1月9日，我校附属口腔医院陈陶教授/何清清博士后团队在国际权威期刊Angewandte Chemie International Edition杂志在线发表了题为“Machine Learning-Assisted Prediction of Photothermal Metal-Phenolic Networks”的研究论文。

光热疗法（PTT）因其在癌症治疗、伤口愈合和抗菌治疗等领域的显著潜力而备受关注，其治疗效果高度依赖光热剂（PTA）的性能。金属-酚醛网络（MPN）材料因其来源绿色、成本低廉、良好的生物相容性以及优异的配体-金属电荷转移特性，被认为是理想的PTA候选材料。然而，并非所有MPN均具有显著的光热特性，同时，MPN的广阔化学空间（超过70万种潜在组合）也增加了从中筛选高光热材料的难度。

为解决这一难题，研究团队首次将机器学习（ML）方法应用于MPN的光热性能预测中。通过构建包含80种模块化MPN光热性能的真实数据库，并结合特征工程与模型训练，研究优化了ML工作流程。最终，筛选出的XGBoost模型从一个包含44,438种虚拟组合的数据库中成功识别出1,654种高光热MPN。实验验证表明，该模型预测的高光热MPN成功率高达70%。此外，研究还发现了多种此前未报道的高光热MPN，这些材料在光热抗菌、光热抗肿瘤及药物载体等领域展现了显著优势。本研究提出了一种创新的ML驱动方法，用于高效筛选光热MPN材料，为其作为PTA在生物医学领域的应用提供了坚实的理论和实验基础。

口腔医学院硕士研究生樊栋奇、博士研究生陈旭、王珊为该论文的共同第一作者，陈陶教授、何清清博士后、唐菡主治医师为共同通讯作者。研究工作得到了国家自然科学基金优秀青年基金、国家自然科学基金面上项目、中国博士后科学基金面上项目和万搏未来医学青年创新研究团队等项目的资助。

原文链接：https://onlinelibrary.wiley.com/doi/10.1002/anie.202423799