近日，我校材料学院朱之灵团队在《Accounts of Materials Research》期刊上发表了题为“Rational Design of Nanozymes for Catalytic Medicine”的评述论文。该文章系统总结了该团队在2022-2025年期间于人工智能赋能纳米酶催化医学领域开展的系列研究工作，提出了一种面向疾病治疗的数据驱动的纳米酶理性设计策略，并对该领域的未来发展进行了系统展望。朱之灵特聘教授为论文通讯作者，硕士研究生蒋明钰为论文第一作者，青岛科技大学为论文第一单位。
纳米酶作为一类新兴的催化材料，因其在疾病诊断与治疗中的独特优势而受到广泛关注。然而，纳米酶疗法的临床转化仍面临多重关键挑战，包括催化效率受限、底物选择性不足以及体内功能稳定性有待提升等。针对上述问题，本文提出了一种以疾病需求为核心、数据驱动的纳米酶理性设计策略：通过构建与具体治疗目标高度耦合的物理化学描述符体系，并系统整合实验数据、材料数据库、理论模拟与机器学习算法，旨在建立完善的“结构–功能–功效”关联模型。该策略不仅有助于实现纳米酶性能的精准预测与定向优化，也为催化医学的理性设计和临床转化提供了新的理论基础与技术范式。
图1.纳米酶催化治疗发展范式
该团队通过机器学习辅助设计，有效突破了传统纳米酶研究中长期存在的关键瓶颈。例如，在面向雄激素性脱发治疗的超氧化物歧化酶（SOD）纳米酶设计中，该团队系统收集了91种过渡金属硫代磷酸盐晶体的物理化学描述符，并构建随机森林模型进行筛选，最终识别出MnPS3作为最具潜力的候选材料。实验结果表明，二维MnPS3纳米片对多种活性氧物种展现出卓越的清除能力，其IC50低至3.61 μg·mL⁻1，约为天然SOD的12倍，验证了机器学习预测在性能优化中的有效性。在炎症性肠病（IBD）治疗研究中，团队进一步构建了九层高通量筛选工作流程，从146,323种无机化合物中高效锁定Ni3S4作为候选纳米酶。实验表明，Ni3S4在模拟胃液环境中表现出优异的酸稳定性与靶向富集能力，并在IBD小鼠模型中实现了显著的治疗效果，充分体现了数据驱动策略在复杂生物体系中的应用优势。
随着机器学习方法的持续演进，其在纳米酶理性设计中的应用前景愈发广阔。通过协同考虑纳米酶的内在结构特征与反应体系中的外部调控因素，机器学习有望在新型纳米酶的快速发现与性能优化、反应条件的精准预测以及催化机制的系统解析等方面发挥关键支撑作用。例如，构建跨模态数据融合框架，统一数据格式与元数据标准，并系统纳入失败实验数据，可显著提升数据质量与模型泛化能力，为纳米酶设计提供更全面、可靠的数据基础。进一步地，发展融合催化理论的可解释性人工智能模型，结合SISSO等算法挖掘具有明确物理意义的结构–活性关系，将为纳米酶的理性设计与机制认知提供更具指导性的理论依据。
图2.催化医学纳米酶的理性设计展望
文章最后指出，纳米酶催化医学领域的未来发展将更加聚焦于以“疾病为导向”的设计范式。通过对疾病病理微环境进行精准表征，构建与特定疾病高度相关的病理描述符体系，可实现从病理需求出发、面向功能响应的纳米酶定向开发。基于这一理念，作者进一步提出了多项具有前瞻性的研究机遇，包括构建多尺度理论计算与模拟平台、开发自动化与高通量实验验证体系，以及加速推进机器学习驱动的纳米酶理性设计框架。这些研究方向不仅有望持续推动纳米酶催化医学在理论与技术层面的创新突破，也为应对重大和全球性健康挑战提供了新的研究思路与解决路径。
以上研究得到了国家自然科学基金、泰山学者人才计划等项目的资助。
