通讯作者“水凝胶女神”:又一篇Nature,水下粘附新高度

你的水凝胶粘附强度卡在50 kPa上不去？试了几十组配方还是靠运气？这篇Nature给你一套"抄作业"的方法——他们从NCBI数据库挖出24,707条粘附蛋白序列，发现这些跨越古菌、细菌、病毒、真核生物的蛋白，居然共享一套"密码"：6种功能类氨基酸的特定排列规律。用6种单体统计复制这套密码，再让机器学习在180个配方里自动优化，最终水下粘附强度突破1 MPa，比文献报道高出一个数量级。

更关键的是，这套"生物信息→统计合成→ML优化"的框架通用。换一批单体，就能做抗菌、导电、自修复水凝胶。龚剑平团队（北海道大学）和华人学者李伟、范海龙等，用这篇Nature证明了：软材料设计，终于可以从"炼丹"走向"工程"。

研究背景：软材料设计的“卡脖子”难题

💡 一句话要点：数据驱动在硬材料领域已成熟，但软材料的多尺度复杂性使其长期依赖试错——本研究首次建立端到端框架破解这一困境。

数据驱动方法已彻底变革硬材料（原子结构明确）的发现与预测，但在软材料领域仍举步维艰。核心瓶颈在于：

• 设计空间爆炸：单体类型、数量、排列方式的组合近乎无限

• 多尺度结构-性能关系复杂：弱分子相互作用与热涨落耦合，介观结构起关键作用

• 预测理论缺失：软材料发现长期依赖实验试错

水下粘附水凝胶是典型代表——尽管高端应用需求迫切（生物医学工程、深海探索等），实现即时、强力、可重复的水下粘附仍是未解难题。此前研究虽识别出若干有效单体类型，但难以形成一致数据集或简洁设计原则。

生物启发的启示：粘附蛋白（古菌、细菌、真核生物、病毒中广泛存在）共享特定序列模式，为设计水下粘附剂提供线索。但如何将序列模式转化为可合成策略，并实现机器学习的外推预测，仍是端到端设计的核心挑战。

