Forschende haben zufällige Heteropolymere (RHPs) entwickelt, die Enzyme nachahmen und einen neuen Ansatz zur Herstellung synthetischer Materialien mit proteinähnlichen Funktionen bieten, wie eine in Nature veröffentlichte Studie zeigt. Das Team, das sich von den aktiven Zentren von etwa 1.300 Metalloproteinen inspirieren ließ, entwarf diese RHPs mithilfe einer Eintopf-Synthesemethode, wobei die chemischen Eigenschaften von Schlüsselsegmenten, die Monomere enthalten, statistisch moduliert wurden, um Pseudo-aktive Zentren zu schaffen.

Die Forschung befasst sich mit einer seit langem bestehenden Herausforderung bei der synthetischen Nachbildung der komplexen Funktionen von Proteinen. Während Wissenschaftler Fortschritte bei der Nachahmung der primären, sekundären und tertiären Strukturen von Proteinen erzielt haben, ist es weiterhin schwierig, die chemische, strukturelle und dynamische Heterogenität zu erreichen, die die Proteinfunktion antreibt. Die Forschenden schlagen vor, dass es durch die Programmierung der räumlichen und zeitlichen Anordnung von Seitenketten auf segmentaler Ebene in Polymeren möglich ist, Proteinverhalten zu replizieren, selbst bei Rückgratchemie, die sich von der von Proteinen unterscheidet.

"Wir führen Schlüsselmonomere als Äquivalente der funktionellen Reste von Proteinen ein", so die Forschenden in ihrer Arbeit, wobei sie die Bedeutung der Nachahmung der Mikroumgebung von Protein-Wirkzentren betonen. Die Rotationsfreiheit der Polymere trägt dazu bei, Einschränkungen in der Monomersequenzspezifität zu überwinden, was zu einem einheitlichen Verhalten des gesamten Molekülensembles führt.

Die Entwicklung dieser Enzym-Mimetika hat potenzielle Auswirkungen auf verschiedene Bereiche, darunter Katalyse, Medikamentenverabreichung und Materialwissenschaft. Durch die Herstellung synthetischer Materialien, die spezifische chemische Reaktionen durchführen oder mit hoher Affinität an Zielmoleküle binden können, könnten Wissenschaftler neue Therapien, effizientere industrielle Prozesse und fortschrittliche Materialien mit maßgeschneiderten Eigenschaften entwickeln.

Der Einsatz von KI bei der Analyse der aktiven Zentren von Metalloproteinen spielte eine entscheidende Rolle bei der Steuerung des Designs der RHPs. Algorithmen des maschinellen Lernens können wichtige Merkmale und Muster in großen Datensätzen identifizieren und es Forschenden ermöglichen, fundierte Entscheidungen über die Zusammensetzung und Struktur ihrer synthetischen Materialien zu treffen. Dieser Ansatz unterstreicht die wachsende Bedeutung von KI bei der Materialentdeckung und -entwicklung.

Mit Blick auf die Zukunft planen die Forschenden, das Design von RHPs weiter zu optimieren und ihre potenziellen Anwendungen in verschiedenen Bereichen zu untersuchen. Sie wollen auch neue Methoden zur Steuerung der räumlichen und zeitlichen Anordnung von Monomeren innerhalb der Polymere entwickeln, was zu noch ausgefeilteren Enzym-Mimetika führen könnte. Das Team ist davon überzeugt, dass dieser Ansatz den Weg für eine neue Generation synthetischer Materialien mit proteinähnlichen Funktionen ebnen könnte, die ein breites Spektrum an Möglichkeiten für wissenschaftliche und technologische Innovationen bietet.