Прогнозирование биологических эффектов наночастиц оксидов железа с использованием моделирования количественных взаимосвязей между наноструктурой и активностью (QNAR)

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 23-23-00621

НазваниеПрогнозирование биологических эффектов наночастиц оксидов железа с использованием моделирования количественных взаимосвязей между наноструктурой и активностью (QNAR)

Руководитель Кыдралиева Камиля Асылбековна, Доктор химических наук

Организация финансирования, регион федеральное государственное бюджетное образовательное учреждение высшего образования "Московский авиационный институт (национальный исследовательский университет)" , г Москва

Конкурс №78 - Конкурс 2022 года «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами»

Область знания, основной код классификатора 03 - Химия и науки о материалах; 03-405 - Наноструктуры и кластеры. Супрамолекулярная химия. Коллоидные системы.

Ключевые слова Оксиды железа, база данных по микроструктуре, база данных по токсичности, дескрипторы свойств, биотестирование, количественная зависимость "структура-свойства", QNAR, программное обеспечение

Код ГРНТИ31.15.37

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Проект направлен на решение задачи целенаправленной модификации поверхности наночастиц оксидов железа с целью исследования их биологических свойств в условиях различных режимов синтеза и среды использования (природные среды, биологические жидкости). В ходе решения этой задачи будет сформирован научный и технологический задел в виде методики скрининга токсикологических свойств наночастиц, учитывающей их физико-химические, электрокинетические характеристики, а также концентрацию высвобождающихся ионов железа. В основе методики будут заложены взаимосвязи между параметрами условий синтеза, микроструктурой и химией поверхности наночастиц и их биологическими свойствами, обнаруженные с помощью методов машинного обучения. Успешность работы методов машинного обучения по прогнозированию будет основываться на уникальной базе экспериментальных данных, полученных и систематизированных в ходе выполнения проекта. База данных будет включать в себя параметры условий реакций синтеза и модификации наночастиц, результаты анализа состава, микроструктуры, морфологии и заряда поверхности образцов спектральными методами и методами электронной микроскопии, рентгеновской фотоэлектронной спектроскопии, динамического и электрофоретического светорассеяния, измеренные биологические показатели на примере следующих классов соединений: наночастиц магнетита Fe3O4 и маггемита γ-Fe2O3, модифицированных (амино)органосиланами (тетраэтоксисилан, 3-аминопропилтриэтоксисилан), карбоксилатами (гуминовыми кислотами), углеродными соединениями (активированный уголь), сочетающих защитный слой с функциональным с поверхностными ОН-, COOH-, NH2-группами, полученных методами химического восстановления ex situ/in situ, золь-синтеза, in statu nascendi. Методика цифрового синтеза позволит решить фундаментальную проблему направленного получения перспективных полифункциональных биобезопасных наноматериалов. В настоящей работе будут привлекаться технологии искусственного интеллекта для анализа данных целого комплекса методов синтеза, диагностики и компьютерного моделирования токсикологических характеристик проектируемых наноструктурированных материалов. Методы машинного обучения будут использоваться для ускоренного синтеза новых перспективных наноматериалов на основе наночастиц оксидов железа, что в ближайшее десятилетие станет основным направлением цифрового синтеза. В мировой практике в последнее десятилетие отмечается активный рост работ, применяющих методы машинного обучения для анализа мирокроструктурных и биологических данных или скрининга новых материалов. В нашей работе впервые такой подход будет применяться для всего объема данных в совокупности − от параметров синтеза до микроструктурных и биологических исследований активности наночастиц. Таким образом, созданные принципиально новые подходы к синтезу и модификации наночастиц оксидов железа (различными соединениями, окислением, пассивацией поверхности и т.д.) будут соответствовать мировому уровню исследований и будут востребованы в биомедицинской практике и технологиях очистки природных и техногенных сред, так как позволят обеспечить прогнозируемость свойств за счет различного типа модификации наночастиц.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Бондаренко Л., Савельев Я., Черняев Д., Баймуратова Р., Джардималиева Г., Кыдралиева К. A statistical design approach to the sol–gel synthesis of (amino)organosilane hybrid nanoparticles Physical Chemistry Chemical Physics, Vol. 25, P. 15862-15872 (год публикации - 2023)
10.1039/D3CP01404E

