(Phys.org) —El diseño de materiales generalmente sigue lo que se conoce como Método edisoniano , un proceso tradicional caracterizado por el descubrimiento de prueba y error en lugar de un enfoque teórico sistemático. Si bien esto puede ser algo inexacto, Edison hizo uso de las teorías disponibles y recurrió al ensayo y error solo cuando no existía una teoría adecuada, una mejor alternativa es una a priori enfoque en el que se definen las propiedades deseadas y se diseñan las estructuras correspondientes. Con ese fin, Científicos del Departamento de Ingeniería Química de la Universidad de Columbia y del Laboratorio Nacional de Brookhaven (BNL) han creado recientemente un enfoque de diseño en el que los coloides injertados con ADN monocatenario se autoensamblan en las estructuras deseadas. Los investigadores afirman que su metodología se puede generalizar fácilmente, es rápido y muy selectivo, reproduce con precisión los parámetros relevantes para cuatro cristales actualmente realizados pero también, sorprendentemente, aclara cuatro estructuras actualmente no observadas. Si bien los científicos reconocen que estas estructuras deben validarse experimentalmente, confían en que su metodología tiene amplias aplicaciones potenciales.

El profesor Venkat Venkatasubramanian discutió el documento que él, Prof. Sanat Kumar, Prof. Babji Srinivasan, Thi Vo de Columbia, y sus coautores, Dr. Oleg Gang y Dr. Yugang Zhang de BNL, publicado recientemente en procedimientos de la Academia Nacional de Ciencias . "El diseño de nanopartículas injertadas con ADN es un desafío porque varios parámetros experimentales pueden desempeñar un papel clave en el autoensamblaje, "Venkatasubramanian dice Phys.org . "Por tanto, el tamaño del espacio de parámetros puede llegar a ser muy grande, con una gran cantidad de mínimos locales, lo que hace que sea muy difícil, si no imposible, buscar de manera eficiente el espacio en una forma de prueba y error edisoniana ". El marco de diseño inverso del algoritmo genético de los investigadores busca en el espacio de manera más sistemática, haciendo que el proceso de diseño sea más eficaz. (Un algoritmo genético, o GA, imita el proceso de selección natural.)

Habiendo dicho eso, sin embargo, Venkatasubramanian agrega que otro desafío en su enfoque es que requieren modelos avanzados confiables. "Si bien los modelos detallados de autoensamblaje mediado por ADN tienden a ser más precisos, normalmente requerirían tiempos de simulación que van desde varias horas hasta unos pocos días, y por lo tanto no sería apropiado para acoplarse con el algoritmo genético para el diseño racional ". Por lo tanto, los investigadores eligieron un método más simple modelo de contacto complementario (CCM) basado en las propiedades predecibles y bien establecidas de ambos ADN (longitud de persistencia, aumento por par de bases) y ADN-NP (número de hebras de ADN por partícula, el comportamiento de hibridación de los extremos pegajosos) ¹ . "CCM ha logrado capturar la mayoría de las observaciones experimentales, " él añade, "y siendo rápido, permite un acoplamiento GA eficaz, generando predicciones de los parámetros de diseño requeridos en cuestión de minutos ".

Kumar señala que la validación experimental de su enfoque es otra, y muy importante, desafío. "Decidimos probar nuestro marco tratando primero de predecir estructuras de nanocristales que ya se han observado experimentalmente. A continuación, Creamos una biblioteca de estructuras cristalinas, incluidas las obtenidas experimentalmente, especificando los parámetros experimentales relevantes, como la relación de enlazador de ADN y el tamaño de las nanopartículas injertadas de ADN. Luego ejecutamos el algoritmo genético para una estructura cristalina deseada que se ha observado experimentalmente, utilizando el CCM como modelo avanzado. Nos complació que el algoritmo genético predijera correctamente los parámetros experimentales que se utilizaron en la formación de la estructura observada ".

