Es millones de billones de veces más brillante que la luz del sol y la friolera de 1, 000 billonésima de segundo, apropiadamente llamada "luz instantánea":la luz del láser de electrones libres de rayos X (XFEL) que abre un nuevo paradigma científico. Combinándolo con IA, un equipo de investigación internacional ha logrado filmar y restaurar la estructura tridimensional de nanopartículas que comparten similitudes estructurales con los virus. Con el temor de que una nueva pandemia crezca en todo el mundo debido a COVID-19, este descubrimiento está atrayendo la atención de los círculos académicos por obtener imágenes de la estructura del virus con gran precisión y velocidad.

Un equipo internacional de investigadores de POSTECH, Universidad Nacional de Singapur (NUS), KAIST, ESENCIA, e IBS han analizado con éxito las heterogeneidades estructurales en estructuras 3-D de nanopartículas irradiando miles de nanopartículas por hora utilizando el XFEL en el Laboratorio Acelerador de Pohang (PAL) en Corea y restaurando multimodelos 3D a través del aprendizaje automático. El equipo de investigación dirigido por el profesor Changyong Song y Ph.D. El candidato Do Hyung Cho del Departamento de Física de POSTECH ha impulsado la colaboración de investigación internacional para realizarlo.

Las nanopartículas tienen una función peculiar que puede no estar disponible en materiales a granel nativos, y se pueden controlar sus propiedades físicas y químicas diseñando estructuras tridimensionales y composiciones de elementos constituyentes.

Lo que tienen en común las nanopartículas y los virus es que existen en forma de partículas independientes, en lugar de en cristal regular, arreglos periódicos, y, como tal, sus estructuras no son uniformes a nivel nanométrico. Para comprender con precisión sus estructuras, es necesario analizar estadísticamente la estructura de las partículas individuales utilizando la distribución de conjunto completo de estructuras de miles a cientos de miles de especímenes. Sin embargo, los microscopios electrónicos a menudo no proporcionan suficiente penetración para limitar el tamaño de la muestra que se va a sondar; Los rayos X convencionales pueden dañar la muestra por la propia radiación de rayos X, dificultando la obtención de una resolución suficiente.

El equipo de investigación superó las limitaciones prácticas del método convencional utilizando el láser de electrones libres de rayos X y el método de aprendizaje automático para observar la distribución estadística de la estructura 3-D de miles de nanopartículas a nivel nanométrico. Como resultado, Se obtuvieron estructuras tridimensionales de nanopartículas con un tamaño de 300 nm con una resolución mejor que 20 nm.

Este logro fue particularmente significativo para restaurar la estructura tridimensional de miles de nanopartículas mediante el aprendizaje automático. Dado que las técnicas convencionales de obtención de imágenes de una sola partícula a menudo asumen una estructura tridimensional idéntica de las muestras, fue difícil restaurar la estructura en datos experimentales reales donde la estructura de la muestra no es homogénea. Sin embargo, con la introducción del modelo múltiple esta vez, los investigadores lograron restaurar las estructuras tridimensionales representativas. Esta investigación ha permitido clasificar las nanopartículas en cuatro formas principales, y confirmó que alrededor del 40% de ellos tenían estructuras similares.

Además, mediante el análisis cuantitativo de la estructura tridimensional restaurada, El equipo de colaboración de investigación internacional también descubrió la distribución de la deformación elástica interna acompañada de la estructura de poliedro característica de las nanopartículas y la distribución de densidad no homogénea.

"Estos hallazgos permiten la observación de la estructura tridimensional de muestras virales no cristalinas con moléculas internas distribuidas de manera no homogénea, ", explicó el profesor Changyong Song de POSTECH." Agregar el algoritmo de restauración de imágenes 3-D a esto a través del aprendizaje automático parece prometedor para ser aplicable a estudios de estructuras de macromoléculas o virus en organismos vivos ".