從核苷中提取的超分子水凝膠因其獨特的特性和優良的生物相容性而在生物醫學領域獲得了相當大的關注。然而，該領域的一個主要挑戰是，沒有預測核苷衍生物是否會形成水凝膠的模型。鑒于此，來自四川大學華西口腔醫院的Hang Zhao、Hao Xu、Liang Xie等人研究開發了一個機器學習模型來預測核苷衍生物的水凝膠形成能力。
文章要點：
1) 該研究證實，通過基于71個已報道的核苷衍生物的數據集，建立了準確度為71%（95%置信區間，0.69?0.73）的最佳模型，并且，通過最佳模型外部應用選擇了24個分子，并驗證了水凝膠的形成能力，發現了兩種很少報道的不依賴于陽離子的核苷水凝膠；
2) 此外，該研究表明，基于其自組裝機制，發現不依賴陽離子的水凝膠在Ag+和半胱氨酸的快速視覺檢測中具有潛在的應用，該模型可以用來預測具有水凝膠形成能力的核苷衍生物。
參考資料：
Li, W., Wen, Y., Wang, K. et al. Developing a machine learning model for accurate nucleoside hydrogels prediction based on descriptors. Nat. Commun. (2024).
DOI：10.1038/s41467-024-46866-9
https://doi.org/10.1038/s41467-024-46866-9