---

核心策略：DM-实验-ML三阶段整合框架

💡 一句话要点：不是简单叠加三个技术，而是以“统计序列复制”为纽带，实现从生物信息到材料性能的闭环优化。

端到端闭环示意（从数据到材料）：

• NCBI数据库（24,707条序列）→ 数据挖掘

• 200物种一致性序列 → 6功能类编码 → 180个φi描述符

• 理想随机共聚 → 180个水凝胶（G-001~G-180）→ 粘附测试 → 数据集#1（n=180）

• ML训练 + 批量SMBO → GP/RFR模型 → 预测新配方 → 实验验证 → 数据集#2（n=289）

• 再训练 + 再优化 → RFR-GP*热启动 → 数据集#3（n=341）→ R1/R2/R3-max

• SHAP反解设计原则 → BA+PEA+ATAC三单体协同 → 指导下一轮迭代

三个阶段的核心任务与输出：

• 第一阶段（DM驱动设计）：挖掘粘附蛋白数据库→提取序列特征→设计仿生配方，输出180种组成描述符。

• 第二阶段（实验构建数据集）：理想随机共聚合成→快速筛选粘附性能，输出180个水凝胶数据集。

• 第三阶段（ML优化发现）：训练预测模型→批量SMBO优化→实验验证，输出超强粘附水凝胶（Fa > 1 MPa）。

📈 性能跃升：ML驱动水凝胶的水下粘附强度（Fa）超过1 MPa，较文献报道值（通常<<100 kPa）提升一个数量级（图1b）。

图1 | 数据驱动的水下粘合水凝胶新型设计

第一阶段：粘附蛋白数据挖掘——从24,707条序列到180个描述符

💡 一句话要点：通过“功能类编码+相对组成描述符”策略，将蛋白质序列的复杂信息转化为可合成的6维组成向量。

数据库构建与序列比对

• 从NCBI蛋白质数据库以“adhesive protein”为关键词，收集24,707条粘附蛋白序列

• 涵盖3,822个物种（古菌、细菌、真核生物、病毒及人工蛋白）

• 按物种蛋白数量排序，选取前200个物种进行Clustal Omega多序列比对，获得各物种一致性序列（consensus sequence）

功能类编码与特征降维

将20种标准氨基酸按理化性质归为6个功能类：

• 疏水类（Hydrophobic）：强疏水侧链，驱动界面排水

• 亲核类（Nucleophilic）：羟基等亲核基团

• 酸性类（Acidic）：羧基，带负电

• 阳离子类（Cationic）：氨基/季铵盐，带正电

• 酰胺类（Amide）：酰胺基团，亲水

• 芳香类（Aromatic）：苯环等芳香结构

🔬 关键处理：甘氨酸、丙氨酸、脯氨酸不纳入疏水类——因其侧链较小，在界面接触和相互作用中的作用弱于其他疏水氨基酸。这一细节直接影响后续疏水单体BA的设计权重。

序列异质性分析

• 块长度分布（block length）：各功能类连续残基数通常小于3（图2b），表明粘附蛋白在粗粒度功能类层面仍具显著序列异质性

• 配对频率矩阵：不同物种呈现特异的功能类配对偏好（图2c），提示序列异质性下存在潜在有序性

相对组成描述符（Relative Composition）设计

这是连接生物序列与合成聚合物的关键桥梁：

1. 统计21种功能类配对（nij，i,j=1,...,6）在一致性序列中的出现频率

2. 取排名前5的高频配对（约占总数50%）

3. 计算各功能类相对比例：φi = Ni / ΣNi，其中Ni = Σj(nij + nji)

4. 获得180个唯一组成描述符（去除20个重复），用于水凝胶合成

🔬 为什么用“前5配对”而非全部21种？
作者测试发现Top 5配对已占总出现次数的约50%，这是帕累托最优思维——用最少参数捕获最主要序列特征。若纳入全部21种配对，描述符维度膨胀，合成可控性下降；若只用Top 1-3，则丢失过多物种特异性信息。Top 5是生物保真度与实验可操作性的平衡点。

