国家纳米科学中心王浩研究员团队《Adv. Mater.》：智能生物材料组学 - 生物材料源头发现到临床转化的变革工具

2023-07-28 来源：高分子科技

新材料是发展高端制造业的物质基础，是高新技术发展的先导。材料基因组学融合了高通量实验、理论计算、以及大数据人工智能，成为引领材料科学研究的变革性新范式。这将催生新材料的发现，提高现有材料的技术成熟度，对提升材料的性能，缩短研制周期，降低成本都将产生巨大的影响。生物医用材料领域是一个价值数十亿美元的产业，最大应用是拯救生命和提高人类福利。然而，生物医用纳米材料由于其复杂的生物理环境应用场景，其材料基因组学研究面临巨大挑战。近年来，随着高通量筛选技术以及机器学习的快速发展，建立在复杂生物理环境下的生物材料基因组学成为可能，并将推动纳米药物和疫苗的快速临床转化。

国家纳米科学中心王浩研究员团队基于在自组装多肽和多肽-聚合物偶联物的高通量合成和筛选、及其活体自组装调控方面的研究基础，近期在Advanced Materials上发表了题为“Intelligent Biomaterialomics: Molecular Design, Manufacturing and Biomedical Applications”的综述文章。该文章系统总结了生物医用高分子、脂质纳米材料、多肽/蛋白、核酸适配体等生物纳米材料的材料基因组学研究进展，详细介绍了其高通量材料库的分子设计与合成制备方法，材料的高通量表征、筛选和自动化制备，基于机器学习的构效关系分析与材料设计指导，以及生物材料基因组学在药物递送等生物医用领域的应用和临床转化进展（图1）。

图1.生物材料基因组学。通过建立高通量材料库、高通量筛选与表征，采用机器学习分析构效关系，加速生物医用新材料的研发和转化。

作者首先介绍了材料基因组学的发展情况及其在生物医用材料中的进展，特别是高通量筛选技术以及机器学习在生物医用材料中的发展历史（图2）。其中，美国在2011年启动的“材料基因组计划”（Materials Genome Initiative）以及中国在2015年启动的“材料基因工程关键技术与支撑平台”科技部重点专项（Materials Genome Engineering），极大地推动了新材料研究的变革性创新发展。

图2. 生物材料基因组学发展中的重要事件。

其次，作者从分子设计层面介绍了高通量生物材料库的构建方法，包括基于共价组合化学方法（图3），以及非共价自组装方法（图4）。在共价组合化学中，作者以表格的形式总结了构建生物高分子材料库的化学方法，包括活性聚合、Michael加成等。此外，作者还详细列举了四种构建高通量多肽材料库的方法，包括噬菌体展示技术（phage display technology）、mRNA展示技术（mRNA display technology）、DNA编码化合物库（DNA-encoded compounds）、一株一物化学组合多肽库（one-bead-one-compound (OBOC) libraries）。而非共价自组装方法则通过组装基元的理性设计、自组装过程及其动力学和热力学的精准调控，实现材料库的高通量合成制备。

图3. 共价组合化学构建高通量生物材料库。

图4. 非共价自组装方法构建高通量生物材料库。

接下来，作者介绍了生物材料的高通量制备方法，包括微流控技术（图5），3D打印技术（图6），以及基于人工智能和机器人的自动化合成技术等。

图5. 基于微流控技术的高通量材料制备。

图6. 基于3D打印的高通量材料制备。

接着，作者介绍了生物材料的高内涵通量筛选，从细胞层面筛选，到基于病人来源的组织和细胞球、类器官芯片层面的筛选，再到直接在动物层面的活体筛选，逐级展开介绍（图7）。

图7. 高内涵通量筛选及构效关系分析。

然后，作者介绍了最新的高通量表征技术以及构效关系的构建。包括高通量动态光散射、高通量同步辐射小角X射线散射，以及高通量宽场表面增强拉曼散射等技术（图8）。而随着机器学习的发展，构效关系分析也从纳米材料中的单一变量分析进展到多变量复杂生物体系分析，例如将纳米颗粒整体与488种标记的细胞进行筛选并进行构效关系分析、分析球形核酸中11个变量对其作为肿瘤疫苗影响、以及从210万个药物/赋形剂组合中筛选出高装载率的纳米药物等。

图8. 高内涵通量筛选技术。

接下来，作者介绍了生物材料基因组学以及高通量筛选在生物医学中的应用。包括器官选择性mRNA递送（SORT）、新冠mRNA疫苗（mRNA-1273）中可电离脂质SM-102的开发、pH超敏探针的开发、以及机器学习筛选抗菌肽等（图9）。同时，作者以表格的形式总结了近五年来纳米诊断和治疗药物的临床转化情况。

图9. 生物材料基因组学以及高通量筛选在生物医学中的应用。

最后，作者指出了生物材料基因组学存在的问题和挑战，包括人工智能如何精准可靠地辅助生物材料的设计制备、快速高通量高内涵表征技术的开发、高质量和大批量的自动生产技术、对材料自组装原理和规律的深入认识、高通量筛选的评价模型和平台等，为今后的研究指明了方向。

全文链接：https://doi.org/10.1002/adma.202305099

版权与免责声明：中国聚合物网原创文章。刊物或媒体如需转载，请联系邮箱：info@polymer.cn，并请注明出处。

（责任编辑：xu）

【大中小】【打印】【关闭】

诚邀关注高分子科技

更多>>最新资讯

更多>>科教新闻