Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Peptide-based Supramolecular Co-assembly Design: Multiscale Machine Learning Modeling Approach

Descrizione del progetto

Un nuovo quadro per effettuare previsioni efficienti sul co-assemblaggio dei peptidi

Recentemente l’interesse verso l’autoassemblaggio supramolecolare, e in particolare il co-assemblaggio dei peptidi multicomponente, è andato crescendo. Questa tecnologia dimostra grandi potenzialità nelle industrie basate sui materiali in quanto migliora l’utilità funzionale dei materiali a base di peptidi. Ciononostante, la comprensione della complessità dei materiali a base di peptidi e la previsione delle strutture di co-assemblaggio hanno notevolmente ostacolato il progresso di questa tecnologia. Il progetto SupraModel, finanziato dall’UE, si propone di sviluppare un quadro efficiente e rapido per la previsione delle strutture di co-assemblaggio dei peptidi, fornendo al contempo indizi sul processo del co-assemblaggio stesso. Il progetto stabilirà nuove regole di progettazione per migliorare l’efficienza dei progetti futuri.

Obiettivo

Supramolecular self-assembly is a fundamental process abundantly utilized by nature and emerging functional materials technologies ranging from drug delivery to soft semiconductor devices. Recently, an increased focus has been placed on the multicomponent peptide co-assembly as they often display unique emergent properties that can dramatically expand the functional utility of peptide-based materials. Still, the full potential is hindered by the combinatorial complexity of peptide-based materials and our inability to predict the co-assembled structures and, therefore, properties and functionality. Machine Learning models built on top of Molecular Dynamics simulations are ideally suited to decipher the co-assembly behavior. However, the existing molecular models either suffer from severe approximations disabling them to give accurate predictions or are computationally too expensive to transverse the material space. Addressing this trade-off, I aim to develop a computational framework for fast and accurate peptide co-assembly prediction using as a key strategy a multiscale construction of Graph Neural Network-based models that can predict the peptide co-assembly. This innovative approach will enable me to reach the following objectives: (1) obtain unprecedented molecular insight into the peptide co-assembly process inaccessible to experiments, (2) uncover novel candidate materials, and (3) provide rational design rules for multicomponent peptide-based supramolecular materials. In a broader context, increased insight into cooperative behavior will bring us closer to understanding and ultimately synthetically replicating the exceptional functionality of living systems, while the methodological advancements of data-driven molecular modeling will be of paramount importance in other areas of biomaterial engineering and beyond.

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

HORIZON-ERC - HORIZON ERC Grants

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) ERC-2022-STG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

TECHNISCHE UNIVERSITAET MUENCHEN
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

€ 1 474 182,00
Indirizzo
Arcisstrasse 21
80333 Muenchen
Germania

Mostra sulla mappa

Regione
Bayern Oberbayern München, Kreisfreie Stadt
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

€ 1 474 182,50

Beneficiari (1)

Il mio fascicolo 0 0