Дата-Дривен Де Ново дизајн супер-лепљивих хидрогела

Хидрогел измишљотина

Сви кополимер гелови су синтетизовани једним кораком кополимеризацијом мономера мономера са хемијским крижањем. Концентрација цроссЛинкер-а је фиксирана на 0,1 мол% у односу на укупни садржај мономера да би се уравнотежила еластичност и деформабилност гелова²⁷. Раствори ДМСО-а који садрже функционални мономери (укупна концентрација 2,4 м) са композицијама које су изведене из ДМ-а и МЛ (додатне таблице 2 и 7), хемијски цросслинкер (Глицерол 1,3-Диглицеролат Диацрилат, 2,4 мм) и УВ иницијатор (2-оксоглутарна киселина, 6 мм). На пример, припремити Г-МАКС гел, 1,819 г БА, 0,413 г ХЕА, 0.264 г ЦБЕА, 0.561 г АТАЦ-а, 0,441 г грашка, 8,4 мг глицерола 1,3-дигли-диакрилата и 8,8 мг од 2-оксоглутарне киселине, а затим ДМСО, а затим ДМСО, а затим ДМСО, а затим ДМСО, а затим ДМСО, а затим ДМСО. Прекуронски раствор је пребачен у кутију за рукавице да се уклони кисеоник, сипа у реакциону ћелију (две 10 цм × 10 цм стаклених плоча, 0,5-мм размака) и озрачене са УВ светлошћу (таласна дужина од 365 Нм, 4 МВ цм)^-2 интензитет) за 8 х у формирање гелова (допунски Сл. 9а). Након УВ зрачења, преко 99% мономера претворено је у полимере, како је потврђено НМР (допунски Сл. 9б).

Потом припремљеним органогелима су затим уроњени у нормалан физиолошки физиолошки расип (0.154 м НаЦл) како би се уклонила растварача и заостале хемикалије, са сланимством размијењено сваких 12 х најмање 2 недеље док се не достигне равнотежа отеклине. Хидрогели су смештени у нормалној физиолошкој соли пре употребе.

Карактеризација подводног адхезије

Тест за топ спроведено је помоћу Схимадзу Тестер-а (аутограм АГ-Кс) опремљен софтвером Трапезиум Кс. Хидрогел (дебљина 0,3-0,8 мм) на равнотежи отеклине придржавана је сонде помоћу цијаноакрилатног лепила (супер лепак). За брзе скрининг, хидрогели са ДМ-ом са тренинг и мЛ хидрогела из три круга оптимизације, припремљени су као узораци пречника од 15 мм. За детаљне студије адхезије користи се узорака пречника 10 мм да се избегну прекорачење распона силе инструмента. Ова промена у пречнику није утицала на резултате јачине лепљења. Хидрогел на сонди је затим уроњен у тестно решење (на пример, нормалну физиолошку физиолошку физиолошку физиолошку солу) током 5 мин за постизање равнотеже. Сонда се спустила према подлози на 1 мм мин^-1 док се не примени на силу утовара од 10 Н, одржавана за 10 с и повучена на 10 мм мин^-1 (Допунски Сл. 10). Ови услови испитивања коришћени су као стандардни протокол ако није другачије одређено. За поновљене тестове адхезије, хидрогели су се одмарали под водом 5 мин између циклуса, са стакленим подлозима замењени су сваких 100 тестова. За продужене циклусе за одређивање прилога (проширени подаци Сл. 8), 5 Н сила за утовар и време контакта са 10 с коришћено је за минимизирање умора гела. Сваки узорак је тестиран најмање три пута. За конструкцију података за хидрогел података, пријављена је највећа снага лепка забележена за сваки узорак Ф_апредстављајући максимално пријаве адхезије под одређеним условима.

Снага лепка за чишћење је мерена коришћењем универзалне машине за тестирање (УТМ, Инстрон 5965). Хидрогел (пречник 10 мм, површине) А= 78,5 мм²) У отеклиној равнотежи био је сендвијан између два стаклена клизача, притиснута на 20 н током 1 мин у нормалном физиолошком отопину. Учитавање смицања је примењено на 50 мм мин^-1. Снажна снага лепка (Ф_а) је израчунато као Ф_а=Ф_макс / АгдеФ_максје максимална снага за учитавање. За тестове трабилности адхезије (додатна Сл. 15), Скупштина сендвичане је чуване у нормалном физиолошком отопину за различите трајање пре тестирања.

