前言
近日，我校动物科学学院家畜生态研究室在国际著名期刊Analytical Chemistry（中科院一区、自然指数期刊）、ACS Applied Materials & Interfaces（材料类TOP期刊）和Environment & Health（“中国科技期刊卓越行动计划”高起点新刊）发表多篇研究成果。这些研究成果主要基于人工智能技术对中草药和纳米材料等新型饲料添加剂进行风险评估和绿色设计。
进展一：机器学习联合质谱分析预测中草药毒性
几个世纪以来，传统中药一直是医疗保健的基石，因其预防和治疗功能而受到重视。然而，近年来随着中药复杂化学成分的揭示，对于其毒理学的关注日益增多。面对中药成分的复杂性，传统的定量构效关系方法难以构建有效的模型。研究团队通过将中药的电子-电离质谱数据与其毒性效应相关联，并建立分类模型，成功解决了这一问题。最佳分类模型的平衡准确率超过了0.74。通过对机器学习模型进行解释分析，识别出了中药中的一些特定的毒性成分，如13-hexyloxacyclotridec-10-en-2-one和loliolide。进一步利用分子动力学模拟，以肝细胞色素P450 3A4例，探索已鉴定的有毒成分与关键蛋白靶点的相互作用。这一创新研究不仅加强了对中药毒理特征的理解，而且在最大化其治疗效果的同时，最小化其不良反应。此项研究为降低中药饲料添加剂的潜在毒性提供了参考，对饲料安全性的提升具有重要意义。该研究成果发表在Analytical Chemistry，并被选为Supplementary Cover。
进展二：基于循环神经网络和Quasi-SMILES从头设计生物相容性纳米材料
从广阔的化学空间中筛选具有所需性能的纳米材料（NMs）是一项重大挑战。NMs的潜在毒性进一步限制了它们在生物系统中的应用。传统实验方法难以应对复杂问题，生成模型为在没有先验知识的情况下创造新分子提供了一种可能的解决方案。然而，将复杂的3D纳米结构转换为计算机可读格式仍然是一个关键的先决条件。为了克服这些挑战，研究团队提出了一种创新的深度学习框架，用于生物相容性NMs的从头设计。该框架包括两个预测模型和一个生成模型，利用Quasi-SMILES表示对纳米材料的三维结构信息进行编码。利用生成模型成功创建了289个以前在训练集中没有出现的NMs。预测模型确定了一种特别有前景的NM，其特征是高细胞摄取和低毒性。该纳米材料已成功合成，其预测性能得到了实验验证。此项研究所提出的方法推进了人工智能在纳米材料设计中的应用，并为平衡纳米材料的功能和毒性提供了一种实用的解决方案。同时，此项研究为设计新型的饲料添加剂和疫苗分子提供了理论支撑。该研究成果发表在ACS Applied Materials & Interfaces。
进展三：深度学习从头设计低毒高抗菌离子液体
在过去二十年中，离子液体（ILs）因其独特的物理和化学性质，已成为现代科学许多领域的关键功能材料。然而，随着ILs的生产和使用不断增加，它们不可避免地会释放到环境中，对人类健康产生了负面影响。因此，设计绿色安全的ILs迫在眉睫。传统的功能材料开发过程耗时、成本高，并伴随毒性风险，严重阻碍了其进展。在本研究中，团队首次提出了一种新型深度学习框架，加速高性能、低毒性功能材料的设计。该方法能够探索广阔的化学空间，自主生成具备目标特性的材料，并确保其在应用中有效且对环境影响最小。通过虚拟筛选和实验验证，我们最终确定了一种具有高抗菌活性和低细胞毒性的新型材料。该研究为降低离子液体作为饲料添加剂的潜在毒性提供了重要参考，对提升饲料安全性具有重要意义。该研究成果发表在Environment & Health，并被选为Supplementary Cover。
以上成果第一作者分别为硕士研究生贾琛、博士研究生何英、博士后李晓芳，通讯作者为家畜生态研究室王燕教授团队青年教师闫希亮。该研究得到了国家自然科学基金（22106025，22476056）和国家重点研发计划（2023YFA0915101）的资助。
相关论文链接：
（1）https://pubs.acs.org/doi/10.1021/acs.analchem.4c05311
（2）https://pubs.acs.org/doi/abs/10.1021/acsami.4c15600
（3）https://pubs.acs.org/doi/10.1021/envhealth.4c00088
