镁离子浓度梯度下原发性脐静脉内皮细胞(HUVEC)增殖与迁移的预测模型构建及机制研究

本研究针对镁(Mg)基可降解生物材料在血管生成中的争议性结论，通过系统分析Mg2+ 浓度(2-20 mM)、供体差异和细胞代次对HUVEC功能的影响，构建了支持向量机(SVR)、随机森林(RFR)等回归模型。研究发现>2 mM Mg即抑制细胞增殖，而10 mM可增强迁移能力，通过机器学习实现了缺失浓度/代次预测(MAE低至8.5%)，为生物材料评估提供了标准化预测工具。

　　

在骨折愈合和骨修复过程中，血管生成是至关重要的第一步。镁(Mg)作为一种可降解金属生物材料，因其潜在的促血管生成特性备受关注。然而，现有研究存在明显矛盾：有的显示2.4 mM Mg能促进牛肾上腺皮质毛细血管内皮细胞增殖，有的则认为10 mM Mg对人类内皮细胞有益，而Xu等学者提出8 mM才是HUVEC的最适浓度。这种结论差异源于研究方法、细胞来源和检测手段的异质性，使得镁的生物效应评估成为"盲人摸象"般的难题。

为解决这一困境，来自德国赫尔姆霍兹中心等机构的研究团队开展了一项系统性研究。他们以原发性人脐静脉内皮细胞(HUVEC)为模型，结合机器学习算法，首次建立了镁离子浓度-细胞功能响应关系的预测模型。这项发表在《Computational and Structural Biotechnology Journal》的工作揭示：>2 mM Mg即对敏感的原代HUVEC产生损害效应，而10 mM Mg却能增强细胞迁移能力。通过比较线性回归、支持向量机(SVR)、随机森林(RFR)、神经网络和大型语言模型(LLM)等算法，研究人员成功实现了对缺失浓度和代次数据的精准预测(平均绝对误差最低8.5%)。

关键技术包括：(1)采用原子吸收光谱法(AAS)精确测定0.5-1.0 mg/L范围的Mg浓度；(2)从汉堡Bethesda医院获得伦理批准的脐带样本，分离培养3代HUVEC；(3)CCK8法检测2-20 mM Mg处理3天后的细胞增殖；(4)丝裂霉素C抑制增殖的划痕实验定量9小时内迁移能力；(5)qRT-PCR分析血管生成相关基因(ANG/VEGF-A/KDR等)表达；(6)开发5种回归任务预测缺失数据，采用8/2/1比例划分训练/验证/测试集。

3.1 HUVEC增殖
双因素方差分析显示，Mg浓度和细胞代次显著影响增殖(p<0.05)，而供体差异无统计学意义。所有HUVEC源均表现出对Mg的高度敏感性——2-5 mM即导致增殖率降至75%阈值以下，10 mM(文献推荐浓度)反而产生毒性。分子层面发现Mg上调血管内皮生长因子受体KDR和FLT1表达(2倍)，但VEGF-A/B无显著变化，RNA产量随Mg浓度升高递减(707→330 ng/mL)，印证了细胞应激反应。

3.2 迁移
通过丝裂霉素C抑制增殖的划痕实验发现，5-6代细胞迁移能力最强，10 mM Mg普遍增强该效应(除供体2外)。时间梯度图像分析显示处理9小时后，细胞能形成典型丝状伪足(filopodia)，但供体间差异显著——供体1呈现代次依赖性非线性响应，与增殖实验结果一致，凸显生物学重复的必要性。

3.3 回归结果
线性核SVR表现最优，预测缺失浓度时MAE约10%，预测缺失代次(如第5代)时误差仅8.5±2.0%。相比之下，GPT-4o等大型语言模型仅达基线水平(标签平均法)。值得注意的是，供体差异导致预测误差骤增(MAE 15.7±8.6%)，如供体2第4代呈现反常响应，暗示模型泛化能力受限于生物学变异。与Mehrian等的人类间充质干细胞研究相比，本工作用更少数据量(77组)实现了相近的相对误差，证实了方法的有效性。

这项研究首次建立了镁离子调控内皮细胞功能的量化预测模型，为生物材料评估提供了标准化分析框架。其创新性体现在：(1)揭示>2 mM Mg对原代HUVEC的毒性阈值，修正了既往10 mM的安全浓度认知；(2)证实机器学习可整合异质性数据，SVR算法对生物医学小数据具有独特优势；(3)提出将回归问题转化为增殖率75%的二元分类可能提升预测精度。未来需扩大文献数据整合，探索集成学习策略，并验证模型在钛合金等其它生物材料的普适性。这项工作标志着血管化生物材料研究从"经验驱动"向"数据驱动"的重要转变。