理想的骨修复材料不仅需要具备骨传导性和骨诱导性，还需兼顾神经发生和血管生成等多重生物学功能。天然骨无机基质由羟基磷灰石及钠、钾、镁、锶等多种功能离子共同构成，其多组分协同调控机制极为复杂。传统的生物材料开发高度依赖经验性试错，在多组分高维成分空间中效率低下，难以系统揭示组分间的协同效应，这已成为高性能骨修复材料研发的关键瓶颈。
近日，国防科技大学理学院王晓燕/柳珑团队在 Advanced Science 发表题为 Machine Learning-Driven Design of Multicomponent Bone Inorganic Matrix Mimicking Scaffolds for Osteogenesis Enhanced by Neurogenesis 的研究文章。该团队构建了一套机器学习驱动的多组分介孔生物活性玻璃（Mesoporous Bioactive Glass, MBG）筛选框架，通过实验建立数据集-机器学习预测-材料制备与表征-骨修复功能性验证，设计出核-壳纳米纤维支架 MBG5@SF/NGF，在体内外均表现出优异的成骨与神经诱导活性。
文章首页截图
该研究采用均匀设计构建 169 组 Ca-Mg-Na-K-Sr 配方，以 CCK-8 和 ALP 活性计算相对 ALP 活性，划分高低成骨潜力配比。通过比较 8 种机器学习模型，选择了表现最佳的 SVM 模型，从 10,000 个候选配比中预测出 126 个高成骨潜能候选配比，并通过茜素红矿化实验二次筛选出 MBG2-MBG5，其中 MBG5 为预测的最优配方。随后将其与负载 NGF 的 SF 壳层组装为核-壳纳米纤维支架 MBG5@SF/NGF，开展材料表征、离子释放、抗菌、力学、细胞黏附迁移、成骨/神经分化、转录组测序及小鼠颅骨缺损实验。
进一步分析显示，MBG5@SF/NGF 可促进 BMSCs 增殖、ALP 活性和矿化结节形成，上调 Runx2、Bmp2、Opn、Ocn 等成骨基因及 Map2、Nse 等神经标志物，并提高 Erk1/2 磷酸化水平。转录组分析提示其可能激活 BMP-SMAD、MAPK、HIF-1 等通路。小鼠颅骨临界尺寸缺损模型中，MBG5@SF/NGF 显著促进新骨形成，提高 BV/TV、Tb.Th、Tb.N 和 BMD，并增加 Bmp2、Ocn、Nse 和 CD31 表达，表明其具有重建神经-血管-骨耦合再生微环境的潜能。
该研究不仅为功能性骨再生提供了有前景的支架材料，更为机器学习辅助多组分生物材料设计提供了新思路。
国防科技大学林昆潞、杨颖、周楚尧、王晓燕为本文的共同第一作者，王晓燕副教授、柳珑教授为该研究论文的共同通讯作者。
国防科技大学大学生物效应与调控课题组自 2011 年成立以来，专注生物效应、修复与调控等方面的研究。团队长期招聘博士后、特聘副研究员和研究员，热诚欢迎有信息、生物医学与理工等背景的人才加入，联系方式：王老师，378770084@qq.com。
原文链接：
https://doi.org/10.1002/advs.77084
如需代发文章宣传、新闻稿、招聘等，请后台回复【学术】添加小编
【非原创文章】「丁香学术」特邀稿件，作者授权发布。本内容著作权归作者所有， 欢迎个人转发分享。未经授权禁止转载，违者必究！