图2 | 粘附蛋白的分子结构设计与配方设计

第二阶段：DM驱动水凝胶合成——理想随机共聚验证

💡 一句话要点：“统计复制”优于“精确复制”——通过控制反应活性比≈1，以理想随机共聚实现蛋白质序列特征的 scalable 仿生。

六种功能单体

每种单体代表一个氨基酸功能类（图3a）：

• BA（丙烯酸丁酯，疏水）：丁基侧链，强疏水

• HEA（丙烯酸羟乙酯，亲核）：羟基，亲水

• CBEA（丙烯酸羧乙酯，酸性）：羧基，负电

• ATAC（丙烯酰氧乙基三甲基氯化铵，阳离子）：季铵盐，正电

• AAm（丙烯酰胺，酰胺）：酰胺基，亲水

• PEA（丙烯酸苯氧乙酯，芳香）：苯氧基，疏水+π电子

理想随机共聚的关键验证

在DMSO中自由基共聚时，各单体对的反应活性比（reactivity ratio）接近1，意味着聚合过程中组成漂移极小。

🔬 Monte Carlo模拟（基于Mayo-Lewis模型，采用实测活性比和推导组成）证实：

• 单体块长度分布与天然粘附蛋白吻合（图3b vs 图2b）

• 配对频率分布与天然粘附蛋白吻合（图3c vs 图2c）

这证明合成方案有效捕获了序列异质性和邻近偏好等关键统计特征，实现了“统计复制”而非“精确复制”生物序列——后者在合成高分子中目前难以实现。

180个水凝胶性能筛选

• 标记G-001至G-180，经DMSO→生理盐水（0.154 M NaCl）溶剂交换

• 表征：体积溶胀比、流变行为、水下粘附强度（Fa，tack test，10N载荷，10s接触时间）

结果分布：

• 16个水凝胶Fa > 100 kPa

• 83个水凝胶Fa > 46 kPa（超过文献报道平均值）

• G-042（源自大肠杆菌Escherichia，改称G-max）：Fa达147 kPa，为DM阶段最优

两项关键对照实验

对照一：序列来源特异性
用弹性蛋白（resilin，非粘附蛋白）数据库设计的12个水凝胶，水下粘附极差（多数小于20 kPa，部分因严重收缩无法测试）。证明：粘附蛋白的特异序列特征不可或缺，并非任意蛋白序列均可指导粘附设计。

对照二：共聚方式决定性
G-004的两种变体比较（图3f）：

• 在DMSO中合成：活性比≈1，序列为统计序列，外观透明，Fa高

• 在DMS中合成：活性比偏离1，序列为嵌段序列，外观半透明，Fa显著降低

证明理想随机共聚（近活性比）对实现统计序列特征、进而模拟蛋白功能至关重要。

组成-性能相关性初探

Kendall's τ系数分析：

• 弱正相关：φBA、φATAC、φPEA

• 弱负相关：φHEA、φAAm、φCBEA

但相关性微弱，且存在复杂协同效应（典型案例：G-074 vs G-001，φBA相近，φHEA和φCBEA增加、φATAC降低，按τ系数预测Fa应更低，实际G-074的Fa约为G-001的5倍）。这明确表明：简单线性相关性不足以预测最优配方，必须引入ML优化。

图3 | 用于水下粘附的DM驱动水凝胶

第三阶段：机器学习优化——从180到341，发现>1 MPa超级粘附水凝胶

💡 一句话要点：GP+RFR双模型驱动批量SMBO，以“热启动”策略突破性能平台期，SHAP分析反推出“疏水+芳香+阳离子”三单体协同设计原则。

模型筛选

以6维组成向量φi为输入特征，Fa为目标变量，测试9种ML模型，分为四类：

• 线性模型：Lasso、Ridge（简单基线）

• 非线性-非参数：KNN（局部插值）

• 非线性-核方法：KRR、SVR、GP（高斯过程GP表现最优）

• 非线性-树集成：RFR、XGB、ETR（随机森林RFR表现最优）

最优模型：GP和RFR——在90%/10%训练-测试分割下测试误差最低、过拟合最小。

批量序列模型优化（Batched SMBO）策略

采用期望改进（Expected Improvement, EI）为采集函数，设计多种批量优化策略，按表现分为三类：

• 纯利用枚举（GP_enu、RFR_enu）：从1000万随机配方中按预测Fa选Top 5，结果❌未超越训练集

• 传统贝叶斯优化（GP_KB、GP_CLmax、GP_CLmin、GP_LP）：采用Kriging believer/常数谎言/局部惩罚启发式，结果△中等提升

• 批量SMBO（本研究核心）（GP-RFR、RFR-RFR、RFR-GP、RFR-GP*、RFR-ETR、RFR-GBM）：P-M组合（P提供假设值，M最大化EI），结果✅最优

🔬 关键创新：RFR-GP*采用“热启动”策略——将RFR生成的10个虚拟数据点加入真实数据集再训练GP，进一步提升性能。

💡 ML优化的隐性经验（失败教训比成功更重要）

• 纯枚举为何失败：GP_enu/RFR_enu预测值未超越训练集。启示：180个数据点已覆盖局部最优邻域，随机采样难以外推至未知区域。

• PRED优先于EI：按预测Fa值排序选配方，实际表现优于按EI（平衡探索与开发）排序。启示：水凝胶制备周期长达2周，“宁可在高预测值区域多验证”比“刻意探索低置信区域”更经济。

