Исследователи разработали синтетические полимеры, имитирующие функции ферментов, что потенциально может революционизировать промышленный катализ и разработку лекарств. В исследовании, опубликованном в журнале Nature, подробно описано, как эти случайные гетерополимеры (СГП) были разработаны для воспроизведения активных центров металлопротеинов, достигая белкоподобного микроокружения посредством однореакторного синтеза.

Команда, руководствуясь анализом примерно 1300 активных центров металлопротеинов, сосредоточилась на статистической модуляции химических характеристик ключевых мономерсодержащих сегментов в СГП, включая сегментальную гидрофобность. Этот подход позволил им создать псевдоактивные центры, способные выполнять ферментативные функции. "Мы предполагаем, что для полимеров с химией основной цепи, отличной от белков, программирование пространственных и временных проекций боковых цепей на сегментном уровне может быть эффективным для воспроизведения поведения белков", - заявили исследователи в своей статье.

Значимость этого исследования заключается в преодолении ограничений в разработке синтетических материалов. Хотя воспроизведение сложной иерархической структуры белков было давней целью, достижение функциональной эквивалентности оказалось трудным. Исследователи решили эту проблему, используя свободу вращения полимеров для компенсации недостатков в специфичности мономерной последовательности, что привело к единообразному поведению на уровне ансамбля.

Последствия применения СГП, имитирующих ферменты, далеко идущие. Традиционные ферменты часто дороги в производстве и чувствительны к условиям окружающей среды. Эти синтетические имитаторы предлагают потенциально более надежную и экономически эффективную альтернативу для различных применений. "Полученные СГП образуют псевдоактивные центры, которые обеспечивают ключевые мономеры белкоподобным микроокружением", - отмечается в исследовании, подчеркивая точность, достигнутую в воспроизведении функциональных аспектов природных ферментов.

Искусственный интеллект сыграл решающую роль в этой разработке, особенно в анализе огромного набора данных активных центров металлопротеинов. Алгоритмы машинного обучения использовались для выявления ключевых структурных и химических особенностей, которые способствуют ферментативной активности. Этот подход, основанный на данных, позволил исследователям рационально разрабатывать СГП с улучшенными каталитическими свойствами. Использование ИИ в материаловедении является растущей тенденцией, ускоряющей открытие новых материалов с заданными функциональными возможностями.

Заглядывая вперед, исследователи планируют и дальше оптимизировать дизайн СГП и изучить их применение в различных каталитических реакциях. Разработка этих имитаторов ферментов представляет собой значительный шаг на пути к созданию искусственных систем со сложностью и функциональностью биологических систем. Это может привести к прорывам в таких областях, как устойчивая химия, персонализированная медицина и восстановление окружающей среды.