Las películas de cepillo de polímero consisten en cadenas de monómero que crecen muy cerca de un sustrato. Los monómeros, que parecen "cerdas" a nanoescala, forman un recubrimiento altamente funcional y versátil, de modo que puede adsorber o repeler selectivamente una variedad de sustancias químicas o moléculas biológicas. Por ejemplo, las películas de cepillo de polímero se han utilizado como andamiaje para cultivar células biológicas y como recubrimientos protectores contra la bioincrustación que repelen organismos biológicos no deseados.

Como recubrimientos antiincrustantes, los cepillos de polímero se han diseñado basándose principalmente en la interacción entre los monómeros y las moléculas de agua. Si bien esto hace que el diseño sea simple, la predicción cuantitativa de la adsorción de biomoléculas como proteínas en monómeros ha demostrado ser un desafío, debido a las complejas interacciones involucradas.

Ahora, en un estudio reciente publicado en ACS Biomaterials Science &Engineering , un grupo de investigación dirigido por el profesor asociado Tomohiro Hayashi del Instituto de Tecnología de Tokio (Tokyo Tech), Japón, ha utilizado el aprendizaje automático para predecir estas interacciones e identificar las características de la película que tienen un impacto significativo en la adsorción de proteínas.

En su estudio, el equipo fabricó 51 películas de cepillo de polímero diferentes de diferentes grosores y densidades con cinco monómeros diferentes para entrenar el algoritmo de aprendizaje automático. Luego probaron varios de estos algoritmos para ver qué tan bien coincidían sus predicciones con la adsorción de proteínas medida. "Probamos varios algoritmos de regresión supervisados, a saber, regresión de aumento de gradiente, regresión de vector de soporte, regresión lineal y regresión de bosque aleatorio, para seleccionar el modelo más confiable y adecuado en términos de precisión de predicción", dice el Dr. Hayashi.

De estos modelos, el modelo de regresión de bosque aleatorio (RF) mostró el mejor acuerdo con los valores de adsorción de proteínas medidos. En consecuencia, los investigadores utilizaron el modelo RF para correlacionar las propiedades físicas y químicas del cepillo de polímero con su capacidad para adsorber la proteína sérica y permitir la adhesión celular.

"Nuestros análisis mostraron que el índice de hidrofobicidad, o la hidrofobicidad relativa, era el parámetro más crítico. Los siguientes en la línea fueron el grosor y la densidad de las películas de cepillo de polímero, la cantidad de enlaces C-H, la carga neta del monómero y la densidad de las películas. . El peso molecular del monómero y el número de enlaces O-H, por otro lado, se clasificaron como de baja importancia", destaca el Dr. Hayashi.

Dada la naturaleza muy variada de las películas de cepillo de polímero y los múltiples factores que afectan las interacciones monómero-proteína, la adopción del aprendizaje automático como una forma de optimizar las propiedades de la película de cepillo de polímero puede proporcionar un buen punto de partida para el diseño eficiente de materiales antiincrustantes y biomateriales funcionales. + Explora más

Un salto adelante para el diseño de biomateriales utilizando IA