Maschinelles Lernen enthüllt neue Kandidatenmaterialien für biokompatible Elektronik

0

Wissenschaftler und Ingenieure sind auf der Suche nach elektronischen Geräten, die mit unserem Körper kompatibel sind: Denken Sie an Materialien, die helfen können, Neuronen nach Hirnverletzungen wieder miteinander zu verkabeln, oder an Diagnosewerkzeuge, die leicht im Körper absorbiert werden können.Eine Familie selbst-assemblierender Peptide, genannt π-konjugierte Oligopeptide, hat sich als vielversprechend erwiesen, um die Grundlage für die nächste Generation dieser elektronischen, biokompatiblen Materialien zu werden.

Aber um die richtigen molekularen Sequenzen zu identifizieren, um die optimalen selbst zusammengesetzten Nanostrukturen zu schaffen, müssten Tausende von Möglichkeiten getestet werden, die jeweils etwa einen Monat im Labor benötigen.Assoc.

Prof.

Andrew Ferguson und seine Mitarbeiter haben diesen Prozess beschleunigt, indem sie maschinelle Lernwerkzeuge entwickelt haben, die nach den besten Kandidaten suchen können.

Durch das Screening von 8.000 Kandidaten von selbst zusammengesetzten Peptiden konnte das Team jedes Design in eine Rangfolge bringen.

Das ebnet den Experimentatoren den Weg, die vielversprechendsten Kandidaten zu testen.Die Ergebnisse wurden in The Journal of Physical Chemistry B veröffentlicht.

Tun Sie mir einen Gefallen: Bitte TEILEN Sie diesen Beitrag.

Die Arbeit wurde auch als Editors’ Choice des ACS ausgewählt, das der Öffentlichkeit freien Zugang zu neuen Forschungsergebnissen bietet, die für die globale wissenschaftliche Gemeinschaft von Bedeutung sind und auf dem Titelblatt der Zeitschrift erscheinen sollen.”Durch das Verständnis der Daten-, Material- und Molekularwissenschaft konnten wir einen innovativen Weg finden, um nach neuen möglichen Kandidaten zu suchen”, sagte Ferguson.

Die Tatsache, dass dieses Papier als ACS Editors’ Choice ausgewählt wurde, zeigt, dass ein großes Interesse daran besteht, die künstliche Intelligenz mit der Domänenwissenschaft zu koppeln.

Es handelt sich um ein wichtiges Problem, das für die Gemeinschaft der Physikalischen Chemie von breitem Interesse ist.

“Rangfolge der Peptide für ExperimentalphysikerUm die besten Kandidaten zu finden, untersuchten Ferguson und der Doktorand Kirill Shmilovich eine Familie von π-konjugierten Oligopeptiden mit Hilfe von maschinellem Lernen und molekularer Simulation.

Das Set enthielt 8.000 potentielle Peptide, wenn die Forscher den gleichen Kern beibehalten und nur die drei Amino….

Share.

Leave A Reply