华人学者发表Nature封面论文：AI从头设计水凝胶，在水中也能保持超强粘性

摘要：在许多应用中都需要能在潮湿环境中使用的超强粘性水凝胶，例如在手术中用作封合组织和止血的胶水，在伤口愈合和组织再生中用作凝胶，以及在船舶和海上结构的水下使用。然而，设计此类水凝胶颇具难度，因为使材料柔软的特性往往与促进粘附的特性相反。此外，发现具有特定应用所需功

撰文丨王聪

编辑丨王多鱼

排版丨水成文

在许多应用中都需要能在潮湿环境中使用的超强粘性水凝胶，例如在手术中用作封合组织和止血的胶水，在伤口愈合和组织再生中用作凝胶，以及在船舶和海上结构的水下使用。然而，设计此类水凝胶颇具难度，因为使材料柔软的特性往往与促进粘附的特性相反。此外，发现具有特定应用所需功能的水凝胶的传统方法基本上是反复试验。这种方法既昂贵又耗时，因此极大地限制了可应用于临床或工业的材料的发展。

2025 年 8 月 6 日，北海道大学龚剑萍、深圳大学范海龙、苏州实验室李伟等国际顶尖学术期刊Nature上发表了题为：Data-driven de novo design of super-adhesive hydrogels 的研究论文，该论文还被选为了封面论文。

该研究报道了由人工智能（AI）模型辅助设计、以自然界存在的黏附蛋白为灵感的能在水中保持粘性的超强粘性水凝胶，这种水凝胶被证明能修补水管漏洞并在水下粘住物体，具有一系列潜在应用。

封面论文：设计能在潮湿环境中保持粘性的胶粘剂是一项艰巨的挑战，龚剑萍团队等从大自然中汲取灵感，开发出一种数据驱动的系统，该系统分析天然粘性蛋白序列，然后利用人工智能（AI）创造出能在水中保持粘性的超强粘性水凝胶。封面图片是他们合成的一种名为 R1-max 的水凝胶，该水凝胶将一直橡胶小黄鸭粘在海中的礁石上，轻松经受住了海浪和潮汐的考验。

机器学习和深度学习等人工智能（AI）方法已被用于识别具有特定属性的坚硬无机材料。此外，AI 还能够与机器人系统相结合，开发并实施了由 AI 计算识别出的化合物的合成。然而，坚硬的无机材料通常具有明确的结构和属性，这或许简化了利用 AI 识别它们的过程。

相比之下，利用 AI 来确定适用于特定功能的水凝胶是一项复杂得多的任务，原因有多个。其中一个问题是，功能性水凝胶中的聚合物分子可能包含多种化学基团。另一个问题是，水凝胶的性能会受到多种因素的影响，比如分子的二级结构、分子采取不同构象的能力以及分子间的相互作用。水凝胶的流变学特性（即它们在受力时的变形和流动方式）也必须针对实际应用进行调整。还有一个专门影响湿环境中水凝胶的问题是，水凝胶通常在吸水时会膨胀，这种膨胀行为也必须加以考虑。

此外，训练 AI 平台以预测材料特性通常需要大量数据集，但描述影响水凝胶特性的多种化学和物理参数的数据却鲜有报道。因此，AI 仅被用于预测水凝胶在配方和制造方面的重要特性，比如溶胀行为和是否适合 3D 打印。不过，这些研究展示了 AI 如何能够用于知道柔性材料的研究与开发，从而减少所需的实验工作量。

在这项最新研究中，研究团队报告了一种受自然启发的数据驱动方法，用于设计超强粘性水凝胶。研究团队分析了水下生物系统中用作粘合剂的 24707 种天然黏附蛋白的氨基酸序列，以确定这些天然胶水的特征。然后，他们利用这一分析来指导设计了 180 种水凝胶，这些水凝胶的分子构建模块被选择以复制在天然黏性蛋白中识别出的特征。

研究团队随后测量了这些粘合剂的强度，建立了训练机器学习工具的数据库，并利用这些结果指导另一轮机器学习驱动的设计，进而得到了强大的水下粘合剂。其中一款名为R1-max的水凝胶，能将一只橡皮鸭粘在海洋中的礁石上，在海浪击打下仍能保持粘性并抵御潮水冲击。另一种水凝胶R2-max能作为补丁，在注满水的管道上封住的一个直径 20 毫米的洞，这个补丁的防漏作用能维持5 个月以上。