Главная  Информация для покупателей  Новости науки  Искусственный метаболизм и движение против течения

Искусственный метаболизм и движение против течения

24 июня 2019


Ученые создали метод управления движением биополимерных микрочастиц, находящихся в жидкой среде. В их состав входят ДНК-линкеры, которые обладают свойством создавать структуры с заданными свойствами. Предполагается, что такой метод поможет нам в будущем в разработке нанороботов, имеющих склонность к самостоятельной регенерации.

Основан этот метод на принципе искусственного метаболизма, который представляет особый управляемый процесс полимеризации и гидролиза ДНК. Можно сказать, что это некий молекулярный мотор, в котором происходит взаимодействие между ДНК и ферментами. Химические реакции, возникающие в процессе такого взаимодействия, приводят искусственно созданную систему в движение. Причём частицы способны двигаться даже против внешнего потока. Для этого ученые задают заранее составленный маршрут, а реакция синтеза РНК делает остальное. Подобное движение вряд ли может быть названо «живой системой» — все-таки самостоятельные решения о передвижении, изменении маршрута и структуры микрочастицы принимать не могут.

info24-06-19-imgs_SMM_Feb_2019_0003_31

Чтобы система работала, молекулярные роботы на основе ДНК, будучи помещенные в среду с искусственным метаболизмом, были дополнены двумя ферментами. В процессе метаболизма, который состоит из искусственного анаболизма и искусственного катаболизма, они либо образовывали длинные цепочки ДНК из фрагментов, либо разбирали их на кусочки. Чтобы лучше контролировать процесс образования и распада структур из белковых молекул или наночастиц, учёные соорудили специальное испытательное оборудование — микрофлюидные устройства, имеющие три канала ввода компонентов. Жидкости в таком оборудовании обтекают специальные массивы вертикальных колонн и формируют устойчивые потоки. В таких потоках легко контролировать концентрацию нужных ферментов. Так, например, используя ДНК-гидролазы, ученые могут разрушать нити связанного ДНК-линкерами полимера, а при введении ДНК-полимеразы — вновь собирать. Благодаря этому методу можно контролировать и менять структуру определенного материала.

Последующий эксперимент позволил наглядно показать принципы управления движением биополимерных частиц: учёные смешали три раствора (собирающий, разрушающий и с перекурсорами), и таким образом заставили искусственно собранного из биополимерного материала слизевика ползти против основного направления движения жидкости. Выглядело это примерно так: слизевик двигался за счёт того, что перед собой производил разбор материала, перемещался вперед и затем совершал полимеризацию материала позади себя. От скорости такого процесса зависит скорость передвижения. Подобная система при своём усовершенствовании в будущем может послужить хорошим основанием для создания искусственных биологических систем с автономной жизнеспособностью и регенерацией.


Бренды по теме
Другая информация
11 ноября 2021
На Венере определена глобально фрагментированная и подвижная литосфера

Поверхность Венеры была сильно деформирована. Действующая совместно с низкопрочной нижней корой конвекция подстилающей мантии выступила в качестве источника горизонтальных деформаций на поверхности.

08 ноября 2021
Исследованы нейронные механизмы преднамеренной нечестности

Исследователи долгие годы пытались выяснить, задействованы ли и как именно механизмы когнитивного контроля во время честного и нечестного поведения.

04 ноября 2021
Создан микро-наномотор, управляемый энергией видимого света

МНМ не только служат идеальными модельными системами для неравновесной физики, но и обладают большим потенциалом в микрофлюидике и биомедицинских приложениях.

01 ноября 2021
Антитела IgG3 показали высокую эффективность против SARS-CoV-2

Превосходная нейтрализация может быть следствием сшивания спайкового белка SP на поверхности вируса. Это следует учитывать при разработке терапии и вакцин.

28 октября 2021
Байесовская нейронная сеть предсказывает распад компактных планетных систем

Чтобы решить проблему прогнозирования нестабильности компактных систем, современные ученые решили внедрить архитектуру глубокого машинного обучения.

Вся информация


Сайт использует файлы cookies. Продолжая просматривать сайт Вы соглашаетесь с использованием cookies. Хорошо!