人工智能已經廣泛應用于人臉識別、自動駕駛、金融等領域。在生物醫學方面應用主要集中于醫學診斷的圖像識別，而將人工智能應用于指導生物醫學材料的設計尚無相關研究和報導。2019 年 5 月 21 日，《美國國家科學院院刊》（PNAS）發表了華人科學家、瑞典卡羅琳斯卡醫學院助理教授李林鮮團隊的一項最新成果，首次實現了將人工智能技術應用于生物材料的設計中。

本項研究的文章通訊作者李林鮮教授在接受 DeepTech 采訪時表示，“傳統水凝膠的設計方法有限，效率低下，合成難度大，耗時長。大多數報導均基于原有的已知結構的基礎上進行修飾，結構差異性小，進而導致其力學性能可調控范圍窄。利用機器學習的方法，可以很好地預測和指導具有不同機械性能的結構多樣的水凝膠的設計。”

在這項研究中，研究人員利用組合化學技術快速創建了超過兩千種結構差異的水凝膠文庫，通過計算這些化合物的上千種拓撲和物理化學特征參數，實現了利用機器學習預測水凝膠的形成。研究人員實現了將凝膠的物理化學結構特征與其自組裝行為聯系起來，加速了用于生物醫學用途的新型自組裝水凝膠結構的設計。多肽自組裝水凝膠

多肽是氨基酸以肽鍵連接在一起而形成的化合物，而多肽分子又可以利用氫鍵、疏水性作用、 π-π 堆積作用等非共價鍵力，自組裝形成形態與結構特異的多肽分子聚集體。由于多肽分子良好的生物相容性和可調控的降解性，自組裝多肽在組織工程、藥物緩釋等方面表現出巨大的應用潛力。 1993 年，麻省理工學院教授張曙光等發現一種可自組裝的離子互補型多肽，并用這種多肽合成了水凝膠膜，開啟了分子自組裝技術新領域。凝膠是指由化合物與溶劑組成的呈現三維網絡立體結構的體系，水凝膠是其中最常見也是最為重要的一種。絕大多數生物體內存在的天然凝膠以及許多合成高分子凝膠均屬于水凝膠。

水凝膠通常是通過天然的高分子聚合物或者合成的聚合物分子制備，另外是使用合成的小分子化合物，通過超分子自組裝作用制備水凝膠。在合成的小分子凝膠中，基于多肽分子的水凝膠由于其固有的生物相容性和生物降解性顯得尤為重要。近年來，多肽水凝膠在藥物釋放、傷口愈合、細胞培養等領域已經顯示了巨大的應用前景。自組裝多肽水凝膠不僅能夠構建三維多孔納米支架，模仿天然細胞外基質結構，為細胞生長提供支持，而且自組裝多肽水凝膠本身由氨基酸序列組成，在此基礎上引入特定序列使其具備更多的特異性質和功能，以滿足更廣泛的需求。水凝膠的研究引起了科研人員廣泛的興趣，然而研究人員發現水凝膠的設計并沒有規律可循。在已知的多肽水凝膠中，分子結構具有多樣性，先前的設計規則很少，大多數是通過偶然發現或者對已知凝膠結構的修飾上。因此極大限制了目前水凝膠領域的研究進度。文章第一作者李飛博士在采訪時表示，“基于多肽的水凝膠設計策略具有重要意義，我們的目的是揭示分子結構和水凝膠行為之間的關系，這可以幫助我們預測和設計具有新化學結構的多肽水凝膠。”機器學習指導水凝膠的設計

在這項最新的研究中，研究人員一直在思考，如何才能找到一種合理的方法設計不同性能的水凝膠？最終，人工智能與機器學習的出現及應用，給了研究人員一個很好的機會。深度學習或機器學習已成功應用于具有準確預測的醫學應用，例如病理圖像的診斷。然而，關于它們在有機材料設計中的應用僅有少數報道，并且預測精度低于 50％ 。在能源領域報道了大多數使用機器學習進行材料設計的工作，但關于它們用于生物材料設計的報告非常有限。研究人員表示，他們的工作是第一次通過組合化學和機器學習來預測水凝膠的自組裝行為。通過機器學習，研究人員可以詳細研究所有設計化合物的結構信息和凝膠性質之間的關聯性，從而預測和指導水凝膠的設計與合成。

水凝膠示意圖具體而言，研究人員通過組合化學技術快速構建了一個可能形成凝膠的化合物庫，該化合物庫中包含了 2304 個化合物。通過對化合物庫中的每個化合物用計算模擬軟件進行分析，研究人員得到包括 2D 和 3D 結構信息在內的 3109 個物理化學參數，例如親疏水、芳香性質等。整合 2304 個化合物的所有參數，研究人員得到了 7163136 個數據點，并進一步通過學習這些數據點與是否成凝膠的性質，以及計算之間的相互關系，最終來預測未知水凝膠的形成，并指導設計。重要的是，研究人員還證明了所設計的水凝膠支持培養中的細胞增殖，表明水凝膠的生物相容性。李林鮮同時表示，接下來研究團隊還會繼續開展通過人工智能做新材料的設計和藥物設計。