2. Дзеранов А.А., Гари С.К.С., Батаков А.Д., Кыдралиева К.А., Терехова В.А. Стимулирующий фитоэффект Fe3O4-активированного угля при комбинированном загрязнении почвы антибиотиком ципрофлоксацином и медью Проблемы агрохимии и экологии (год публикации - 2023)

3. Дзеранов А., Бондаренко Л., Саман Д., Прокофьев М., Терехова В., Телегина Л., Джардималиева Г., Болотская С., Кыдралиева К. Effects of water induced aging on iron (oxyhydr)oxides nanoparticles: linking crystal structure, iron ion release, and toxicity Chemical Papers, Volume 78, P. 4029–4043 (год публикации - 2024)
10.1007/s11696-024-03373-x

4. Васкевич Е., Шулаков А., Грошева А., Кирилова И., Сергеева Ю., Дзеранов А. Effect of humic acid content on algotoxicity of nanocomposite (Fe3O4/HA) remediant Book of Abstracts Ninth International Conference of the CIS IHSS on humic innovative technologies "Humic substances and green technologies" (HIT-2024), P. 77 (год публикации - 2024)

5. Дзеранов А.А., Саман Д. Старение наночастиц (оксигидр)оксидов железа в водной среде: связь кристаллической структуры, высвобождения ионов железа и токсичности Материалы Международного молодежного научного форума «Ломоносов-2024» , [Электронный ресурс] – М.: МОО СИПНН Н.Д. Кондратьева, (год публикации - 2024)

6. Гасанов М.Э., Лернер В.Л., Бондаренко Л.С., Кирюшина А.П., Дзеранов А.А., Сидоров М.Ю., Славиогло В.Д., Шулаков А.Ю., Кыдралиева К.А. Применение QSAR для прогнозирования биоактивности модифицированных наночастиц магнетита в условиях малой выборки Программа конференции «Искусственный интеллект в химии и материаловедении», С. 86 (год публикации - 2023)

7. Дзеранов А., Бондаренко Л., Джардималиева Г., Келбышева Е., Змеев Д., Пацаева С., Тропская Н., Жоробекова Ш. и Кыдралиева К. Enhanced interaction of ciprofloxacin with humic substances and magnetite-silica-nanoparticles in multicomponent system: Spectrophotometric and electrokinetic studies Journal of Biomedical Photonics & Engineering, Volume 10, Issue 2 (год публикации - 2024)
10.18287/JBPE24.10.020301

8. Сидоров М. Ю., Гасанов М. Е., Дзеранов А. А., Бондаренко Л. С., Кирюшина А. П., Терехова В. А., Джардималиева Г. И. и Кыдралиева К. А. Machine learning-enabled prediction of ecotoxicity (EC50) for diverse organic compounds via infrared spectroscopy Mendeleev Communication, Volume 34, Issue 6, P. 780-782 (год публикации - 2024)
10.1016/j.mencom.2024.10.004

9. Жаркынбаева Р., Дзеранов А., Панкратов Д., Саман Д., Бондаренко Л., Терехова В., Тропская Н., Маметова А., Кыдралиева К. Exploring the synergistic effects of goethite intercalated coal in the presence of humic acids for enhanced growth of Sinapis alba Chemical and Biological Technologies in Agriculture, Volume 11, Issue 14 (год публикации - 2024)
10.1186/s40538-023-00530-4

