你是如何看待材料科学的发现呢?这个发现在诺贝尔化学奖获得者的一次讲座中得到了巨大的推动,它使用了低温电子显微镜(CRYO-EM),并被一位博士生的论文进一步推动了机器学习。
在《自然》杂志上发表的一篇论文中,由康奈尔大学材料科学与工程系的工程教授Uli Wiesner领导的一个小组报道了一个新发现,他们发现了尺寸为10纳米的个体自组装十二面体结构,它可以应用于中尺度的材料组装,以及医学诊断和治疗。
研究小组在6月20日发表了“表面活性剂胶束自组装定向高对称超小型无机笼”论文。
该小组的其他成员分别是来自Wiesner小组的博士后研究人员Kai Ma和Tangi Aubert;电气和计算机工程系及梅尼格生物医学工程学院教授Peter Doerschuk;以及杜尔施克小组的博士生Yunye Gong。
Gong的博士论文“计算和理解非均匀生物纳米机器的统计模型”中的技术被用作笼形结构的三维形状的确定。
Wiesner说,“我们曾经认为这些非常复杂的纳米结构将是散装材料的结构单位,但从来没有人将这些散装结构识别为孤立的积木。”
Wiesner说,要实现这一目标,首先是要阻止前期的化学反应,以便在其开始时就能看到这种散装结构。Ma说:“这实际上是我们小组正在进行的二氧化硅化学优化工作。”
想象一下,迅速把水冷却到低温温度,水就不会变成冰,而是成为了玻璃固体。在玻璃薄膜中,通过低温电子显微镜可以看到这些笼形结构在完全不同的方向上成像。大约有1.9万个单粒子图像是由Ma和Wiesner小组的其他成员通过大量的努力收集到的。
Gong的机器学习算法最初是为研究病毒蛋白笼而开发的,现在在这些图像的子集中应用到机器学习算法来将它们分类,并为每类进行三维重建。据估计,每天大概可以计算大概两千张图像。
单粒子三维重建就像医院的CT扫描一样,可以显示出颗粒的外部形状和内部结构。
Gong说“我们很高兴有机会在这项研究中与Wiesner小组合作,期间我们有机会展示了我们的算法和软件的先进性。”
该组织表示,这可能是首次利用人工智能(一种快速发展的结构生物学技术)对冷冻电镜图像进行单粒子三维重建,并成功地将其应用于合成材料的发现。
Ma说:“当我第一次提出用这种技术来确定笼子结构的想法的时候,由于材料的复杂性,大多数人认为这是不可行的。”
Wiesner说:“这是一个美丽的十二面体式笼形,他是古代已经研究过的五种柏拉图固体中最对称的一种,因此研究它也是非常价值的。”
那么,这位诺贝尔奖得主适合哪里呢?几年前,Wiesner参加了Roald Hoffmann的讲座,他是Frank H.T.Rhodes化学和化学生物学系荣誉教授。讲座的一个主题是所谓的包合物笼状结构。包合物是客体分子被捕获在另一个晶体笼内的化合物。
这让Wiesner仔细思考他们实验室在纳米结构上所做的工作,工作中他们初步检测纳米结构只是圆环。Wiesner说:“演讲结束后,我真的跑到了达菲尔德大厅,告诉Kai Ma,我认为他看到的高阶结构可能是包合物型结构。Ma做了更多的显微镜检测工作后对Wiesner说:‘我认为你是对的。”
Wiesner说,在康奈尔大学课程的标准下不太可能和Doerschuk和Gong的机器学习合作,但我们之间还真就有了这种偶然的联系。
Wiesner说“这是康奈尔大学的一个典型的案例,你会遇到来自不同机构的这些人,而这一切都有助于促进科学史上一项前所未有的美丽结构的重大发现。”
Doerschuk表示同意:“我是2006年来到康奈尔大学的。大学主要的吸引力之一是各部门之间的障碍很低,鼓励跨学科工作。我现在康奈尔工作十年了,我很高兴地告诉大家,Wiesner说的是完全正确的。”
在论文中,Wiesner认为,“基于近期科研上的成功...关于超小型荧光二氧化硅纳米粒子[“康奈尔点”]...可以设想一系列新的诊断和治疗探针,其药物隐藏在笼子内。”
论文原文:Self-assembly of highly symmetrical, ultrasmall inorganic cages directed by surfactant micelles
来源:新材料在线
版权及免责声明:本网站所有文章除标明原创外,均来自网络。登载本文的目的为传播行业信息,内容仅供参考,如有侵权请联系答魔删除。文章版权归原作者及原出处所有。本网拥有对此声明的最终解释权。
{replyUser1} 回复 {replyUser2}:{content}