傳統抗菌材料開發面臨諸多挑戰，其中最為突出的是缺乏系統性和預測性。例如，在開發新型抗菌材料時，研究者們長期受限于經驗方法，缺乏對材料成分間復雜相互作用的深入理解，導致優化過程繁瑣且效率低下。此外，傳統方法在平衡抗菌活性和組織相容性方面也存在顯著困難。根據統計，開發一種新型抗菌材料通常需要數年時間和大量資源。這種高成本和低效率的現狀嚴重限制了新型抗菌材料的研發速度和數量。

2025年3月30日，廣東省人民醫院馬立敏&浙江大學侯廷軍&上海交通大學崔文國團隊在《Advanced Materials》期刊上報道了一種新的解決方案，有助于加速基于機理的新型抗菌材料的發現，推動精準醫療的發展。

關鍵信息或發現

核心創新

該團隊在研究中首創了“生成式設計和多目標約束優化”，通過AI與生物材料設計的結合，從大規模肽數據庫中挖掘潛在規律。這一框架利用AI技術生成了一種新型含硫抗菌肽（AK15），并將其與水凝膠功能耦合，形成復雜的網絡結構。此外，通過引入銅修飾的鈦酸鋇（Cu-BTO），進一步增強了水凝膠的交聯能力。AI設計的水凝膠在體外實驗中對耐甲氧西林金黃色葡萄球菌（MRSA）和大腸桿菌（E. coli）展現出>99.99%的殺菌效率。這一創新不僅展示了生成式設計的強大潛力，也為未來的抗菌材料設計提供了新的思路。通過模擬人類的認知過程，該框架能夠靈活地處理復雜的數據關系，并提供直觀的解釋，這在傳統計算方法中是難以實現的。

圖1.使用AMP-水凝膠設計平臺生成和篩選AK15(圖源自Adv. Mater.)

技術亮點

在技術層面，該研究展現了顯著的優勢。數據驅動的方法使得研究者能夠充分利用大規模肽數據庫，構建的模型在預測潛在抗菌肽時表現出色，AI設計的抗菌肽AK15對耐藥細菌的MIC值為8 μg/mL，表明模型具有很高的預測準確性。在驗證方面，預測出的抗菌肽與實驗結果的高度一致性進一步證明了該方法的有效性。例如，在體外實驗中，AI設計的水凝膠對MRSA和大腸桿菌的殺菌效率超過99.99%，顯示出其在實際應用中的可靠性。與傳統方法相比，新技術不僅提高了設計速度，還顯著提升了抗菌材料的效率和準確性。傳統的抗菌材料設計通常需要大量的實驗驗證，而該框架通過生成式設計和多目標優化，能夠在早期階段篩選出最有潛力的候選材料，從而節省了大量的時間和資源。

機理揭秘

為了深入理解AI設計的抗菌肽水凝膠的性能，研究團隊采用了轉錄組分析。這一方法揭示了AI設計的水凝膠通過破壞細菌膜結構和干擾代謝活動實現高效抗菌。例如，在研究MRSA時，轉錄組分析顯示，AI設計的水凝膠顯著下調了與細胞壁修復和代謝活動相關的基因表達，同時上調了與銅離子運輸相關的基因表達。這些發現不僅為未來抗菌材料設計提供了重要的理論依據，也為理解抗菌機制提供了新的視角。例如，該框架揭示了抗菌肽與銅離子的協同作用，通過干擾細菌的銅離子平衡和代謝過程，顯著增強了抗菌效果。

圖2.轉錄組學分析(圖源自Adv. Mater.)

應用價值

該技術的應用前景非常廣闊。實驗結果表明，該框架對多種耐藥細菌具有良好的適用性，能夠處理動態傷口治療。例如，在大鼠模型中，AI設計的水凝膠顯著減少了MRSA負荷，并顯著加速了傷口愈合。更重要的是，該技術解鎖了個性化醫療的潛力，為精準醫療開辟了新的路徑。在個性化醫療中，精準匹配抗菌材料對于患者的療效至關重要。通過這種新技術，研究者可以更高效地為患者匹配最適合的抗菌材料，從而提高治療效果。例如，在動態傷口治療中，AI設計的水凝膠能夠根據傷口的運動特性，釋放生物電能，促進細胞遷移和增殖，從而加速傷口愈合。

圖3. AI-AMP水凝膠在感染MRSA的大鼠頸部傷口模型中加速傷口愈合的效果(圖源自Adv. Mater.)

總結與展望

研究團隊的“AI引導設計+機理指導”范式為抗菌材料開發提供了一種低數據場景下的高效解決方案。這一方法不僅顯著提高了抗菌材料的開發效率，還為未來的抗菌治療提供了新的思路。

展望未來，該方法有望拓展至其他復雜生物材料的設計，為生物材料領域帶來更多的創新和突破，推動抗菌材料開發進入“智能時代”。例如，該框架可以進一步應用于抗菌涂層和組織工程支架的設計，為這些領域的患者提供新的治療選擇。此外，隨著更多數據的整合和算法的優化，該框架的預測能力將進一步提升，為全球醫療健康事業做出更大的貢獻。

文章鏈接

Zhihui Jiang, Jianwen Feng, Fan Wang, Jike Wang, Ningtao Wang, Mengmiao Zhang, Chang-Yu Hsieh, Tingjun Hou,* Wenguo Cui,* and Limin Ma*. AI-Guided Design of Antimicrobial Peptide Hydrogels for Precise Treatment of Drug-resistant Bacterial Infections. Adv. Mater.2025, 2500043

https://doi.org/10.1002/adma.202500043

來源：人工智能化學與材料