbero potenzialmente scansionare l'intero spazio cristallografico".

In termini di miglioramento dell'attuale algoritmo generico, Kumar afferma che l'attuale CCM ha due variabili continue ottimizzate per le strutture cristalline desiderate. "Però, " precisa, "con i nostri miglioramenti CCM pianificati, questo spazio di ricerca diventerà ancora più grande, e come detto pieno di minimi locali che potrebbero portare a risultati ambigui. Abbiamo in programma di utilizzare la genetica ibrida, algoritmi che utilizzano GA in combinazione con i tradizionali approcci di ottimizzazione non lineare per individuare i minimi globali nell'ampio spazio di ricerca dei parametri sperimentali".

Andando avanti, Kumar dice che altre innovazioni che potresti sviluppare oltre ad avere nanoparticelle di ssDNA innestate di forma sferica, i collaboratori del team del Brookhaven National Laboratory (e coautori del lavoro attuale) hanno eseguito esperimenti introducendo motivi esterni di forme diverse e il loro effetto sulla struttura cristallina finale. "Forme diverse ci permetteranno di controllare l'intervallo di interazione e la dimensione tra le particelle, e quindi formano reticoli cristallini che sono attualmente inaccessibili dall'uso di particelle sferiche. Stiamo già studiando questi esperimenti e sviluppando strategie che potrebbero essere utilizzate nella progettazione di vari reticoli di nanocristalli, " lui spiega.

"La nostra ricerca attuale si concentra sullo sviluppo di modelli basati sull'entropia per definire in modo univoco i reticoli cristallini che spiegherebbero la formazione di nanomateriali innestati a DNA, " Kumar continua. "Gli esperimenti convalideranno questo modello, che verrà poi utilizzato nella progettazione razionale con il framework GA. Inoltre, stiamo progettando di estendere questa strategia di progettazione razionale a strutture di cristallo con motivi esterni che aiutano nell'autoassemblaggio".

Affrontare altre aree di ricerca che potrebbero trarre vantaggio dal loro studio, Venkatasubramanian afferma che gli scienziati hanno bisogno di un nuovo paradigma che aumenti il ​​flusso delle idee, amplia l'orizzonte di ricerca, e archivia la conoscenza dei successi di oggi per accelerare quelli di domani. "Il nostro framework affronta questa sfida, e in un certo senso, stiamo sfruttando il modo in cui la natura scopre nuovi materiali attraverso il modello di evoluzione darwiniano sposandolo opportunamente con metodi computazionali. È Darwin sotto steroidi! Questo approccio può potenzialmente rivoluzionare il design dei materiali, "conclude, "influenzando una vasta gamma di prodotti che influenzano la nostra vita quotidiana, da farmaci e prodotti chimici agricoli come pesticidi o erbicidi agli additivi per combustibili, pitture e vernici, e persino prodotti per la cura della persona come lo shampoo".

© 2013 Phys.org. Tutti i diritti riservati.