科學通報 | 水下黏附凝膠的設計: 從仿生經驗到數據驅動

水下黏附材料是一類能夠在潮濕或水環境中表現出優異黏附性能的功能材料, 適用于復雜水環境下的裝置修復、組織黏合及智能機器人等前沿領域, 是支撐海洋工程裝備和高端生物醫用器械的關鍵基礎材料, 具有廣闊的應用前景和重大戰略價值 [1] . 然而, 其研發仍面臨核心科學挑戰: 其一, 水分子在界面間形成穩定水合層, 阻礙材料與基底的有效接觸, 顯著降低黏附效率; 其二, 水分子的持續滲透會引發材料溶脹或水解, 使黏附性能隨時間衰減, 難以實現長期穩定. 如何高效破除界面水合層并賦予材料在水下環境中的持久穩定性, 是當前制備高性能水下黏附材料亟需突破的核心科學問題 [2] .

仿生是當前制備水下黏附材料的核心策略. 自然界中, 貽貝、藤壺等生物依賴黏附蛋白在水下實現穩定附著, 其序列中富含多酚類、帶電基團等特殊官能團, 在維持黏附力方面發揮關鍵作用, 為人工設計提供了直接的分子模板 [3] . 基于此, 研究人員通過模仿這些官能團并結合經驗性優化配比, 已經開發出一系列具備水下黏附性能的聚合物材料. 然而, 這種策略仍有明顯局限: 一方面, 設計過程依賴經驗, 聚合物合成中單體序列排列高度隨機, 使官能團間的協同效應難以穩定重現, 難以積累高質量的數據集; 另一方面, 缺乏對復雜分子作用關系的系統化認知, 難以通過傳統實驗方法直接鎖定影響性能的關鍵結構參數, 制約了材料性能的進一步優化與新材料的高效設計.

人工智能在無機固體、合金等原子結構明確的體系中已展現出巨大潛力, 其成功依賴于大量高質量數據的支撐, 使得模型能夠捕捉結構與性能之間的映射規律. 然而, 這一范式難以直接遷移到高分子功能材料, 特別是水下黏附凝膠的研究中 [4] . 原因在于, 黏附性能不僅由化學組成決定, 還受到分子間弱相互作用、熱擾動效應、聚合網絡構型及介觀尺度結構等多重因素耦合作用, 導致其構效關系高度復雜且難以通過傳統模擬與實驗高效解析; 與此同時, 聚合物合成過程中的序列不可控性, 使得難以系統獲取覆蓋充分的數據集. 這種“結構復雜性與數據稀缺性并存”的特征, 正是制約人工智能在水下黏附材料領域廣泛應用的根本障礙.

基于此, 我們團隊充分結合高分子材料研究的積累與人工智能技術的優勢, 嘗試從序列層面尋找水下黏附材料設計與性能優化的新路徑. 在理論方法上, 我們取得了關鍵進展, 為后續數據驅動開發水下黏附材料奠定了基礎. 早在2019年, 我們發現黏附蛋白中存在一種關鍵的鄰位序列規律: 帶正電的氨基酸與芳香族氨基酸傾向于相鄰排列, 這一結構可以通過苯基破壞水合層并促進陽離子與基底形成強靜電力作用, 從而顯著增強水下黏附性能. 我們首次將這一序列規律引入人工聚合物設計, 并取得了突破性成果 [ 5 , 6 ] .

為實現該序列特征在聚合物中的有效轉譯, 我們提出了基于理想恒比共聚的合成策略. 通過精確調控單體的競聚率, 有效克服了帶電單體和芳香單體在反應過程中的自聚傾向, 成功合成出具有高比例鄰位排列的聚合物序列. 所得水凝膠在高鹽水環境中表現出優異的黏附性能, 能夠在 10?s 內實現對玻璃的快速黏附, 并承受高達 60?kPa 的負載. 該成果首次證明, 模仿黏附蛋白的序列特征而非單純的官能團, 能夠賦予人工材料穩定而高效的水下黏附功能.