Интерфациална жилавост је мерена за 180 ° тестова за љуштење користећи Инстрон 5965. Хидрогел траке (10 мм × 150 мм) се придржавају стаклене подлоге у нормалном физиолошком отопину користећи благи притисак прста, а затим 2 кг ручни ваљак који се примењује у сваком смеру да би се осигурао јединствени контакт. Полиетилен терефталат (ПЕТ) Филмови (дебљине 50 уМ) служили су као чвршће подлогу. Пилинг тестови су спроведени на 50 мм мин^-1. Интерфацијална жилавост ( Г_ц) је израчунато каоГ_ц = 2Ф_ц/ ви где Ф_цје висоравни присиљавање и вије ширина узорка (10 мм).

ДМ лепљивих протеина

Свеобухватни скуп лепилних протеина био је састављен са базе података НЦБИ протеина, користећи „лепљиве протеине“ као кључну реч упит. Укупно 24.707 секвенце протеина из 3.822 различитих организама (бактерије, вируси, еукариоте и животиње) сакупљане су без додатних чишћења података. На основу напорних напомена, протеини су груписани од врстама, а редослед консензуса је генерисан за сваку врсту за обухватање уобичајених секвенцијских образаца и смањити утицај појединачних варијација.

ДатаСет је обухватио 3.111 врсте, примећујући да се таксономски преклапач резултира тачкама протеина да немири се на 24.707. За робусну анализу, првих 200 врста, рангиране бројем различитих протеина идентификованих по врстама, изабране су за даљу студију.

Протеинске секвенце су извозене у Фасти Формат⁴⁵ Коришћење био.секио интерфејса у биопитону⁴⁶. Консензусне секвенце су израчунате са Цлустава Омега²³који врши више поравнања секвенције генерисањем матрице на даљину од парних поравнања, изградњу водича на основу еволуцијских односа и прогресивно усклађивање секвенци из најближег најдаље штрајке. Резултирајући поравнање идентификује најчешће остатке на свакој позицији, дајући консензусну секвенцу која наглашава очуване регионе.

Цлустава Омега је извршена командом:

Тамо где „улаз_филе“ и „оутпут_алн_филе“ означавају улазне секвенце протеина и секвенце излазних консензуса, респективно. Добијене су 200 настављених консензуса користиле су се за накнадно анализу секвенци и дизајн формулације хидрогела.

МЛ методе

Вектор од шест димензионалних карактеристика,φ_ја= ( φ_{Балазан}, φ_Збирка, φ_ЦБЕА, φ_Атац, φ_Аам, φ_Грашак), користи се за представљање мономера пропорција у хидрогелима. Циљна променљива је била лепљива снага, Ф_а . Да бисте моделирали однос између φ_ја и Ф_а Истражили смо и линеарне и нелинеарне МЛ моделе (додатни столови 5 и 6).

Линеарни модели су укључивали најмање апсолутну регресију оператора за скупљање и селекцију (Лассо) и регресија гребена (Ридге). Нелинеарни модели су се састојали к-Неарести суседи (КНН), регресија за кернел гребен (КРР), подршка векторској регресији (СВР), насумичној регресији шума (РФР), градијентна регресија са кгбоост (КСГБ), додатна стабла регресија (ЕТР) и Гауссов процес (ГП) и Гауссов процес.^32,34. Ови нелинеарни модели обухватају не-параметријску (КНН), седиште за базирање језгре (КРР, СВР и ГП) и приступим дрвећу (РФР, КСГБ и ЕТР), омогућавајући свеобухватно поређење^34,35,47.

КСГБ је био од В.1.6.2, док су други модели реализовани помоћу Сцикит-Леарн (В.1.0.2) и Сцикит-Оптимизе (в.0.9.0). ХиперПараметер Н_Естиматорс је подешен помоћу Оптуне⁴⁸док су други оптимизовани помоћу претраге Грида (додатна табела 6). 10-пута унакрсна стратегија коришћена је за процену предиктивних перформанси на нашем скупу од 180 хидрогела, користећи корен средње грешке у квадрату (РМСЕ) као метрику. ГП и РФР, са најнижим РМСЕ-ом у грешци за обуку коришћењем 90% / 10% Сплит / тест Сплит (проширени подаци Сл. 4), појавили су се као врхунски извођач и тркача, а касније су се користили као основна (сурогат) модели (сурогат).

Да бисмо направили екстрапокативне предвиђања, испробали смо три врсте метода.

1. 1.

   Пописивање само експлоатације:

   Десет милиона φ_ја Вектори су генерисани из јединствене дистрибуције (0, 1.0) за сваког мономера, нормализоване да сумирају до 1.0. Првих пет вектора, који су предвиђени предвиђени Ф_а Из сваког модела су експериментално потврђени.

2. 2.

