Polymeren – moleculen van zich herhalende chemicaliën – vormen de basis van veel materialen:plastic waterflessen, rubberen banden, zelfs de keratine in je haar. Wanneer bepaalde soorten polymeren gevoelig zijn voor veranderingen in externe stimuli zoals temperatuur, ze worden behulpzaam, vooral in biomedische toepassingen zoals medicijnafgifte, weefsel engineering, en genafgifte.

Een team van onderzoekers onder leiding van Sanket Deshmukh, assistent-professor chemische technologie, heeft een methode ontwikkeld om de structuren van polymeren die gevoelig zijn voor externe prikkels te onderzoeken. In een recent gepubliceerd tijdschriftartikel in de Journal of Physical Chemistry Letters , ontwikkelde de groep een eerste in zijn soort, temperatuuronafhankelijk rekenmodel voor een bepaald polymeer dat gevoelig is voor temperatuur. Simulatietrajecten van dit rekenmodel werden geanalyseerd met behulp van een datagestuurde machine-learningmethode.

De groep koos het polymeer poly(N-isopropylacrylamide), ook bekend als PNIPAM, die temperatuurgevoelig is. In tegenstelling tot de meeste materialen, dit thermogevoelige polymeer lost op in water bij temperaturen onder 32 ℃ en is onoplosbaar bij hogere temperaturen - het omgekeerde van de meeste materialen. De temperatuur waarbij het gedrag van het polymeer verandert, staat bekend als een lagere kritische oplossingstemperatuur.

De unieke lagere kritische oplossingstemperatuur van het thermogevoelige polymeer kan worden gewijzigd, echter, door groepen atomen op te nemen die bepalen hoe het polymeer reageert op veranderingen in de omgevingstemperatuur. Door atomen aan het thermogevoelige polymeer toe te voegen die wel of niet van water houden, kan het polymeer zijn lagere kritische oplossingstemperatuur veranderen om dicht bij de menselijke lichaamstemperatuur van 37 ℃ te komen - waardevol voor toepassingen met gecontroleerde medicijnafgifte.

Een type rekenmodel dat het team van Deshmukh heeft ontwikkeld voor het thermogevoelige polymeer, wordt een grofkorrelig model genoemd. waar een groep atomen samen in het model is gerangschikt in wat bekend staat als een kraal. Bovendien, dit is een allereerste poging om een ​​specifieke datagestuurde machine learning-aanpak te gebruiken, een niet-metrische multidimensionale schaalmethode genoemd, het analyseren van moleculaire dynamica simulatietrajecten van een grofkorrelig model van een temperatuurgevoelig polymeer.

"Deze analyse toont de aanwezigheid van meerdere metastabiele toestanden van PNIPAM tijdens zijn conformationele overgang boven de lagere kritische oplossingstemperatuur, die geheel nieuwe inzichten geeft over dit proces, ' zei Deshmukh.

"De ontwikkeling van nauwkeurige grofkorrelige modellen is een zeer uitdagende taak omdat men de interacties tussen het polymeer met zichzelf en tussen het polymeer en watermoleculen zeer nauwkeurig moet vastleggen, " zei Karteek Bejagam, een postdoctoraal onderzoeker in het laboratorium van Deshmukh en een hoofdauteur van de studie. "Specifiek, de subtiele balans in de interacties tussen het polymeer en water moet nauwkeurig worden vastgelegd, zodat het het oplosbaarheidsgedrag van polymeren bij verschillende temperaturen kan reproduceren."

"We weten dat het model werkt, omdat het zelfs onder wisselende omstandigheden standhield, " zei Yaxin An, een derde jaar Ph.D. student in de groep van Deshmukh. "Het is fantastisch om het gedrag te zien zoals verwacht, zowel op de computer als in werkelijkheid."

Experimenteel, Van verschillende factoren is gemeld dat ze de lagere kritische oplossingstemperatuur van het thermogevoelige polymeer beïnvloeden. Bijvoorbeeld, de ruggengraattactiek van het polymeer - een term die een bepaalde rangschikking van moleculen aanduidt - kan de waargenomen lagere kritische oplossingstemperatuur veranderen in het bereik van 17 tot 34 ℃.

"Dit nieuwe grofkorrelige model van PNIPAM is zo gebouwd dat het de stilzwijgen van PNIPAM kan behouden en dus effecten kan vastleggen die zijn waargenomen in laboratoriumexperimenten, " zei Samrendra Singh, een bezoekende geleerde in de groep van Deshmukh.

Dit onderzoek gebruikte de Cori-supercomputer van het National Energy Research Scientific Computing Center van het Department of Energy om deze modellen te ontwikkelen. De uitgebreide validatie van het model is gedaan bij Advanced Research Computing van Virginia Tech.

Momenteel, Deshmukh's groep gebruikt het model van het thermogevoelige polymeer om complexe architecturen te simuleren met als doel inzicht te geven in de structuren op individuele polymeerketens die in deze materialen aanwezig zijn, die anders ontoegankelijk zijn, zelfs met de bestaande vorderingen in de experimentele technieken.