传统抗菌材料开发面临诸多挑战，其中最为突出的是缺乏系统性和预测性。例如，在开发新型抗菌材料时，研究者们长期受限于经验方法，缺乏对材料成分间复杂相互作用的深入理解，导致优化过程繁琐且效率低下。此外，传统方法在平衡抗菌活性和组织相容性方面也存在显著困难。根据统计，开发一种新型抗菌材料通常需要数年时间和大量资源。这种高成本和低效率的现状严重限制了新型抗菌材料的研发速度和数量。

2025年3月30日，广东省人民医院马立敏&浙江大学侯廷军&上海交通大学崔文国团队在《Advanced Materials》期刊上报道了一种新的解决方案，有助于加速基于机理的新型抗菌材料的发现，推动精准医疗的发展。

关键信息或发现

核心创新

该团队在研究中首创了“生成式设计和多目标约束优化”，通过AI与生物材料设计的结合，从大规模肽数据库中挖掘潜在规律。这一框架利用AI技术生成了一种新型含硫抗菌肽（AK15），并将其与水凝胶功能耦合，形成复杂的网络结构。此外，通过引入铜修饰的钛酸钡（Cu-BTO），进一步增强了水凝胶的交联能力。AI设计的水凝胶在体外实验中对耐甲氧西林金黄色葡萄球菌（MRSA）和大肠杆菌（E. coli）展现出>99.99%的杀菌效率。这一创新不仅展示了生成式设计的强大潜力，也为未来的抗菌材料设计提供了新的思路。通过模拟人类的认知过程，该框架能够灵活地处理复杂的数据关系，并提供直观的解释，这在传统计算方法中是难以实现的。

图1.使用AMP-水凝胶设计平台生成和筛选AK15(图源自Adv. Mater.)

技术亮点

在技术层面，该研究展现了显著的优势。数据驱动的方法使得研究者能够充分利用大规模肽数据库，构建的模型在预测潜在抗菌肽时表现出色，AI设计的抗菌肽AK15对耐药细菌的MIC值为8 μg/mL，表明模型具有很高的预测准确性。在验证方面，预测出的抗菌肽与实验结果的高度一致性进一步证明了该方法的有效性。例如，在体外实验中，AI设计的水凝胶对MRSA和大肠杆菌的杀菌效率超过99.99%，显示出其在实际应用中的可靠性。与传统方法相比，新技术不仅提高了设计速度，还显著提升了抗菌材料的效率和准确性。传统的抗菌材料设计通常需要大量的实验验证，而该框架通过生成式设计和多目标优化，能够在早期阶段筛选出最有潜力的候选材料，从而节省了大量的时间和资源。

机理揭秘

为了深入理解AI设计的抗菌肽水凝胶的性能，研究团队采用了转录组分析。这一方法揭示了AI设计的水凝胶通过破坏细菌膜结构和干扰代谢活动实现高效抗菌。例如，在研究MRSA时，转录组分析显示，AI设计的水凝胶显著下调了与细胞壁修复和代谢活动相关的基因表达，同时上调了与铜离子运输相关的基因表达。这些发现不仅为未来抗菌材料设计提供了重要的理论依据，也为理解抗菌机制提供了新的视角。例如，该框架揭示了抗菌肽与铜离子的协同作用，通过干扰细菌的铜离子平衡和代谢过程，显著增强了抗菌效果。

图2.转录组学分析(图源自Adv. Mater.)

应用价值

该技术的应用前景非常广阔。实验结果表明，该框架对多种耐药细菌具有良好的适用性，能够处理动态伤口治疗。例如，在大鼠模型中，AI设计的水凝胶显著减少了MRSA负荷，并显著加速了伤口愈合。更重要的是，该技术解锁了个性化医疗的潜力，为精准医疗开辟了新的路径。在个性化医疗中，精准匹配抗菌材料对于患者的疗效至关重要。通过这种新技术，研究者可以更高效地为患者匹配最适合的抗菌材料，从而提高治疗效果。例如，在动态伤口治疗中，AI设计的水凝胶能够根据伤口的运动特性，释放生物电能，促进细胞迁移和增殖，从而加速伤口愈合。

图3. AI-AMP水凝胶在感染MRSA的大鼠颈部伤口模型中加速伤口愈合的效果(图源自Adv. Mater.)

总结与展望

研究团队的“AI引导设计+机理指导”范式为抗菌材料开发提供了一种低数据场景下的高效解决方案。这一方法不仅显著提高了抗菌材料的开发效率，还为未来的抗菌治疗提供了新的思路。

展望未来，该方法有望拓展至其他复杂生物材料的设计，为生物材料领域带来更多的创新和突破，推动抗菌材料开发进入“智能时代”。例如，该框架可以进一步应用于抗菌涂层和组织工程支架的设计，为这些领域的患者提供新的治疗选择。此外，随着更多数据的整合和算法的优化，该框架的预测能力将进一步提升，为全球医疗健康事业做出更大的贡献。

文章链接

Zhihui Jiang, Jianwen Feng, Fan Wang, Jike Wang, Ningtao Wang, Mengmiao Zhang, Chang-Yu Hsieh, Tingjun Hou,* Wenguo Cui,* and Limin Ma*. AI-Guided Design of Antimicrobial Peptide Hydrogels for Precise Treatment of Drug-resistant Bacterial Infections. Adv. Mater.2025, 2500043

https://doi.org/10.1002/adma.202500043

来源：人工智能化学与材料