   БАТЦХЕД БО:

   • ГП_КБ: Користи се ГП предвиђања као хипотетичке вредности за избор следећих података који максимизирају ЕИ.

   • ГП_ЦЛМАКС: Користи се максимум Ф_а (И_МАКС) са постављеног тренинга као хипотетичке вредности за избор следећих података са ЕИ максималним.

   • ГП_ЦЛМИН: Користи се минимум Ф_а (и_мин) за одабир следећих података са подацима са ЕИ максималним.

   • ГП_ЛП: Укључено је локално кажњен термин у ЕИ Прорачун³⁷.

   ГП_КБ, гп_цлмак и гп_цлмин поједностављени зглоб к-ЕИ Прорачун вероватноће³⁶ Коришћењем вредности предвиђања ГП као хипотетичке вредности за одабир следећих података са ЕИ максимума. Величина серијек= 10 је изабран.

3. 3.

   Оптимизација засноване на седелом моделу (СМБО):

   • ГП-РФР: ГП као провајдер хипотетичке вредности и РФР као ЕИ Макимизер.

   • РФР-РФР: РФР као и хипотетичка провајдера вредности и ЕИ Макимизер.

   • РФР-ГП: РФР као хипотетички провајдер вредности и ГП као ЕИ Макимизер.

   • РФР-ГП *: РФР-ГП са топлим стартом, 10 РФР-а генерисаних тачака је додато у реалну базу за ГП регресију.

   • РФР-ЕТР: РФР као провајдер хипотетичке вредности и ЕТР као ЕИ Макимизер.

   • РФР-ГБМ: РФР као хипотетички провајдер вредности и ГБМ као ЕИ Макимизер.

   СМБО итеративно ажурира сурогат модел док истражује обећавајуће податке о подацима³³. ГП и РФР, када се користе као хипотетичке провајдере вредности, експлоатација и истраживање равнотеже, док ГП_ЦЛМАКС и ГП_ЦЛМИН наглашавају експлоатацију и истраживање, респективно⁴⁹.

СМБО (додатни алгоритам 1) састоји се од четири компоненте: Истинска функција (ф), Глобал Домаин (К), функција набавке (С) и сурогат модел (М). Почетни подаци о обуци ( Д ) се узму узорака К и експериментални Ф_аВриједности се добијају (линија 1). Модел сурогата М постављен је на Д (линија 3) и С (ЕИ) Идентификује следеће податке о подацима на основу предиктивне несигурности (линија 4). Ова тачка података је накнадно потврђена експериментално (линија 5), ажурирање Д(линија 6) заТитерације (линија 2).

ЕИ квантификује очекивано побољшање, \ ({\ инт} _ {и *} ^ {\ инфти} (и- {и} ^ {*}) п (и) {\ рм {д}} и \)преко тренутног најбољег циља ( и^*). Захваљујући временској природи хидрогеловог израде (свака траје око 2 недеље), ГП и РФР су коришћени као провајдери хипотетичке вредности, који омогућавају максимизацију споја к-ЕИ вероватноћа без потребе за новим експериментима по итерацији. ЕИ Максимизери (ГП, РФР, ЕТР и ГБМ) користили су хиперпараметри из Сцикит-оптимизе (в.0.9.0).

За ГП као ЕИ Максимизер, ограничена меморија Броиден-Флетцхер-Голдфарб-Сханнон (Л-БФГС-Б) алгоритам⁵⁰ Погубљен је 20 пута по итерацији (укупно 40 итерација) да идентификује тачку са највишим ЕИ-ом, ажурирајући ГП пре. За остале три максимизере ЕИ (РФР, ЕТР и ГБМ), 10.000 бодова је насумично узорковано по итерацији, јер је нумеричка оптимизација погоднија за моделе дрвећа и ансамбла који недостају индијске информације. СМБО је затресао 40 итерација са сваким ЕИ Макимизер-ом, одабиром два скупа 10 података у свакој итерацији: топ 10 рангираних од стране ЕИ вредности (серија) к= 10), а топ 10 рангираних од предвиђенихФ_аВриједности за експерименталну потврду. Ова два сета могу се преклапати, а укупан број података података може бити мањи од 20.

За БО Методе (ГП_КБ, ГП_ЦЛМАКС, ГП_ЦЛМИН и ГП_ЛП), осим да је хипотетичка провајдера вриједности био или сам ГП (ГП_КБ и ГП_ЛП) или константне вредности (И_МАКС за ГП_ЦЛМАКС и И_МИН за ГП_ЦЛМИН).

Након првог круга, 109 валидних бодова проширило је скупови података на 289 хидрогела. Други и трећи кругови додани су 27 и 25 бодова, што резултира завршним базама које садржи 341 хидрогела.