Ресурс Dizyme содержит встроенную расширяемую базу данных нанозимов со ссылками на оригинальные статьи, интерактивный и кликабельный инструмент для его визуализации и модели машинного обучения для различных уровней запросов пользователей (базовый, прогрессивный и продвинутый), способные прогнозировать каталитическую активность, представленную в виде константы Михаэлиса-Ментена (Км, мм) с R2 0,63 и числа оборотов нанозима (Kcat, s-1) с R2 0,80.
Этот ресурс облегчит разработку и оптимизацию наноматериалов с требуемой каталитической активностью и откроет новые границы для разработки нанозимов.
Ссылка на ресурс: https://dizyme.net/
Активность нанозимов
Нанозимы определяются как “наноматериалы с ферментоподобными характеристиками”. Среди существующих в настоящее время нанозимов наиболее распространенными являются нанозимы с пероксидазной и оксидазной активностями. Начинают проявляться другие, более сложные активности гидролазы, каталазы, фосфатазы, лакказы и супероксиддисмутазы, но они гораздо менее представлены в литературе. Несколько наноматериалов могут обладать мультиферментативной активностью, которая обычно обусловлена одним механизмом реакции, пероксидаза, оксидаза и каталаза относятся к классу оксидоредуктаз, которые катализируют реакции окисления и восстановления. Благодаря высокой стабильности, длительному времени хранения и стабильности в различных условиях нанозимы широко используются в онкологической тераностике, защите окружающей среды, цитозащите, биосенсорике и других областях применения, и особое внимание уделяется способности регулировать каталитическую активность наноматериалов путем изменения их состава, формы, размера, кристаллической структуры, а также химии поверхности.
Каталитическая активность наноматериалов зависит от кинетики Михаэлиса-Ментена и стандартно оценивается по следующим кинетическим параметрам: константа Михаэлиса-Ментена (Км, мм) - концентрация субстрата, необходимая для достижения половины максимальной скорости фермента, константа скорости каталитического процесса (Kcat, с-1) - количество оборотов - количество молекул субстрата, которые каждый участок фермента преобразует в продукт в единицу времени, с учетом скорости реакции (Vmax, мм/с) и концентрации катализатора.
Дескрипторы
Мы рассчитали и выбрали основные параметры для прогнозирования каталитической активности нанозимов, описывающие состав как среднюю электроотрицательность, средний окислительно-восстановительный потенциал, среднюю плотность заряда; свойства материала как кристаллической системы; форму как размерность; размер как объем; условия синтеза как наличие/отсутствие нейтрального полимера и поверхностно-активного вещества; условия анализа как рН, температура, тип подложки, Н2О2, концентрации подложки и катализатора.
Категориальный параметр, представляющий собой кристаллическую систему, был закодирован следующим образом: 1 – триклинный, 2 – моноклинный, 3 – орторомбический, 4 – тетрагональный, 5 – тригональный, 6 – гексагональный, 7 – кубический.
Нанозимы были разделены в соответствии с размерностью параметра на три категории, где первая (1D) - наночастицы с одним из размеров >в 6 раз больше, чем у других, вторая (2D) категория - частицы, которые имели один из размеров >в 6 раз меньше, чем у других, остальные были отнесены к 3-му (3D) типу.
где axbyoz – химическая формула нанозима; n - количество некислородных элементов; X - Электроотрицательность по Полингу, эВ; MCD – средняя плотность заряда; R - ионный радиус с низким спином, пм; OS – состояние окисления; РЕДОКС – окислительно–восстановительный потенциал, В; x, y, z - стехиометрические коэффициенты; A и B указывают, что характеристика относится к некислородным элементам A и B соответственно. Поэтому были рассчитаны и выбраны необходимые параметры для прогнозирования каталитической активности нанозимов, описывающие элементный состав, физико-химические свойства материала, форму, размер, а также условия синтеза и анализа, чтобы всесторонне описать процессы, подлежащие прогнозированию.
Функции ресурса
Структура веб-ресурса:
● Открытая база данных существующих неорганических нанозимов с оригинальными ссылками на статьи и функциями сортировки и фильтрации;
● Интерактивный инструмент визуализации данных с функциями выбора параметров и масштабирования графика;
● Загрузка данных, если вы хотите добавить новый nanozyme на платформу.
● Прогнозирующий алгоритм для различных уровней запроса пользователя:
• Базовый уровень включает в себя начальный этап с каталитической активностью материала, пользователь вводит только формулу материала, а на выходе получается таблица с различными диапазонами Km и Kcat в соответствии со стандартизированным анализом активности, подобной пероксидазе, для различных размеров нанозима.
• Прогрессивный уровень предполагает полное знание физических характеристик наноматериала, результатом которого является изменение целевых констант в зависимости от каждого из условий анализа.
• Продвинутый уровень необходим исследователям, которые используют свою методологию для анализа активности пероксидазы целевого наноматериала, поэтому пользователю необходимо ввести все 13 параметров (формула, кристаллическая система, длина, ширина, глубина, нейтральный полимер, поверхностно-активное вещество, тип подложки, рН, температура, подложка, концентрация Н2О2 и катализатора) для прогнозирования Km и Kcat.
Алгоритм прогнозирования
Прогнозы активности пероксидазы, представленные в виде Km и Kcat, выполняются с помощью алгоритма регрессии случайного леса. Случайная лесная регрессионная модель ML для количественной оценки активности пероксидазы нанозима, достигающая производительности до R2 =0,80 для Kcat и R2 = 0,63 для Km.
Случайный лес - это алгоритм контролируемого обучения, который использует метод ансамблевого обучения для классификации и регрессии. Деревья в случайных лесах расположены параллельно. При построении деревьев между этими деревьями нет взаимодействия. Случайный лес - это метаоценка, он объединяет результат нескольких прогнозов.
Для расчета параметров модели ML платформа содержит алгоритмы, которые вычисляют дескрипторы, элементы из формулы и базу данных констант элементов.
в таблице показаны элементы, присутствующие в таблице констант