国家纳米科学中心高兴发ahm:机械学习方法虚拟筛选抗肿瘤二维材料

利用具有催化功能的纳米材料靶向肿瘤过氧化氢分子为实体瘤的化学治疗提供了一种新策略。然而，科学家们已制备了海量的材料，迫切需要建立一套高效的计算机方案，自动从材料库中筛选出满足条件的候选材料，进行后续生物医学测试。意向的虚拟筛选方案应该具备以下特征：1）应能基于多数材料库中的可查信息预测材料催化活性；2）应具备预测催化活性之外其他材料性能的可扩展性；3）应足够稳定与高效。然而符合上述要求的虚拟筛选方案仍然缺失。

图1 从材料库中虚拟筛选具有类酶催化活性的资料用于肿瘤催化治疗。

针对上述抗肿瘤纳米材料自动筛选的公认难题，江西师范大学和国家纳米科学中心高兴发课题组发展了一种高效“透明盒子”机器学习方案，可从二维材料库中虚拟筛具有所需催化活性的材料，加速研究进展。首先，作者发展了预测纳米表面分解h2o2产生o2的催化活性的理论模型，该模型具有清晰的物理含义，与作者前期工作（acs catal. 2020，十，12657）结合，可对纳米表面靶向实体瘤h2o2分子的潜在医学功能进行系统预测。进一步为理论模型中的吸附能参数训练机器学习模型，该机器学习模型可不依赖密度泛函计算，高效地为二维材料计算吸附能参数，从而获得了高效、完全可解释的虚拟筛选抗肿瘤二维材料的计算机方案。该成果有望推动二维材料在肿瘤治疗领域的研究和应用。

论文信息：

Clear-Box Machine Learning for Virtual Screening of 2D Nanozymes to Target Tumor Hydrogen Peroxide

Xuejiao J. Gao, Jun Yan, Jia-Jia Zheng, Shengliang Zhong, Xingfa Gao*

Advanced Healthcare Materials

DOI: 10.1002/adhm.02925

点击左下角「阅读原文」，查看该论文原文。

Advanced

Healthcare

Materials

期刊简介

该刊于从Advanced Materials中独立出来单独成刊。期刊发表有关提升人类健康的材料、器件、技术等最新研究成果，具有国际化的交叉学科影响力。最新影响因子为11.092。