国产精品igao视频网网址不卡日韩,亚洲综合在线电影,亚洲婷婷丁香,黄色在线网站噜噜噜

  面向海洋工程與生物醫學領域的戰略應用，水下粘附材料的性能突破已成為材料科學與工程技術交叉融合的核心議題。這種材料必須在復雜水環境中完成穩定、可重復、持久的粘接。無論是海洋工程、艦船裝備、還是創傷封合、血管修復，水下粘附材料都是不可替代的關鍵支撐技術。但長期以來，這類材料的開發依賴的是經驗積累與仿生靈感，缺乏系統性設計原則。特別是在水凝膠等軟物質體系中，復雜的鏈結構、多尺度響應和非線性行為使得性能難以預測，連AI都很難發揮作用。

  近日，北海道大學龔劍萍教授、范海龍副教授團隊在水下粘附材料設計領域取得重要進展。研究成果以“Data-driven de novo design of super-adhesive hydrogels”為題近日發表在Nature上，并選為封面。北海道大學龔劍萍教授、范海龍副教授（現深圳大學副教授）、瀧川一學（Ichigaku Takigawa）教授、李偉博士（現蘇州實驗室研究員）為共同通訊作者，博士生廖鴻廣和胡晟博士（現大阪大學助理教授）為共同第一作者。

  該工作依托大規模蛋白質序列數據庫，構建了一套集“數據挖掘、仿生合成與機器學習優化”于一體的創新設計框架，成功開發出粘附強度突破兆帕級的超強水下水凝膠，標志著從“仿生啟發”向“數據驅動”的高分子功能材料設計路徑實現了關鍵躍遷。

圖1：數據驅動的水下粘附水凝膠設計策略

  該團隊的切入點，來自自然界的啟發。海洋生物如貽貝、藤壺等，能在潮濕、富鹽環境中穩穩粘住巖石，靠的是它們體內演化出的粘附蛋白。這些蛋白在分子層面擁有特殊的序列模式，使其在水中依然能夠實現穩定錨定。

  研究團隊在之前的研究工作中就通過仿照藤壺等粘附蛋白的特征序列，合成出了一系列高性能的水下粘附水凝膠。相關研究發表于Nat. Commun., 2019, 10, 5127（高被引）；PNAS, 2022, 119, e2206685119；Adv. Funct. Mater., 2021, 31, 2009334（高被引）等國際頂級期刊上。

  但這次他們走得更遠。他們不再盯住某一種蛋白，而是決定“把整個自然界的粘附蛋白數據庫都讀一遍”。他們從NCBI公開數據庫中提取了2萬多條“adhesive protein”相關序列，覆蓋3800多個物種。通過多序列比對，提取出各物種粘附蛋白的共有序列片段。再根據氨基酸的功能屬性，將20種殘基分為6類功能單元，并統計其在序列中的相鄰組合頻率，最終形成了一套可轉化為聚合物單體比例的“仿生組分配方庫”。

圖2：粘蛋白的數據挖掘

  研究人員選取6種可理想共聚的功能單體，按照這些“自然配方”合成了180種水凝膠，其中不少樣品的水下粘附強度就已超越現有文獻平均水平。

  下一步，他們將實驗數據喂入AI模型——包括高斯過程（GP）和隨機森林（RFR）回歸，采用順序模型優化算法（SMBO）進行配方推薦。模型不僅回顧性地擬合已有數據，更外推出新組合。

圖3：仿生粘附水凝膠的合成

圖4：基于機器學習的粘附性能優化

  他們用這些模型推薦的配方又合成并測試了百余種新水凝膠，最終得到了一系列水下粘附強度超1 MPa的超級水凝膠，粘得住玻璃、金屬、骨頭、塑料，甚至能粘住海水沖刷下的巖石。

  在驗證實驗中，他們利用一塊薄薄的凝膠將一只橡皮鴨牢牢粘在海邊巖石上，抵御潮汐和風浪——這幅照片也成為了《Nature》的當期封面。此外，團隊還展示了水凝膠在水管漏水封堵等實際場景中的表現。封堵實驗中，水凝膠能在3米水柱底部高壓環境下實現瞬間止漏。

圖5：一系列水下粘附水凝膠的性能表征

圖6：一系列水下粘附水凝膠的性能展示

  從自然數據出發，通過統計方法解析“進化規則”，再在合成聚合物中構建等價序列結構，并借助AI模型優化性能邊界——這是一條從蛋白序列到材料性能的完整閉環。這項研究所展示的，不只是一個凝膠如何“粘得更牢”，而是一個軟材料智能設計的全新方向。它證明了：即使面對結構不穩定、變量眾多的軟物質系統，只要構建出合理的描述空間，也能讓AI在其中找到秩序，釋放出真正的設計潛力。

