AI赋能仿生超粘胶：重塑材料设计新纪元

一只橡胶小鸭，历经数日海浪的洗礼，依然岿然不动；一根2厘米破洞、注满水的管子，随手打个“补丁”，便可瞬间止水，且防漏长达5个月之久。

这一切，得益于最新一期Nature封面报道的“AI造”仿生超粘胶。

此次，华人科学家、北海道大学教授龚剑萍团队“重塑”了材料设计——从解析天然黏附蛋白序列，到构建迭代优化模型，全程由AI辅助完成。

正如米兰比卡大学副教授Laura Russo在同期发表的“新闻与观点”文章中所言，“AI已非材料科学中的试验工具，而是被真正应用于材料设计与开发，正深刻改变科学家的研究方式。”

她指出，这类能与不规则和湿表面强效粘合的超粘水凝胶，可能对多种生物医学应用具有颠覆性，包括假体涂层和可穿戴生物传感器，其设计方式还适用于其他功能性柔性材料。

材料设计，挑战重重

软材料（如水凝胶和弹性体）的设计极为复杂，需精选构建单元（如单体），并确定其排列方式，形成组合无穷的设计空间。

软材料性能高度复杂，阻碍了准确预测理论或计算模型的发展，研发往往依赖反复实验。

为减轻实验负担，数据驱动策略日益重要。数据挖掘（DM）和机器学习（ML）等工具正在改变这一领域：它们助力分析复杂行为、改善性能预测，并推动理论与模型发展。

然而，将工具高效整合到设计框架中仍具挑战。首要步骤是构建高质量数据集；但由于多种潜在设计和有限实验通量，数据集构建过程极为复杂。同时，实现即时、强力且可重复的水下黏附性能，仍是长期难题。

生物软组织作为自然进化的软材料，展现了为特定功能而演化的复杂结构。研究这些系统有助于缩小合成软材料的设计空间，如仿生壁虎的干性黏附材料。值得注意的是，黏附蛋白在古菌、细菌、真核生物和病毒中广泛存在，使它们在潮湿环境下具备高效黏附能力。

尽管这些蛋白质来源各异，但往往具有共同序列模式，为水下黏合剂设计提供启示。然而，识别这些有意义的序列模式，转化为合成策略，并借助机器学习有效预测，仍是实现端到端设计模型的主要难点。

在此背景下，开发出能在潮湿环境中可靠发挥作用的超强黏附水凝胶成为研究重点。这类材料在多个场景中需求显著，如手术密封组织、止血的医用胶水，促进伤口愈合和组织再生的凝胶，或用于船体及海上结构的水下修复材料。

但水凝胶的柔软性与其高黏附性存在内在矛盾，提升了设计复杂性。更重要的是，传统发现功能性水凝胶依赖反复试验，过程昂贵且耗时，严重限制其向临床或工业应用的转化效率。

“造”出超粘水凝胶，AI显神威

受自然界黏附蛋白启发，研究团队提出一种由AI辅助的超强黏附水凝胶设计方法。这是一种数据驱动策略，整合数据挖掘、实验合成与机器学习，从零开始设计适用于严苛水下环境的高性能黏附水凝胶。

他们首先分析了水生生物体系中用作黏附材料的蛋白质氨基酸序列，识别这些天然黏合剂的功能性特征。随后，利用分析结果指导了180种水凝胶的分子设计，其分子构建单元被选定为能够复制天然粘合剂的特征。

接着合成并测试了这些水凝胶的水下黏附强度、流变性能以及膨胀行为。基于实验结果，构建了具有足够多样性的数据集用于训练机器学习工具，从而提出新设计并预测其水下黏附性能。

构建了迭代优化流程：每一轮都会合成并测试预测黏附力最高的设计，将所得数据用于新一轮机器学习驱动。三轮设计中每一轮的最佳水凝胶均比原始180种蛋白质具有更好的水下黏附强度。

在不同潮湿环境中测试了3种最佳水凝胶，结果表明这些材料具有出色的黏附性能。

“粘”出新可能

为验证所设计水凝胶的实际应用性能，研究团队进行了多项测试：

在盐水中表现出强黏附力的R1-max水凝胶被用作胶黏剂将橡胶鸭牢牢固定在海边岩石上。连续潮汐冲刷和海浪拍打中橡胶鸭的稳固附着充分证明了该材料在严苛海洋环境下的长期稳定性。

瞬间阻止高压水流泄漏的R2-max水凝胶膜展示了其在水管修复中的巨大潜力。相比之下传统胶黏剂无法在此类条件下实现相同效果。

所有水凝胶均展现出良好的生物相容性已通过小鼠皮下植入实验得到验证为其在生物医学领域的进一步应用提供了支持。

“AI赋能仿生超粘胶”在多个领域展现出巨大潜力为传统胶黏剂难以胜任的场景提供了解决方案。