• 三轮收敛信号：第二轮后Fa提升骤降，RMSE持续下降。启示：模型已逼近当前单体库性能边界，继续加轮次收益递减。作者果断停止，转向分析设计原则。

优化结果

• 纯枚举基线（GP_enu、RFR_enu）：未能超越训练数据最大值

• 所有SMBO方法均提升Fa，GP_KB和RFR-GP为最佳表现者

• RFR-GP*获得最高Fa

• PRED排序（按预测Fa值选配方）普遍优于EI排序

三轮ML优化后，数据集从180扩展至341个水凝胶。

探索能力评估：UMAP降维分析

将6维组成空间通过UMAP降至2维（图4b）：

• RFR-GP和GP_KB提出的新配方与原始180个数据点重叠极少

• RFR-GP数据点分布更分散，表明其探索范围更广，优于传统贝叶斯优化

SHAP可解释性分析：揭示分子设计原则

基于341样本训练的RFR模型，SHAP beeswarm图（图4c）揭示各单体比例对Fa的影响及分子机制：

• φBA升高：显著提升Fa，机制为疏水效应驱离界面水

• φPEA升高：显著提升Fa，机制为芳香基团疏水排水；与ATAC邻近增强阳离子-π相互作用

• φATAC：中等水平最优——过低则静电作用弱，过高则溶胀增大、限制聚合物-表面接触

• φHEA升高：降低Fa，原因为亲水性过强，不利于界面排水

• φCBEA升高：降低Fa，原因为酸性基团与负电基底排斥

• φAAm升高：降低Fa，原因为酰胺亲水性促进溶胀

💡 核心设计原则：BA + PEA + ATAC三单体组合是实现玻璃表面强水下粘附的关键，协同利用疏水效应（排水）与静电作用（粘附）。

图4 | 水下粘合水凝胶的机器学习优化

顶级水凝胶全面表征：R1-max / R2-max / R3-max vs G-max

💡 一句话要点：ML不仅提升了粘附强度，更通过优化BA/PEA比例增强了网络能量耗散能力，实现了“强粘附-高韧性”的协同。

组成特征

三轮ML最优水凝胶均由BA、PEA、ATAC三种单体组成（图5a），比例略有差异：

• G-max（DM最优）：BA 59.1%、PEA 14.1%、ATAC 7.6%，另含HEA 9.6%、CBEA 9.6%

• R1-max：BA 58.8%、PEA 31.8%、ATAC 9.4%

• R2-max：BA 62.9%、PEA 31.0%、ATAC 6.1%

• R3-max：BA 68.0%、PEA 25.0%、ATAC 7.0%

物理状态与力学性能

对比G-max与ML驱动水凝胶（R1/R2/R3-max）：

• 制备态（DMSO）：两者均透明，频率无关储能模量G′

• 生理盐水平衡态：G-max透明、较弱粘弹性；ML水凝胶不透明、强粘弹性、高模量

• 体积溶胀比Q：G-max约0.4，ML水凝胶约0.45-0.5

• 力学强度与韧性：ML水凝胶显著更高（应力-应变曲线下面积大）

机制：高BA/PEA含量促进水相中聚合物链强缔合，形成动态物理交联，增强能量耗散能力。

粘附性能系统评估

1. 接触条件优化
Fa随接触时间和载荷增加而增大，最终达平台值（图5d）——归因于界面接触充分化和水膜完全排出。

2. 最大粘附强度

• R1-max在生理盐水中玻璃表面Fa > 1 MPa（图5e）

• 循环粘附：200次附着-脱离循环后仍保持约100 kPa

3. 多基底普适性（R1-max，生理盐水，20N，60s）
按基底类型划分Fa范围：

• 无机材料（玻璃、陶瓷、硅片）：0.5-1.0 MPa

• 塑料（PC、PMMA、PF树脂、POM、PP、PTFE）：0.05-0.9 MPa

