人工智能 | 机器学习算法预测多肽自组装,利用AI设计新型生物材料

人工智能已经广泛应用于人脸识别、自动驾驶、金融等领域。在生物医学方面应用主要集中于医学诊断的图像识别，而将人工智能应用于指导生物医学材料的设计尚无相关研究和报导。2019 年 5 月 21 日，《美国国家科学院院刊》（PNAS）发表了华人科学家、瑞典卡罗琳斯卡医学院助理教授李林鲜团队的一项最新成果，首次实现了将人工智能技术应用于生物材料的设计中。

本项研究的文章通讯作者李林鲜教授在接受 DeepTech 采访时表示，“传统水凝胶的设计方法有限，效率低下，合成难度大，耗时长。大多数报导均基于原有的已知结构的基础上进行修饰，结构差异性小，进而导致其力学性能可调控范围窄。利用机器学习的方法，可以很好地预测和指导具有不同机械性能的结构多样的水凝胶的设计。”

在这项研究中，研究人员利用组合化学技术快速创建了超过两千种结构差异的水凝胶文库，通过计算这些化合物的上千种拓扑和物理化学特征参数，实现了利用机器学习预测水凝胶的形成。研究人员实现了将凝胶的物理化学结构特征与其自组装行为联系起来，加速了用于生物医学用途的新型自组装水凝胶结构的设计。多肽自组装水凝胶

多肽是氨基酸以肽键连接在一起而形成的化合物，而多肽分子又可以利用氢键、疏水性作用、 π-π 堆积作用等非共价键力，自组装形成形态与结构特异的多肽分子聚集体。由于多肽分子良好的生物相容性和可调控的降解性，自组装多肽在组织工程、药物缓释等方面表现出巨大的应用潜力。 1993 年，麻省理工学院教授张曙光等发现一种可自组装的离子互补型多肽，并用这种多肽合成了水凝胶膜，开启了分子自组装技术新领域。凝胶是指由化合物与溶剂组成的呈现三维网络立体结构的体系，水凝胶是其中最常见也是最为重要的一种。绝大多数生物体内存在的天然凝胶以及许多合成高分子凝胶均属于水凝胶。

水凝胶通常是通过天然的高分子聚合物或者合成的聚合物分子制备，另外是使用合成的小分子化合物，通过超分子自组装作用制备水凝胶。在合成的小分子凝胶中，基于多肽分子的水凝胶由于其固有的生物相容性和生物降解性显得尤为重要。近年来，多肽水凝胶在药物释放、伤口愈合、细胞培养等领域已经显示了巨大的应用前景。自组装多肽水凝胶不仅能够构建三维多孔纳米支架，模仿天然细胞外基质结构，为细胞生长提供支持，而且自组装多肽水凝胶本身由氨基酸序列组成，在此基础上引入特定序列使其具备更多的特异性质和功能，以满足更广泛的需求。水凝胶的研究引起了科研人员广泛的兴趣，然而研究人员发现水凝胶的设计并没有规律可循。在已知的多肽水凝胶中，分子结构具有多样性，先前的设计规则很少，大多数是通过偶然发现或者对已知凝胶结构的修饰上。因此极大限制了目前水凝胶领域的研究进度。文章第一作者李飞博士在采访时表示，“基于多肽的水凝胶设计策略具有重要意义，我们的目的是揭示分子结构和水凝胶行为之间的关系，这可以帮助我们预测和设计具有新化学结构的多肽水凝胶。”机器学习指导水凝胶的设计

在这项最新的研究中，研究人员一直在思考，如何才能找到一种合理的方法设计不同性能的水凝胶？最终，人工智能与机器学习的出现及应用，给了研究人员一个很好的机会。深度学习或机器学习已成功应用于具有准确预测的医学应用，例如病理图像的诊断。然而，关于它们在有机材料设计中的应用仅有少数报道，并且预测精度低于 50％ 。在能源领域报道了大多数使用机器学习进行材料设计的工作，但关于它们用于生物材料设计的报告非常有限。研究人员表示，他们的工作是第一次通过组合化学和机器学习来预测水凝胶的自组装行为。通过机器学习，研究人员可以详细研究所有设计化合物的结构信息和凝胶性质之间的关联性，从而预测和指导水凝胶的设计与合成。

水凝胶示意图具体而言，研究人员通过组合化学技术快速构建了一个可能形成凝胶的化合物库，该化合物库中包含了 2304 个化合物。通过对化合物库中的每个化合物用计算模拟软件进行分析，研究人员得到包括 2D 和 3D 结构信息在内的 3109 个物理化学参数，例如亲疏水、芳香性质等。整合 2304 个化合物的所有参数，研究人员得到了 7163136 个数据点，并进一步通过学习这些数据点与是否成凝胶的性质，以及计算之间的相互关系，最终来预测未知水凝胶的形成，并指导设计。重要的是，研究人员还证明了所设计的水凝胶支持培养中的细胞增殖，表明水凝胶的生物相容性。李林鲜同时表示，接下来研究团队还会继续开展通过人工智能做新材料的设计和药物设计。