Opis projektu
Nowe ramy dla skutecznego przewidywania koasocjacji peptydów
W ostatnim czasie wzrosło zainteresowanie zjawiskiem samoorganizacji supramolekularnej, w szczególności wieloskładnikową koasocjacją peptydów. Technologia ta stanowi bardzo obiecujące rozwiązanie dla przemysłu materiałowego, gdyż pozwoli na zwiększanie funkcjonalności materiałów opartych na peptydach. Złożoność materiałów opartych na peptydach i przewidywanie ich struktur stanowiły dotychczas główne przeszkody w rozwoju tej technologii. Finansowany ze środków Unii Europejskiej projekt SupraModel ma na celu opracowanie wydajnej i szybkiej struktury do przewidywania struktur koasocjacji peptydów, zapewniając jednocześnie wgląd w proces koasocjacji. W ramach projektu powstaną nowe zasady projektowania w celu poprawy wydajności i efektywności przyszłych rozwiązań.
Cel
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.
Dziedzina nauki
Program(-y)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Temat(-y)
System finansowania
HORIZON-ERC - HORIZON ERC GrantsInstytucja przyjmująca
80333 Muenchen
Niemcy