武汉理工戴红莲/上海大学黄健Mater. Horiz.封面文章：灵感来源于鸭嘴兽的双重感知系统，预测生物材料性能

高分子科学前沿 · 公众号 · 化学 · 2024-09-17 08:01

正文

生物陶瓷材料的广泛应用

生物陶瓷是一类能在体内逐渐降解并适应组织结构和功能的材料，主要应用于骨组织的再生和修复。典型的生物陶瓷材料包括羟基磷灰石（Hydroxyapatite, HA）、磷酸三钙（Tricalcium Phosphate, TCP）和生物活性玻璃。这些材料广泛应用于人工关节、牙科植入物、骨折修复、软组织修复及再生医学等领域。在这些应用中，生物陶瓷与骨形态发生蛋白（Bone Morphogenetic Proteins, BMPs）的相互作用至关重要。BMPs是促进骨生长和修复的多功能生长因子，特别是BMP-2、BMP-4和BMP-7在成骨和软骨形成过程中发挥重要作用。

传统方法的局限性

目前，调控生物陶瓷与BMPs之间相互作用的主流方法是使用引导分子动力学（Steered Molecular Dynamics, SMD）模拟。然而，传统的SMD方法在处理大规模原子模拟时计算效率较低，且对复杂系统的预测准确性不足。为了克服这一瓶颈，研究人员开始借助机器学习技术，尤其是神经网络模型，以优化SMD模拟中的计算效率和预测准确性。

灵感来源于鸭嘴兽的双重感知系统

近日，武汉理工大学材料复合新技术国家重点实验室戴红莲研究团队和上海大学材料基因组工程研究院黄健研究团队，提出了一种创新的双视神经网络模型——Platypus Dual Perception Neural Network (Platyper)，在该领域取得了突破性的进展。本文将深入探讨该模型的设计理念、技术实现及其在蛋白质-表面相互作用预测中的应用。相关工作以“Biomimetic fusion: platyper's dual vision for predicting protein-surface interactions”为题发表于《Materials Horizons》（10.1039/D4MH00066H）并作为10周年封面期刊刊登。文章通讯作者为武汉理工大学戴红莲教授和上海大学黄健研究员，第一作者为武汉理工理工大学硕士研究生洪楚航。

作者所提出的Platyper模型的设计灵感源自鸭嘴兽的独特感知系统。鸭嘴兽在水中依赖电感受器和视觉系统感知外界环境，如图1中所展示的。研究团队借鉴这一双重感知机制，结合图卷积神经网络（Graph Convolutional Neural Network, GCN）和卷积神经网络（Convolutional Neural Network, CNN），提出了一种新的预测蛋白质-表面相互作用的方法。

图1.鸭嘴兽在水中依赖电感受器和视觉系统感知外界环境

模型结构及工作原理

Platyper模型通过GCN处理原子间势能和分子结构数据，同时利用CNN分析分子结构图像。GCN部分针对分子间的物理特性进行建模，CNN部分则从图像的角度提取分子特征。通过注意力机制融合这两种不同视角的特征，Platyper模型实现了对蛋白质-表面相互作用的精确预测，尤其在纳米结构中表现出优异的性能。Platyper模型的基本结构如图2中所示。

图2.Platyper模型的基本结构以及输入输出数据

Platyper模型的网络架构

Platyper模型由三个主要部分组成：CNN用于图像特征感知，GCN和长短期记忆网络（Long Short-Term Memory, LSTM）用于提取和处理分子级特征，以及注意力机制用于优化特征分配。CNN部分包括多个卷积层和池化层，通过图像数据提取分子特征。GCN部分利用图神经网络对分子结构进行图形化表示，并结合LSTM网络处理时间序列特征，最终实现对蛋白质-表面相互作用的动态预测。多种深度学习模型的网络架构如图3中所示。

图3.CNN，GCN以及CBAM三种深度学习模型的网络结构

实验验证与结果分析

研究团队使用Gromacs软件进行了一系列SMD模拟实验，构建了多特征的SMD数据集。通过Umbrella Sampling技术，研究人员计算了蛋白质吸附和释放过程中的自由能变化。实验结果表明，Platyper模型在预测蛋白质与生物陶瓷表面相互作用方面，显著优于传统的SMD方法，不仅提高了计算效率，还在大规模原子模拟中展示了更高的预测准确性。

提高预测准确性和计算效率

Platyper模型通过融合GCN和CNN的双重视角，克服了传统方法在处理复杂系统时的局限性。在纳米尺度的蛋白质-表面相互作用预测中，Platyper模型展示了卓越的性能，显著提高了预测的准确性和计算效率。Platyper模型的训练以及测试结果如图4所示。

图4.Platyper模型的训练以及测试结果。包括LOSS，训练时间，模型评价指标以及Platyper模型测试输出和PMF（平均力势）曲线的对比结果

增强模型的可解释性

Platyper模型通过热图技术增强了模型的可解释性，为蛋白质-表面相互作用的预测提供了更深入的洞见。这一特性使研究人员能够更好地理解和利用模型的预测结果，为生物材料的设计和优化提供了重要参考。成像后的热图如图5所示。

图5.Platyper模型的注意力可视化热力图以及热力图与分子侧视图的叠加图

广泛的应用前景

Platyper模型在生物材料科学中的应用前景广阔，特别是在骨组织工程和再生医学领域。通过优化蛋白质-表面相互作用，Platyper模型有望加速新型生物材料的开发，提升医疗器械的性能，为患者带来更好的治疗效果。

综上所述，本研究提出的Platyper模型为预测蛋白质与生物陶瓷表面相互作用提供了一种高效、准确的解决方案。该模型的成功应用，不仅推动了生物材料科学的发展，也为未来的研究和应用奠定了坚实基础。随着技术的不断进步，我们有理由相信，Platyper模型将在更多领域展现其独特优势。

--检测服务--

来源：高分子科学前沿

声明：仅代表作者个人观点，作者水平有限，如有不科学之处，请在下方留言指正！