人工智能使纳米材料应用趋利避害

8月20日，记者从南卡大学（Nankai大学因果系统优化（ICSO）框架筛选出影响纳米材料生物毒性作用的关键因素，并为使用纳米材料提供方法学支持以避免损害（减少毒性副作用）。相关结果最近发表在国际学术杂志“美国化学学会杂志”中。

据报道，纳米材料由于其非凡特性（例如高比表面积和多功能性）而被认为是21世纪的必不可少的功能材料，并且在许多领域中广泛使用，例如医疗保健，免疫疗法，智能材料和生态环境。 。但是，在应用过程中，纳米材料通常在应用效应和纳米毒性之间面临困境。例如，在改善动作器官的目标积累的同时，它也会导致人体的免疫反应和有毒作用。

Hu Xiangang说：“如何减少人体的免疫反应和毒性作用，同时改善纳米材料在目标器官中的积累一直是学者在国内外努力的结果。”

近年来，随着纳米材料器官的积累以及有毒效应数据的持续积累，以及在大数据分析中的人工智能技术的发展，解决上述问题已经逐渐成为可能。

“进入生物体的纳米材料产生的毒理学作用通常是复杂且非线性的，很难使用常规统计模型深入阐明纳米材料和生物之间的相互作用。” Hu Xiangang介绍了机器学习在处理非线性数据方面具有明显的优势。优势kaiyun全站网页版登录，但是很难达到纳米材料的积累和降低毒性的双赢状态。机器学习和多目标优化方法的组合有望解决上述问题。

基于此，团队使用了环境毒理学的大数据，并使用各种机器学习模型来预测16个变量的影响，包括纳米材料特性，动物特性和实验条件对15种免疫反应和器官积累指标的影响。提出了一个可解释的因果系统优化（ICSO）框架，以在准确的预测和智能纳米材料优化的上游和下游任务上建立上游和下游任务，并实现对比较表面积，直径和Zeta电位的生物反应的定量预测，并具有智能的纳米纳米纳米纳米的设计。材料提供定量信息和优化条件。简而言之，它是使用这种方法来找出在纳米材料特性条件下，可以实现纳米材料在靶器官中积累并降低毒性的双重目的。

Hu Xiangang说：“进入环境和生物体后，纳米颗粒可能会产生复杂的环境毒理学作用。通过该研究框架提出的优化策略或优化方法开yun体育app官网网页登录入口，可以实现面向目标的最佳纳米材料设计，从而摆脱材料设计。人类的经验依赖减少了传统试验和错误造成的时间和经济成本。”

当前，机器学习在健康领域的应用主要集中在关键影响因素的预测和筛查上。将来，机器学习不仅可以实现研究对象的预测，而且还可以将它们与优化技术和优化方法相结合，以促进研究对象以朝着人们希望的方向发展，实现优化的目的并加速新技术，并加速新技术kaiyun全站app登录入口，新材料和新方法转换过程。

本网站上复制的所有文章，图片，音频和视频文件以及其他材料的版权属于版权所有者。如果您的权利由于无法与作者联系而受到侵犯，请联系此网站，我们将采取适当的措施。