Maschinelles Lernen für die Medizin: Beschleunigung der Metadynamik von supramolekularen Wirt-Gast-Komplexen für Therapie und Bildgebung (MiAMI)

Projektbeschreibung

Im Zusammenhang mit dreidimensionalen porösen supramolekularen Materialien (Metallkäfigen) versprechen computergestützte Methoden, den anspruchsvollen Prozess der Entwicklung und Optimierung ihrer Wirts-Gast-Chemie und ihrer Einkapselungseigenschaften zu beschleunigen. Dieses Projekt etabliert einen umfassenden rechnergestützten Arbeitsablauf zur Untersuchung der Strukturdynamik von laternenförmigen kationischen [Pd₂L₄]⁴⁺-Metallkäfigen in expliziten Lösungsmitteln, die für die Gast-Einkapselung und die Wirkstoffabgabe relevant sind. Durch die Integration von quantenchemischen Berechnungen, klassischer Kraftfeldparametrisierung und Machine Learning Interatomic Potentials (MLIPs) vergleicht die Studie das Konformationsverhalten zweier Käfigvarianten – Endo-C und Endo-N – über verschiedene Ladungsmodelle und Umgebungen hinweg. Der Arbeitsablauf bewertet, wie die Zuordnung partieller Ladungen, Lösungsmitteleffekte und Modellierungsmethodik die Flexibilität, Stabilität und Hohlraumintegrität der Käfige beeinflussen. Vergleichende Molekulardynamik-Simulationen unter Verwendung sowohl von Kraftfeldern als auch von NequIP-basierten MLIPs zeigen lösungsmittelabhängige Konformationswechsel auf und verdeutlichen die Vorteile und Kompromisse zwischen klassischen und maschinell lernunterstützten Ansätzen. Insgesamt bietet das Projekt eine übertragbare Plattform für die genaue Modellierung supramolekularer Assemblierungen in Lösung und legt den Grundstein für prädiktive Studien zur Gast-Wirt-Chemie in biomedizinischen Anwendungen.

Ergebnisse

• Es wurde ein zweigleisiger Arbeitsablauf etabliert, der ab-initio-Berechnungen, klassische Molekulardynamik (MD) und MLIP-basierte MD kombiniert, um [Pd₂L₄]⁴⁺-Käfige in expliziten Lösungsmitteln zu modellieren.
• Vier Modelle zur Teil-Ladungsberechnung (Analyse der natürlichen Bindungsorbitale, Mulliken, elektrostatisches Potential, eingeschränktes elektrostatisches Potential) wurden verglichen und ihr starker Einfluss auf das Konformationsverhalten und die energetische Genauigkeit nachgewiesen.
• Identifizierung lösungsmittelabhängiger Dynamiken: Wasser fördert die Flexibilität und das Öffnen der Käfige, während DMSO geschlossene Konformationen durch Dipol-Dipol-Wechselwirkungen stabilisiert.
• Nachweis, dass Kraftfelder der dritten Generation Lösungsmitteleffekte zuverlässiger erfassen als frühere Parametersätze.
• Training und Validierung von zwei NequIP-MLIP-Versionen, wobei v2 nahezu die Genauigkeit der Dichtefunktionaltheorie (DFT) erreicht und glattere Konformationsübergänge als die klassische MD aufweist.
• Es wurde aufgezeigt, dass klassische Kraftfelder die Energien offener Konformationen überschätzen, während MLIPs DFT-Trends mit höherer Genauigkeit reproduzieren.
• Es wurde eine vielseitige Methodik für zukünftige Wirt-Gast-Simulationen bereitgestellt, die für das Design von Wirkstofffreisetzungssystemen relevant ist.

Weitere Schritte

Dieser Arbeitsablauf ermöglicht eine systematische Erweiterung hin zur prädiktiven Modellierung der Thermodynamik der Gästebindung, der Verweildauer im Wirkstoffkäfig sowie der lösungsmittelabhängigen Beladungseffizienz. Zukünftige Arbeiten könnten sich auf die Simulation klinisch relevanter kleiner Moleküle, die Verfeinerung von MLIP-Trainingsdatensätzen für eine breitere chemische Abdeckung und die Integration verbesserter Abtastverfahren zur Erfassung seltener Bindungs- und Freisetzungsereignisse konzentrieren. Solche Entwicklungen könnten das rationale Design von metallorganischen Käfigen mit optimierter Spezifität, Stabilität und Abgabelebensfähigkeit in komplexen biologischen Umgebungen unterstützen.