东京理工大学 人工神经网络模型在这项工作中的应用。工程 东京理工大学的研究人员使用人工智能来预测超薄有机材料对水的排斥程度和蛋白质的吸附程度
通过对水排斥和蛋白质吸附的准确预测，即使是通过假设的材料，该团队的方法为筛选和设计具有所需功能的有机材料开辟了新的可能性
在无机材料设计领域使用信息学导致了新型催化剂、电池和半导体的兴起
相比之下，基于信息学的生物材料设计(I
e
与无机固态材料相对的有机材料)才刚刚开始被探索
现在，由副教授林智博领导的东京理工大学的一个研究小组已经成功地进入了这个新兴领域
他们使用机器学习和人工神经网络模型来预测称为自组装单层的超薄有机材料的两个关键特性——水排斥度和对蛋白质分子的亲和力
自组装膜由于其易于制备和通用性，已被广泛用于创建模型有机表面，以探索蛋白质和材料之间的相互作用
通过使用基于文献的145个自组装膜的数据库训练人工神经网络，人工神经网络变得能够准确预测水排斥(根据水接触角的程度来测量)和蛋白质吸附
该研究小组继续证明了即使对于假设的SAMs，对水排斥和蛋白质吸附的预测
水接触角和纤维蛋白原吸附的预测结果
学分:生物材料科学与工程；工程 自组装膜对有机电子学和生物医学领域的许多应用的发展具有吸引力
生物医学工程人员对研究中调查的两个特性非常感兴趣
“例如，表现出低水接触角的植入材料能够与周围的硬组织快速结合，”Hayashi说
“在人造血管的情况下，对血液蛋白，特别是纤维蛋白原的吸附的抵抗力是防止血小板粘附和血液凝固的关键因素
" 总的来说，这项研究为先进的材料筛选和材料管理系统的设计打开了大门，有可能大大降低成本和时间范围
研究人员计划继续扩大他们的数据库，并在几年内，扩大他们的方法，以包括聚合物，陶瓷和金属
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
