骨缺损修复材料需同时具备促成骨、促神经发生与促血管生成活性，但在高维度组分区间内设计此类材料仍存在巨大挑战。
2026年8月27日，国防科技大学王晓燕、柳珑共同通讯在Advanced Science（IF=14.1）在线发表题为“Machine Learning-Driven Design of Multicomponent Bone Inorganic Matrix Mimicking Scaffolds for Osteogenesis Enhanced by Neurogenesis
”的研究论文。本研究提出一种基于机器学习（ML）的研发策略，以加速多组分介孔生物活性玻璃（MBG）的开发。本研究采用包含169种配方的数据集训练支持向量机（SVM）模型，将材料促成骨潜能划分为两类：高促成骨潜能组（相对ALP活性≥0.83）与低促成骨潜能组（相对ALP活性＜0.83）。利用该模型对10000种候选配方进行筛选，得到126种高潜能配方。采用骨髓间充质干细胞（BMSCs）对上述126种候选配方开展体外矿化实验，从中筛选4种高性能候选样品（2–5号）与1种性能偏低的对照样品（1号）。将对应MBG内核（MBG1–MBG5）载入包裹神经生长因子（NGF）的丝素蛋白外壳，通过同轴静电纺丝制备核壳结构纳米纤维支架。其中MBG5@SF/NGF展现最优促成骨活性，可提升BMSCs活力、促进细胞分化与基质矿化，上调Erk1/2磷酸化水平，同时促成骨、促神经分化标志物表达同步升高。转录组测序证实该支架可激活促成骨与促神经发生信号通路。小鼠颅骨缺损模型体内实验显示，MBG5@SF/NGF可重建神经‑血管‑骨一体化再生微环境。综上，经机器学习快速筛选结合实验验证，本研究证实MBG5@SF/NGF是一种具备应用前景的功能性骨再生支架。
骨骼在人体内发挥至关重要的作用，同时参与物质代谢与造血功能。由战争创伤、肿瘤切除或先天性疾病造成的骨缺损，是临床面临的巨大难题，这也促使人们对高性能骨修复材料产生迫切需求。这类材料不仅需要恢复骨骼结构完整性，还需动态调控复杂的再生微环境。理想骨移植材料应兼具骨传导性、骨诱导性、神经营养支持作用与促血管生成能力，从而实现功能性骨再生。在众多生物材料中，介孔生物活性玻璃（MBG）因其优异的骨传导性、良好生物相容性，以及与骨矿物相相近的化学组成而受到广泛关注。天然骨组织的无机相约占其干重的70%。该无机相中90%以上为羟基磷灰石，剩余约10%包含钠、钾、镁、锶等多种关键功能离子。研究表明，这些微量元素对骨代谢发挥重要调控作用。此外，柠檬酸能够通过螯合羟基磷灰石表面的钙离子，影响晶体的成核、生长与溶解过程，同时还参与细胞能量代谢。因此，下一代仿生骨修复材料的设计不能仅局限于模拟主要磷灰石相，更应当重点协同引入上述功能组分，更加精准地复刻天然骨的生化微环境。MBG这类骨仿生无机基质由多组分构成，形成高维度组分空间。传统生物材料研发高度依赖经验性反复试错。在多组分、高维度的组分空间中，传统研发手段设计效率低下，难以系统揭示组分之间的协同效应，成为高性能骨修复材料开发的关键瓶颈。近年来，机器学习（ML）为材料科学带来范式转变。ML从有限实验数据中学习结构‑性能的关联规律，能够高效预测新材料性能，并反向筛选满足多目标要求的组分组合，大幅加快材料研发进程。已有研究证实ML在高分子、合金、陶瓷材料设计中可优化力学性能、生物活性以及降解行为。但目前尚无研究将ML应用于可同时促成骨与促神经发生的多组分MBG材料设计。图形摘要（摘自Advanced Science ）
本研究构建基于ML的多组分MBG筛选体系，对优化得到的MBG5@SF/NGF支架开展促成骨、促神经发生活性验证，并提出神经‑血管‑骨偶联再生机制。本研究首先构建包含169种不同配方及其相对细胞分化活性的实验数据集；采用主成分分析（PCA）与响应面模型可视化高活性配方分布区间，同时利用支持向量机（SVM）模型对促成骨潜能开展精准预测。借助自动化高通量实验平台得到169组配方数据集，用于训练SVM模型；随后利用该模型对10000个计算机模拟生成的候选配方进行筛选，得到126个预测促成骨潜能高的候选配方。经过后续实验验证筛选出两组最优组分MBG3与MBG5。以MBG组分为内核，吸附神经生长因子（NGF）的丝素蛋白（SF）作为外壳，通过同轴静电纺丝制备核壳结构纳米纤维支架，检测支架的促成骨与促神经发生活性。同时，利用小鼠颅骨临界骨缺损模型评价该类支架在实现骨缺损修复的同时介导神经再生与血管化的能力。本研究不仅制备出高效骨修复材料，还建立一套可推广的ML辅助研发框架，适用于多组分生物材料设计；同时阐释离子掺杂MBG协同调控成骨、神经发生与血管生成的分子机制。
https://doi.org/10.1002/advs.77084内容为【iNature】公众号原创，
转载请写明来源于【iNature】
微信加群
iNature汇集了4万名生命科学的研究人员及医生。我们组建了80个综合群（16个PI群及64个博士群），同时更具专业专门组建了相关专业群（植物，免疫，细胞，微生物，基因编辑，神经，化学，物理，心血管，肿瘤等群）。温馨提示：进群请备注一下（格式如学校+专业+姓名，如果是PI/教授，请注明是PI/教授，否则就直接默认为在读博士，谢谢）。可以先加小编微信号（love_iNature），或者是长按二维码，添加小编，之后再进相关的群，非诚勿扰。
投稿、合作、转载授权事宜
请联系微信ID：Love_iNatures
觉得本文好看，请点这里！