• 金属（Al合金、Ti合金、不锈钢）：0.3-0.5 MPa

4. 长期耐久性

• 搭接剪切测试：多种材料上表现优异

• 1 kg剪切载荷下，陶瓷/玻璃/钛合金接头在生理盐水中持续超过1年（图5f）

不同溶液环境适应性

对比G-max、R1-max、R2-max、R3-max在三种溶液中的表现：

• 去离子水：G-max内聚破坏，R1-max强，R2-max最强（出现空化），R3-max强

• 生理盐水（0.154 M NaCl）：G-max为147 kPa，R1-max >1 MPa，R2-max和R3-max均为强

• 人工海水（0.7 M NaCl）：G-max未测，R1/R2/R3-max均为强

💡 重要发现：组成微调导致不同环境下的性能差异，体现生物进化原则——“适应性优于普适优化”（adaptability over universal optimization）。

图5 | 通过DM（G-max）和ML优化（R1-max、R2-max和R3-max）鉴定的水凝胶的特征与性能

实际应用演示

三个典型案例展示水凝胶的实际应用能力：

1. 海洋环境粘附（R1-max）：橡皮鸭固定于海边礁石，承受潮汐波浪冲击超过5个月，无对照参照。

2. 高压管道堵漏（R2-max）：密封3米高聚碳酸酯管底部20 mm直径的孔洞，瞬时止漏，持续超过5个月。对比：商业FLEX TAPE®在1.5小时后失效。

3. 生物组织粘附（R1-max）：猪骨表面强粘附，可剥离。

📈 高压堵漏的量化细节：

• 管道高度3米 → 静水压约30 kPa

• 孔洞直径20 mm → 出口流速约5.4 m/s

• 总水压力（静水压+动压）约45-50 kPa

• R2-max承受：超过5个月无渗漏

• FLEX TAPE®承受：1.5小时后渗漏

这意味着R2-max的界面韧性不仅抵抗了瞬时剪切，还耐受长期蠕变——这是压敏胶（PSA）的致命弱点，却是动态物理交联水凝胶的优势。

生物相容性：小鼠皮下植入实验证实良好生物相容性。

研究总结与展望

💡 一句话要点：本研究的价值不仅是“1 MPa水凝胶”，而是为软材料领域提供了“生物信息→统计合成→ML优化”的通用范式。

核心贡献

1. 建立首个端到端数据驱动软材料设计框架：DM（蛋白质序列挖掘）→ 可扩展合成（理想随机共聚）→ 迭代ML优化

2. 提出“相对组成描述符”策略：以统计序列复制 bridging 生物序列与合成聚合物的设计鸿沟

3. 实现水下粘附性能数量级突破：Fa从约100 kPa提升至超过1 MPa

方法学普适性

该框架可拓展至其他功能软材料（自修复、抗污、离子传导等），为软材料工程提供系统化、可扩展的从头设计范式。

现存挑战与方向

• 单体库扩展：当前仅6种功能单体，需发展模块化单体库

• 序列精确控制：理想随机共聚为统计控制，需推进可控聚合技术至材料适用尺度

• 物理信息ML模型：开发融合多尺度物理约束的模型，实现稀疏数据泛化

🇨🇳 对中国研究者的启示

分三个方向提出具体行动建议：

• 单体库建设：国内高校/院所联合建立“功能单体数据库”，按氨基酸功能类系统扩展（如引入磷酸化、糖基化模拟单体）——这是本框架的下一个瓶颈。

• 自动化合成平台：180→341个水凝胶的手动合成+测试周期约半年，若引入移液工作站+高通量tack tester，可压缩至1-2个月——契合国内“材料基因工程”高通量平台战略。

• 跨学科团队配置：本文作者涵盖蛋白质信息学（Takigawa）、高分子合成（Fan/Gong）、机器学习（Hu）、力学模拟（Li）——国内课题组需打破“做水凝胶的只懂水凝胶”的惯性。