Srinivasan, el otro coautor del artículo, reconoce que actualmente el modelo de CCM hacia adelante utilizado en el marco de GA tiene ciertas limitaciones. "Se asume que la hibridación completa del ADN dentro de las áreas de contacto entre dos partículas injertadas de ADN es la fuerza impulsora detrás del autoensamblaje, ", explica." En esencia, esto restringe el análisis a efectos de interacción puramente atractivos. Para proporcionar una imagen entálpica más completa, planeamos construir interacciones repulsivas entre los enlazadores de ssDNA no complementarios en las nanopartículas ". La entalpía es una medida de la energía total de un sistema termodinámico.

"Es más, "Srinivasan continúa, "La entropía también proporciona una restricción sobre el número real de enlazadores hibridados dentro del área de interacción de nanopartículas, así como un costo en la configuración de partículas dentro de la celosía, que actualmente se están incorporando al modelo. Además, el CCM actual no siempre define de forma única una estructura cristalina ". Por ejemplo, él ilustra, el CCM no puede distinguir entre las estructuras de CuAu (una aleación de cobre / oro) y CsCl (cloruro de cesio), ya que en la celda unitaria ambos cristales tienen el mismo número de vecinos más cercanos y distribución de partículas. "Esto da lugar a degeneraciones que planeamos abordar mediante el refinamiento adicional de los tipos de interacción dentro de una red cristalina".

Abordar estos desafíos no fue en sí mismo una tarea fácil. "Nuestro problema de diseño se complica por las complejas relaciones no lineales entre las proporciones de tamaño de los coloides, el número de enlazadores de ADN en cada nanopartícula y la estructura cristalina deseada, "Venkatasubramanian dice a Phys.org." Esto conduce a un espacio de búsqueda plagado de mínimos locales que es difícil de explorar utilizando enfoques más convencionales como el rastro y el error, métodos heurísticos o de programación matemática ". La innovación clave aquí es el marco de diseño inverso que explota de manera efectiva el conocimiento del CCM (también conocido como modelo directo) combinándolo con el algoritmo genético (que es más robusto a los mínimos locales), lo que resulta en un procedimiento de optimización del diseño muy eficiente y escalable. "Los algoritmos genéticos son la forma en que la naturaleza diseñó moléculas y organismos complicados. Básicamente, estamos creando situaciones en las que permitimos que el 'acervo genético' de los parámetros de injerto de ADN evolucione hacia lo deseado, es decir, 'más apto' - estructura con cada generación sucesiva ".

Kumar también señala que introdujeron el análisis muy importante de la determinación de la formación de conglomerados. "El CCM requiere una entrada inicial de los parámetros de la red cristalina y, por lo tanto, asume la formación de cristales dados los parámetros de injerto de ADN. Sin embargo, experimentalmente, hay grandes regiones de formación de racimos que resultan del atrapamiento cinético de estas partículas en un estado metaestable durante el proceso de autoensamblaje. Para evitar que el diseño caiga dentro de los límites de estos regímenes de formación de conglomerados, realizamos un análisis de simetría del modelo que da cuenta de la distribución desigual de los enlazadores de ADN en las partículas ". En otras palabras, introduciendo un límite en esta distribución, los científicos pudieron identificar la presencia de regiones amorfas y agrupadas que se observaron anteriormente en experimentos. "Esto permite futuras modificaciones del marco para incorporar un parámetro adicional en la función de aptitud, " él añade, "de manera que reconozca y evite estos 'malos' caminos evolutivos".

En la actualidad, al tener un objetivo diferente en comparación con la hibridación de ADN, el equipo está incluyendo nuevos parámetros en el modelo para mejorar el CCM con contribuciones entrópicas e interacciones repulsivas. "Los estudios experimentales preliminares han demostrado que nuestro modelo refinado está de acuerdo con los resultados experimentales, "Srinivasan y Thi Vo nota, "y actualmente se está llevando a cabo un análisis exhaustivo para desarrollar un modelo que especifique de manera única los 230 grupos de espacios cristalinos diferentes, que luego se utilizará junto con el enfoque de algoritmo genético para el diseño de celosía cristalina. Nuestro objetivo final es crear el modelo de tal manera que utilice solo los parámetros que definen las partículas injertadas de ADN ". El punto clave aquí es que esto evita la necesidad de ajustar constantes al tiempo que expande nuestras capacidades generales de diseño, dado que los parámetros de diseño derivados del marco del algoritmo genético solo involucrarán factores que los investigadores pueden controlar experimentalmente.