論文部分作者簡介

龔劍萍，北海道大學教授。畢業于浙江大學，獲得電子物理學學士學位，后在日本茨城大學獲得高分子科學碩士學位。在東京工業大學學習了兩年高溫超導體，并獲得了工學博士學位。自1993年以來一直在北海道大學從事高分子科學研究，并獲得了高分子科學博士學位。曾獲得多項科學獎項，包括2023年美國物理學會高分子物理獎、2022年日本化學會獎、2021年第33屆日本橡膠學會獎、2019年文部科學省科學技術表彰獎、2014年帝斯曼材料科學獎、2011年日本化學會創造性工作獎、2006年日本高分子學會獎以及2001年Wiley高分子科學獎。擔任Biointerphases、Asia Materials、Soft Matter、Mechanics of Soft Materials、Advanced Materials、Giant和Materials Horizons等期刊的編委和顧問委員會成員。主要研究興趣為水凝膠、彈性體等軟物質材料的化學物理特性研究。

范海龍，深圳大學“百人計劃”特聘副教授，博士生導師。2017年于中國人民大學獲博士學位，同年9月赴日本北海道大學龔劍萍教授課題組開展博士后研究工作，2020年獲聘北海道大學助理教授，2022年獲聘北海道大學副教授，2025年3月加入深圳大學化學與環境工程學院。以第一作者或通訊作者在Nature、Nature Communications、Advanced Materials、The Proceedings of the National Academy of Sciences (PNAS)、Advanced Functional Materials、Macromolecules等國際知名學術期刊發表學術論文20余篇，其中6篇為高被引論文；論文總引用次數超過4000次。申請國際專利5項。先后主持日本學術振興會基金2項（國家級）。獲日本高分子學會頒發的高分子研究獎勵獎（2021年度）。主要研究興趣為基于高分子序列分布調控的功能軟物質材料開發。

李偉，蘇州實驗室研究員。2007年本科畢業于中國科學技術大學凝聚態物理專業，2012年獲美國理海大學物理學博士。隨后在美國加州大學圣芭芭拉分校、橡樹嶺國家實驗室、西北大學、田納西大學以及日本北海道大學從事博士后研究，合作導師包括Glenn H. Fredrickson三院院士，Monica Olvera de la Cruz三院院士，Michael Rubinstein教授和龔劍萍教授等。2024年7月加入蘇州實驗室前沿材料研究部。主要研究方向為高分子材料多尺度計算模擬與理性設計，已在Nature、Nature Materials、Advanced Science、Macromolecules、ACS Macro Letters等國際期刊發表論文45篇。擔任中國 “高分子三刊”——Chinese Journal of Polymer Science（CJPS）、《高分子學報》和《高分子通報》的聯合青年編委。項目組擬長期招聘高分子計算、多尺度模擬和人工智能輔助材料設計等方向的助理研究員、博士后、項目制研究生以及科研助理，誠邀有志于從事相關方向的科研人員加入（請郵件聯系：liw@szlab.ac.cn）。

胡晟，現任大阪大學產業科學AI中心特聘助理教授。2019年于名古屋大學數據庫研究室獲得信息科學博士學位，隨后在京都大學數據庫研究室擔任博士后研究員。2020年任北海道大學特聘助理教授，2024年起轉任大阪大學特聘助理教授。他于2018年獲日本數據工程學學會Rakesh Agrawal獎，2019年獲日本電子情報通信學會年度論文獎。曾擔任ACM KDD、The Web Conference、ACM Multimedia、IEEE TKDE 等多個國際數據工程與數據挖掘領域頂級會議及期刊的審稿人。研究方向包括統計機器學習與機器發現算法，尤其關注時間序列數據與分子圖數據在醫學、化學等交叉學科中的應用。

廖鴻廣，現日本北海道大學在讀博士生。于2017年和2020年在中國人民大學分別獲得學士和碩士學位，師從王亞培教授；此后2021年起在北海道大學攻讀博士學位，師從龔劍萍教授。目前致力于數據驅動的仿生水凝膠設計，水下粘附材料的開發與應用。

  論文信息
  Data-Driven De Novo Design of Super-Adhesive Hydrogels

  Hongguang Liao, Sheng Hu, Hu Yang, Lei Wang, Shinya Tanaka, Ichigaku Takigawa*, Wei Li*, Hailong Fan*, Jian Ping Gong*

  Published in Nature, 2025, 644, 47-48

  https://www.nature.com/articles/s41586-025-09269-4