Аннотация результатов, полученных в 2024 году
Основной задачей в отчетный период являлась разработка методологии прогнозирования биологических эффектов (экотоксичности по показателю ЕС50 – эффективной концентрации, вызывающей 50%-ную гибель или ингибирование роста организмов) наночастиц магнетита/маггемита, модифицированных различными соединениями, с использованием методов машинного обучения. В качестве входных данных для подготовки предикторов для построения моделей использованы собственные данные по микроструктуре наночастиц по данным рентгенофазового анализа (РФА, параметр решетки) и ИК-спектров (области характеристичных полос поглощения), полученные в ходе выполнения исследования по проекту, и данные из открытых источников и публичных баз данных EnviroTox database (https://envirotoxdatabase.org/). Использование данных из публичных источников позволило создать модели с лучшей генерализацией, которые, в свою очередь, будут иметь большую научную ценность для прогнозирования биоактивности (экотоксичности) получаемых наноматериалов. Для работы с новыми источниками данных помимо классических моделей машинного обучения для работы с табличным форматом данных использованы глубокие нейронные сети для работы с данными физико-химического анализа (РФА и ИК-спектроскопии) с использованием двух подходов с целью прогнозирования биологических свойств различных соединений: во-первых, использование физико-химического анализа в качестве изображений для сверточных нейронных сетей с последующим их обучением и во-вторых, подход с использование сверточных нейронных сетей для получения эмбеддингов для последующего моделирования. Использование эмбеддингов изображений, в нашем случае изображений спектров позволило не только снизить вычислительную сложность, но также улучшить эффективность алгоритмов классификации. Для прогнозирования токсичности наночастиц магнетита, модифицированных различными соединениями, подготовлен набор признаков на основе данных рентгенофазового анализа для более чем 100 собственных образцов наночастиц, из которых только выборка из 31 образца была обучена моделям RandomForest, GradientBoosting, kNN и DecisionTree для задачи классификации токсичности наночастиц. Определены признаки для прогнозирования токсичности наночастиц магнетита, модифицированных различными соединениями, на основе их ИК-спектров. Датасет содержит признаки ИК-спектров и параметр EC50 по отношению к разным тест-организмам различных трофических уровней и уровней организации. Итоговая выборка содержит 1116 записей. Для задач классификации токсичных и нетоксичных соединений по данным ИК-спектроскопии проведено обучение полученной выборки для прогноза показателя EC50. Для снижения размерности входных данных ИК-спектров разработана сверточная нейронная сеть с архитектурой энкодер-декодер. Все разработанные модели и подготовленные наборы данных для обучения моделей выложены в публичном доступе https://github.com/pyMakSid/EcoToxicityMachineLearning/tree/main/data. Использование глубоких нейронных сетей также позволило провести дополнительный анализ чувствительности прогностических моделей по отношению к входным предикторам. Анализ важности признаков для сверточных нейронных сетей включало в себя оценку вклада различных частей входного изображения в прогнозы сети. В нашем случае проведена оценка вклада различных частей ИК-спектров в качество прогнозирования биологических свойств соединений. В отличие от традиционных моделей машинного обучения, где признаки явно определены, сверточные нейронные сети автоматически изучают иерархические признаки через слои сети. Предложена методология построения прогностических моделей биологических эффектов наночастиц оксидов железа с использование методов машинного обучения в виде базы данных предикторов и показателей токсичности и ПО для обучения моделей и прогнозирования биологических свойств (опубликовано в статье «Machine learning-enabled prediction of ecotoxicity (EC50) for diverse organic compounds via infrared spectroscopy». Mendeleev Communication, 2024). Результаты работы в отчетный период опубликованы в 4 статьях в журналах Chemical and Biological Technologies in Agriculture (Q1), Chemical Papers (Q2), Mendeleev Communication (Q4), Journal of Biomedical Photonics & Engineering (Q4) и представлены на конференциях с очным участием: «Искусственный интеллект в химии и материаловедении», «Ломоносов-2024», «Humic substances and green technologies (HIT-2024)».

Публикации

Возможность практического использования результатов
Публикация базы данных для публичного доступа, размещенной в сети Интернет и содержащей сведения о наночастицах оксидов железа (магнетита/маггемита) по показателям микроструктуры и экотоксичности, предоставляет ценный ресурс для научного сообщества по прогнозу биологической активности (безопасности) наночастиц, что представляет несомненную важность для биомедицинских и экологических применений.