盡管基于單一黏附蛋白的關鍵鄰位規律, 我們已成功制備出性能優異的水下黏附材料, 但這一經驗能否在更多蛋白中被復制? 是否存在能夠跨越物種、具有普適性的統計規律? 這些問題仍有待深入探究. 自然界中數量龐大的黏附蛋白庫由無數物種在進化中塑造而成, 雖然它們在具體序列上差異顯著, 但在功能實現上可能隱含共通的模式. 基于這一認識, 我們在后續研究中不再局限于個別蛋白, 而是將整個黏附蛋白數據庫納入分析, 嘗試從大數據維度提煉自然序列的共性規律, 并將其轉化為可指導人工聚合物設計的通用策略. 該研究工作發表于 Nature [7] , 標志著我們在水下黏附材料研究領域實現了從單一序列啟發到數據庫驅動設計的重大突破.

我們從3822種生物中收集了超過兩萬條黏附蛋白序列, 涵蓋細菌、海洋動物、真菌、病毒等多個類群. 通過多序列比對, 提取了不同物種黏附蛋白的共有特征序列. 隨后, 依據氨基酸的功能屬性將 20種氨基酸殘基劃分為六大功能單元, 并以此對共有序列進行重新編碼, 計算不同功能單元在序列中的相鄰組合頻率. 由此構建出一套可直接映射為聚合物單體比例的“仿生組分配方庫”( 圖1(a) ). 這一“統計仿生”策略, 使我們能夠將自然界數百萬年進化所積累的序列規律, 轉譯為人工合成可操作的配方規則, 實現了從演化智慧到設計公式的轉化.

圖1

數據驅動的水下黏附水凝膠設計 [7] . (a) 集成數據挖掘、實驗驗證與機器學習優化的高性能水下黏附水凝膠設計流程示意圖; (b) 所開發水凝膠在水下的黏附強度比較; (c) R1-max黏附水凝膠將小黃鴨牢固黏附于海邊巖石表面的照片. Copyright ? 2025 Springer Nature

在實驗階段, 我們篩選出六種競聚率接近1的代表性單體, 分別模擬六類氨基酸功能基團, 并采用理想恒比共聚策略, 成功合成出序列分布可控的水凝膠. 這一方法在保證蛋白質特征序列保真度的同時兼顧了合成可行性, 從而建立了一個小而精、高質量的水凝膠數據集. 實驗結果顯示, 基于數據庫挖掘所得配方制備的水下黏附凝膠, 其性能已普遍優于既往文獻中報道的多數水凝膠. 為進一步提升研發效率、降低試錯成本, 我們引入人工智能技術, 采用順序模型優化算法(Sequential Model-Based Optimization, SMBO)在龐大的單體組合空間中高效篩選最優配方. 具體流程包括: 利用已有實驗數據訓練機器學習代理模型, 對材料配方與水下黏附性能之間的關系進行擬合, 并在預測潛在優異配方的同時評估其探索價值與不確定性. 隨后, 通過實驗驗證模型推薦的候選配方, 并將真實測量結果持續反饋, 用于更新數據集和迭代強化模型預測精度. 該“模型預測-實驗驗證-數據反饋”閉環加速了材料發現過程, 使優化過程在有限實驗次數下逐步逼近全局最優區域, 顯著降低了實驗成本. 經過多輪循環, 我們最終篩選出多種黏附強度超過 1?MPa 的水凝膠, 其性能相比既有文獻水平提升了一個數量級( 圖1(b) ).

