编辑推荐：
为解决水凝胶配方设计优化难题，研究人员开展了利用机器学习（ML）预测细胞外基质（ECM）模拟水凝胶配方的研究。结果显示 ML 模型能精准预测，该研究提升了材料设计效率，推动组织工程研究发展。
在生物医学领域，水凝胶凭借独特优势，如高含水量、可调机械性能和生物相容性，在组织工程、药物递送和生物传感器等方面大显身手。尤其是其模拟细胞外基质（ECM，细胞生存的微环境，为细胞提供物理支撑和生化信号 ）的能力，使其成为生物医学应用的理想材料。然而，水凝胶配方设计困难重重。实验参数众多，像聚合物类型及比例、功能化程度、交联百分比和反应条件等，这使得定量关联各变量对最终材料性能的贡献犹如大海捞针。在 3D 生物打印中，水凝胶的可打印性与生物相容性平衡难以把握，其流变学性质（包括剪切稀化行为和粘弹性 ）对打印过程和细胞活力影响重大。而且，细胞行为深受微环境机械性能影响，要精准模拟人体组织，精确控制材料的弹性响应（G′，储能模量 ）和粘性响应（G″，损耗模量 ）至关重要。
传统的试错法不仅成本高昂、耗时久，还效率低下。尽管人工智能（AI），特别是机器学习（ML）的出现为研究带来新希望，但现有利用 AI 预测水凝胶配方的研究存在诸多局限。现有模型多针对合成聚合物、单一生物聚合物，且交联方式多为光聚合或物理交联。这些模型使用非天然聚合物、仅依赖一种生物活性大分子，采用非化学选择性反应，模拟 ECM 能力受限，通用性差，构建模型需大量实验数据。
为突破这些困境，来自未知研究机构的研究人员开展了一项意义重大的研究。他们开发出一款用户友好的基于 ML 的工具，旨在通过输入期望的流变学参数（G′和 G″）预测多功能水凝胶配方。研究成果发表在《Biomaterials Advances》上，为生物材料设计领域带来了新的曙光。
研究人员在这项研究中运用了多种关键技术方法。首先，选用明胶（gelatin，源自猪皮，是胶原蛋白的水解衍生物 ）和透明质酸（HA，广泛存在于 ECM 中的多糖 ）作为生物聚合成分，以聚乙二醇（PEG）星形分子作为交联剂。然后，利用两种点击化学（click chemistry，一种高效、特异性强的化学反应 ）反应 —— 叠氮 - 炔环加成反应（SPAAC）和狄尔斯 - 阿尔德反应（DA），共价连接所有聚合物，形成水凝胶的三维网络。此外，通过实验获取流变学数据，结合合成数据集构建 ML 模型，并融入特定约束条件（限制材料用量范围 ），以减少对大量实验数据的依赖。
下面来详细看看研究结果：
- 模型构建与预测性能：研究人员从包含材料用量（mg）与粘弹性性质（G′和 G″）关联的先导数据集出发构建 ML 模型。结果表明，给定储能模量和损耗模量作为输入，无论是 SPAAC 还是 DA 反应，该 ML 模型都能准确预测随机水凝胶配方。这意味着研究人员可以根据目标流变学性质，高效地设计水凝胶配方，摆脱了传统试错法的束缚。
- 材料选择的合理性：选择明胶和 HA 作为水凝胶的生物聚合成分具有重要意义。明胶源自人体中含量最丰富的蛋白质 —— 胶原蛋白，HA 是 ECM 中普遍存在的多糖，它们能更好地模拟 ECM 的成分，为细胞提供更适宜的微环境，有助于细胞的黏附、增殖和分化，提高水凝胶在生物医学应用中的性能。
- 点击化学的优势：采用 SPAAC 和 DA 这两种点击化学反应来构建水凝胶的三维网络，具有显著优势。点击化学具有反应高效、特异性强的特点，能够精确控制水凝胶的交联结构，从而更好地调节其流变学性质和机械性能，满足不同生物医学应用的需求。
在研究结论和讨论部分，研究人员开发的这款基于 ML 的预测工具得到了充分验证。它能够从流变学性质（G′和 G″）准确预测水凝胶配方，实现了从期望的流变学性质出发定制生物材料，大大减少了试错实验所需的时间和材料浪费，显著提升了生物材料设计的效率。而且，该模型在有限数据集下仍能保持准确预测，解决了生物材料研究中获取大量数据困难的问题。这一成果对生物材料科学发展意义非凡，为组织工程研究按下了加速键，让非材料设计专业人员也能制备出具有定制粘弹性的 ECM 模拟水凝胶，有望推动生物医学领域，如组织修复、再生医学等的进一步发展，为未来临床应用带来更多可能。
