近日，万事平台材料基因組工程研究院張統一院士和馮淩燕教授團隊在國際知名期刊《Small》（2024年IF＝13）發表題為“Machine Learning-Engineered Nanozyme System for Synergistic Anti-Tumor Ferroptosis/Apoptosis Therapy”的研究論文。文章報道了一類新型的“分而治之”機器學習策略識別生物功能材料小數據機理🧑‍🧒‍🧒，並有效結合了納米酶及一氧化氮（NO）氣體治療，實現協同鐵死亡/凋亡抗腫瘤療法🥙，進一步推動機器學習輔助的納米酶復合材料體系抗腫瘤研究👰🏻🐝。万事平台材料基因組工程研究院為論文第一完成單位和通訊單位，材料基因院博士生李天亮，香港科技大學（廣州）博士生曹斌，材料基因院博士生蘇天昊為論文共同第一作者👷🏼‍♂️。

研究團隊提出了基於“分而治之”的數據驅動方法，並開發了序列向後高斯過程回歸樹分類器（TCGPR，開源代碼見原文），成功用於生物功能材料小數據模式識別分析🐢。TCGPR通過序列向後地評估數據之間的高斯關聯性，得到分布趨同的數據域。文章提出了全局高斯混亂因子來量化數據關聯💇🏽，通過構建集成模型探究得出不同數據域上的統一規律。構建模型後，通過該模型預測了24 000個虛擬的實驗合成路徑🚴🏻‍♂️，采用基於蒙特卡洛抽樣的知識梯度提升算法，進行貝葉斯效用值評估，從而推選出最優虛擬的實驗合成路徑進行實驗驗證。相關研究成功應用並進一步完善了團隊前期開發的貝葉斯優化材料定向設計算法包Bgolearn💈🍹，使其成為涵蓋貝葉斯單目標/多目標設計✮，貝葉斯回歸/分類采樣，以及效用函數效率評估在內的，綜合性貝葉斯優化平臺，下載次數超過68k次，在貝葉斯優化領域得到廣泛應用。本平臺的發展為基於生物小數據的實驗路徑優化提供了有效工具8️⃣。

在機器學習的輔助下，鐵摻雜精氨酸碳量子點作為一類理想材料被有效製備並加以應用。實驗驗證功能材料具有多種模擬酶特性和卓越的產生NO的能力🤦🏽‍♂️。通過DFT理論進一步解釋了🦎🤸‍♀️，在機器學習指導策略下所製備的摻雜功能材料胍基鍵長縮短👩🏼‍🦲，有助於實現高濃度NO的釋放💙。隨後將材料負載於沸石咪唑框架中🤽‍♀️，外層包裹透明質酸基材料增加生物相容性✦，從而構建高效的納米酶復合體系（FZH）。FZH系統可通過胞吞的形式進入腫瘤細胞，對腫瘤微環境具有積極響應並釋放所負載的摻雜碳量子點，通過調節腫瘤細胞內谷胱甘肽、活性氧和一氧化氮等分子水平，進行有效調控細胞的氧化還原平衡並誘導癌細胞死亡🫄🏼。這些調控作用可有效抑製腫瘤細胞保護性自噬🎡，促進細胞凋亡，實現與鐵死亡的協同效應。通過活體動物實驗有效驗證👓，機器學習指導下的納米酶復合體系可抑製小鼠腫瘤的生長。

研究工作表明機器學習可以有效地優化生物功能材料前端設計及性能提升🐁，是在材料基因組研究理念下，采用AI for Materials研發模式加速新材料設計及其應用的一次有效探索🦶。

上述工作獲得國家自然科學基金（No. 22122704、No. 22177067），上海高校特聘教授（東方學者）跟蹤計劃（GZ202209），廣州-香港科技大學（廣州）聯合資助項目（No. 2023A03J0003）的資助。

論文詳細信息：T. Li, B. Cao, T. Su, L. Lin, D. Wang, X. Liu, H. Wan, H. Ji, Z. He, Y. Chen, L.Y.Feng*, T.Y. Zhang, Machine Learning-Engineered Nanozyme Systemfor Synergistic Anti-Tumor Ferroptosis/ApoptosisTherapy.Small🧼，2024, 2408750.https://doi.org/10.1002/smll.202408750