進一步的應用測試表明, 基于數據驅動策略開發的水下黏附材料在穩定性與環境適應性方面表現卓越. 在真實海水環境的測試中, 材料能夠在海浪的反復沖擊下保持牢固附著( 圖1(c) ); 在模擬工程場景的水管封堵實驗中, 材料可快速封堵三米高水管底部的泄漏孔洞, 實現即時止漏, 并在持續水壓下保持穩固, 展現出優異的黏性和抗壓性能; 在小鼠皮下植入實驗中, 材料保持良好的生物相容性和結構穩定性, 無顯著免疫排斥反應. 這些結果表明, 該策略制備的水下黏附材料能夠在復雜環境中穩定工作, 并具備進入工程與醫學應用的潛在可行性.

回顧本研究全過程, 我們實現了從理論驅動到數據驅動的材料設計范式轉變, 提出了一種融合知識與數據的功能性軟物質材料研發方法論, 推動了軟材料設計思路的跨越式發展. 研究表明, 在模仿自然的過程中, 關鍵不僅在于復制某些分子結構或個別生物特征, 更在于深入挖掘自然界演化過程中沉淀的共性統計規律, 并將其轉化為可操作的設計規則, 從而實現材料性能上的重大突破. 同時, 高分子材料體系普遍具有多官能團協同作用與多尺度結構演化特征, 導致其結構—性能映射關系復雜、表征困難. 深度學習為解析這種復雜構效關系提供了新路徑, 可直接基于結構信息進行學習, 并與性能預測和材料優化實現端到端集成, 從而挖掘影響材料性能的關鍵多尺度結構特征, 促進新材料的發現與設計. 因此, 借助深度學習模型乃至大語言模型, 實現高分子材料的多尺度結構表征, 并構建融合自然啟發機制與數據驅動策略的設計范式, 將成為提升功能高分子材料可設計性的重要方向. 該研究范式的實現與推廣, 將加速包括水下黏附材料在內的高分子材料研發進程, 為材料性能的優化與提升提供智能化支撐與創新工具.

參考文獻

[1] Fan H, Gong J P. Bioinspired underwater adhesives . Adv Mater , 2021 , 33: 2102983

[2] Narayanan A, Dhinojwala A, Joy A. Design principles for creating synthetic underwater adhesives . Chem Soc Rev , 2021 , 50: 13321 -13345

[3] Huang P, Zhang H, Zeng H. Mussel-inspired molecular strategies for fabricating functional materials with underwater adhesion and self-healing properties. Adv Mater, 2025: 2501542.

[4] Tran H, Gurnani R, Kim C, et al. Design of functional and sustainable polymers assisted by artificial intelligence . Nat Rev Mater , 2024 , 9: 866 -886

[5] Fan H, Wang J, Tao Z, et al. Adjacent cationic–aromatic sequences yield strong electrostatic adhesion of hydrogels in seawater . Nat Commun , 2019 , 10: 5127

[6] Jin Z, Fan H, Osanai T, et al. Gluing blood into gel by electrostatic interaction using a water-soluble polymer as an embolic agent . Proc Natl Acad Sci USA , 2022 , 119: e2206685119

[7] Liao H, Hu S, Yang H, et al. Data-driven de novo design of super-adhesive hydrogels . Nature , 2025 , 644: 89 -95

《科學通報》是中國科學院主管、中國科學院和國家自然科學基金委員會共同主辦的綜合性中文學術期刊，致力于快速報道自然科學各學科基礎理論和應用研究的最新研究動態、消息、進展, 點評研究動態和學科發展趨勢。

• 旬刊，每10天出版1期；

• 欄目：進展、評述、快訊、論文、觀點、科技前沿、科學訪談、亮點述評、悅讀科學等；

• 中國科學院文獻情報中心分區表綜合性大類1區TOP期刊；

• 中國科技期刊卓越行動計劃領軍期刊；

• 《中國科技論文與引文數據庫》和《中國科學引文數據庫》的源期刊，同時被EI、ESCI和Scopus等收錄；

• 期刊官網：http://csb.scichina.com.

轉載、投稿請留言

| 關注科學通報 | 了解科學前沿