在許多應用中都需要能在潮濕環(huán)境中使用的超強粘性水凝膠，例如在手術中用作封合組織和止血的膠水，在傷口愈合和組織再生中用作凝膠，以及在船舶和海上結構的水下使用。然而，設計此類水凝膠頗具難度，因為使材料柔軟的特性往往與促進粘附的特性相反。此外，發(fā)現(xiàn)具有特定應用所需功能的水凝膠的傳統(tǒng)方法基本上是反復試驗。這種方法既昂貴又耗時，因此極大地限制了可應用于臨床或工業(yè)的材料的發(fā)展。
2025 年 8 月 6 日，北海道大學龔劍萍、深圳大學范海龍、蘇州實驗室李偉等國際頂尖學術期刊 Nature 上發(fā)表了題為：Data-driven de novo design of super-adhesive hydrogels 的研究論文，該論文還被選為了封面論文。
該研究報道了由人工智能（AI）模型輔助設計、以自然界存在的黏附蛋白為靈感的能在水中保持粘性的超強粘性水凝膠，這種水凝膠被證明能修補水管漏洞并在水下粘住物體，具有一系列潛在應用。
封面論文：設計能在潮濕環(huán)境中保持粘性的膠粘劑是一項艱巨的挑戰(zhàn)，龔劍萍團隊等從大自然中汲取靈感，開發(fā)出一種數(shù)據驅動的系統(tǒng)，該系統(tǒng)分析天然粘性蛋白序列，然后利用人工智能（AI）創(chuàng)造出能在水中保持粘性的超強粘性水凝膠。封面圖片是他們合成的一種名為 R1-max 的水凝膠，該水凝膠將一直橡膠小黃鴨粘在海中的礁石上，輕松經受住了海浪和潮汐的考驗。
機器學習和深度學習等人工智能（AI）方法已被用于識別具有特定屬性的堅硬無機材料。此外，AI 還能夠與機器人系統(tǒng)相結合，開發(fā)并實施了由 AI 計算識別出的化合物的合成。然而，堅硬的無機材料通常具有明確的結構和屬性，這或許簡化了利用 AI 識別它們的過程。
相比之下，利用 AI 來確定適用于特定功能的水凝膠是一項復雜得多的任務，原因有多個。其中一個問題是，功能性水凝膠中的聚合物分子可能包含多種化學基團。另一個問題是，水凝膠的性能會受到多種因素的影響，比如分子的二級結構、分子采取不同構象的能力以及分子間的相互作用。水凝膠的流變學特性（即它們在受力時的變形和流動方式）也必須針對實際應用進行調整。還有一個專門影響濕環(huán)境中水凝膠的問題是，水凝膠通常在吸水時會膨脹，這種膨脹行為也必須加以考慮。
此外，訓練 AI 平臺以預測材料特性通常需要大量數(shù)據集，但描述影響水凝膠特性的多種化學和物理參數(shù)的數(shù)據卻鮮有報道。因此，AI 僅被用于預測水凝膠在配方和制造方面的重要特性，比如溶脹行為和是否適合 3D 打印。不過，這些研究展示了 AI 如何能夠用于知道柔性材料的研究與開發(fā)，從而減少所需的實驗工作量。
在這項最新研究中，研究團隊報告了一種受自然啟發(fā)的數(shù)據驅動方法，用于設計超強粘性水凝膠。研究團隊分析了水下生物系統(tǒng)中用作粘合劑的 24707 種天然黏附蛋白的氨基酸序列，以確定這些天然膠水的特征。然后，他們利用這一分析來指導設計了 180 種水凝膠，這些水凝膠的分子構建模塊被選擇以復制在天然黏性蛋白中識別出的特征。
研究團隊隨后測量了這些粘合劑的強度，建立了訓練機器學習工具的數(shù)據庫，并利用這些結果指導另一輪機器學習驅動的設計，進而得到了強大的水下粘合劑。其中一款名為 R1-max 的水凝膠，能將一只橡皮鴨粘在海洋中的礁石上，在海浪擊打下仍能保持粘性并抵御潮水沖擊。另一種水凝膠 R2-max 能作為補丁，在注滿水的管道上封住的一個直徑 20 毫米的洞，這個補丁的防漏作用能維持 5 個月以上。
該研究開發(fā)的超強粘性水凝膠能夠牢固地粘附在不規(guī)則和潮濕的表面上，這可能會為許多生物醫(yī)學應用帶來變革，包括假體涂層和可穿戴生物傳感器。這種水凝膠還可能在工業(yè)或環(huán)境領域中發(fā)揮作用，在這些領域中，潮濕條件下穩(wěn)定且牢固的粘附性至關重要。
更重要的是，這項研究表明，人工智能（AI）已不再只是被試探性地視為材料科學的一種工具--它已被用于改進和輔助材料的設計與生成，正在積極改變科學家們開展研究的方式。
論文鏈接：https://www.nature.com/articles/s41586-025-09269-4
合作咨詢
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權所有（保留一切權利）
滬ICP備05034851號-57
