Исследователи применили методы машинного обучения для автоматизации проектирования сложных 3D-структур из ДНК. Новый подход позволяет предсказывать форму молекулярных конструкций с высокой точностью, сокращая время разработки с недель до нескольких минут. Технология открывает возможности для создания адресных систем доставки лекарств и наноразмерных сенсоров, значительно упрощая процесс программирования биологических материалов.

Метод ДНК-оригами основан на использовании длинной одноцепочечной молекулы ДНК, которая «сшивается» короткими синтетическими фрагментами в заданную геометрическую форму. Ранее процесс подбора последовательностей для таких конструкций требовал длительных итераций и ручной проверки, так как малейшая ошибка приводила к неправильной сборке молекулы. Использование нейронных сетей позволило моделировать термодинамическую стабильность структур в виртуальной среде до начала лабораторных экспериментов.

Разработка позволяет создавать наноструктуры с точностью до одного нуклеотида, что критически важно для медицины. Например, такие конструкции могут выступать в роли «контейнеров», которые раскрываются только при контакте с определенными белками-маркерами раковых клеток. Автоматизация проектирования переводит эту область из разряда фундаментальных экспериментов в плоскость прикладной наноинженерии.

Ключевые факты

  • ИИ-модели сокращают время проектирования ДНК-структур с нескольких недель до нескольких минут.
  • Технология позволяет предсказывать стабильность 3D-форм на основе последовательностей нуклеотидов с высокой точностью.
  • Основная сфера применения — создание программируемых наноконтейнеров для адресной доставки лекарственных препаратов.
  • Метод минимизирует количество неудачных лабораторных попыток за счет предварительного компьютерного моделирования сборки.