Un resultado interesante e inesperado fue que sus hallazgos aclararon cuatro estructuras actualmente no observadas. "Entre la biblioteca de celosía cristalina creada con la base de datos de estructura cristalina inorgánica (ICSD), pudimos identificar los parámetros que potencialmente podrían conducir a la formación de cuatro nuevas estructuras cristalinas junto con las que se han observado experimentalmente, "Srinivasan y Vo cuentan". Estos resultados son prometedores y juegan un papel clave en el diseño de nanomateriales injertados con ADN ". Agrega que el marco es genérico y puede extenderse al diseño racional de materiales avanzados, pero con una precaución que a diferencia de modelos dinámicos moleculares, el modelo de ruta de avance debe ser computacionalmente eficiente y al mismo tiempo tener en cuenta aspectos importantes del proceso. "Creemos que nuestro enfoque CCM mejorado debería poder ayudarnos a diseñar estructuras que potencialmente podrían escanear todo el espacio cristalográfico".

En términos de mejorar el algoritmo genérico actual, Kumars dice que el CCM actual tiene dos variables continuas que están optimizadas para las estructuras cristalinas deseadas. "Sin embargo, " señala, "con nuestras mejoras de CCM planificadas, este espacio de búsqueda será aún mayor, y como se mencionó, repleto de mínimos locales que podrían conducir a resultados ambiguos. Planeamos usar genética híbrida, algoritmos que utilizan GA en combinación con enfoques tradicionales de optimización no lineal para localizar los mínimos globales en el gran espacio de búsqueda de parámetros experimentales ".

Avanzando Kumar dice que otras innovaciones que podría desarrollar además de tener nanopartículas de forma esférica injertadas con ssDNA, Los colaboradores del equipo del Laboratorio Nacional de Brookhaven (y coautores del trabajo actual) han realizado experimentos introduciendo motivos externos de diferentes formas y su efecto en la estructura cristalina final. "Las diferentes formas nos permitirán controlar el rango de interacción y el tamaño entre las partículas, y así formar redes cristalinas que actualmente son inaccesibles mediante el uso de partículas esféricas. Ya estamos investigando estos experimentos y desarrollando estrategias que podrían usarse en el diseño de varias celosías de nanocristales, " el explica.

"Nuestra investigación actual se centra en el desarrollo de modelos basados ​​en entropía para definir de forma única las redes cristalinas que explicarían la formación de nanomateriales injertados de ADN, "Kumar continúa." Los experimentos validarán este modelo, que luego se utilizará en un diseño racional con el marco GA. Además, estamos planeando extender esta estrategia de diseño racional a estructuras de cristal con motivos externos que ayuden en el autoensamblaje ".

Abordar otras áreas de investigación que podrían beneficiarse de su estudio, Venkatasubramanian dice que los científicos necesitan un nuevo paradigma que aumente el flujo de ideas, amplía el horizonte de búsqueda, y archiva el conocimiento de los éxitos de hoy para acelerar los del mañana. "Nuestro marco aborda este desafío, y en cierto sentido, estamos aprovechando cómo la naturaleza descubre nuevos materiales a través del modelo darwiniano de evolución al casarlo adecuadamente con métodos computacionales. ¡Es Darwin con esteroides! Este enfoque puede potencialmente revolucionar el diseño de materiales, "concluye, "impactando una amplia gama de productos que afectan nuestra vida diaria, desde medicamentos y productos químicos agrícolas como pesticidas o herbicidas hasta aditivos para combustibles, pinturas y barnices, e incluso productos de cuidado personal como champú ".

© 2013 Phys.org. Reservados todos los derechos.