Bioactive Materials
机器学习指导下的生物活性水凝胶用于时空协调肌腱-骨愈合

小赛推荐：

该研究为 肌腱-骨愈合 提供了基于机器学习的生物材料设计新范式，提示未来实验可结合高通量虚拟筛选与小细胞外囊泡递送策略优化再生微环境。

 

文献概述

本文《Machine learning-guided discovery of a bioactive hydrogel for spatiotemporally orchestrated tendon-to-bone healing》，发表于《Bioactive Materials》杂志，系统探讨了如何利用机器学习加速多功能生物材料的理性设计，以解决肌腱-骨界面（TBI）愈合失败的临床难题。研究团队通过整合TabPFN模型与实验验证，成功识别出一种可注射的微粒组装大孔水凝胶（MMH），并实现了免疫调控与软骨再生的时空协同。该工作不仅提升了TBI修复的结构与功能恢复，也为复杂组织再生提供了数据驱动的新路径。

背景知识

1. 该研究解决的 肌腱-骨愈合 痛点在于术后高再撕脱率（高达94%），主要源于自然愈合形成无功能的纤维瘢痕，无法有效传递力学负荷。当前修复策略难以重建具有梯度结构的纤维软骨过渡区，导致生物力学性能不足。
2. 目前 巨噬细胞极化 的研究瓶颈在于缺乏能够时空控制免疫微环境与干细胞分化级联的递送系统。传统水凝胶虽具良好生物相容性，但纳米孔结构阻碍宿主细胞浸润，限制了其作为再生支架的功能性。
3. 选题切入点在于联合使用机器学习与工程化sEVs实现精准干预：通过构建包含>1.37亿种配方的虚拟文库，利用TabPFN模型预测最优组合，并设计CRV-sEVs靶向Mϕ以抑制NF-κB通路，同时持续释放Kartogenin促进间充质干细胞软骨分化。这一双相调控策略精准应对了TBI修复中“先免疫调节、后组织再生”的生物学需求。

 

针对肌腱-骨愈合研究，我们提供基因敲除小鼠模型定制服务，涵盖与组织再生、炎症反应及软骨发育相关的关键基因。通过条件性基因敲除技术，可在特定组织或发育阶段实现精准基因编辑，帮助解析TGF-β、BMP、Wnt等信号通路在界面愈合中的作用机制。适用于构建肩袖损伤修复模型，支持CRISPR/Cas9介导的高效靶向，助力深入探究巨噬细胞极化与干细胞分化间的串扰。

了解更多

 

研究方法与核心实验

作者采用大鼠肩袖修复模型（RCR）作为主要的动物模型，结合人类肩袖损伤组织样本进行病理验证。通过单细胞RNA测序和免疫荧光染色确认损伤界面存在M1型巨噬细胞主导的促炎微环境。在材料体系构建中，使用海藻酸钠（SA）和透明质酸（HA）制备微粒组装的大孔水凝胶（MMH），并负载CRV肽修饰的ADSC-sEVs及KGN-PLGA微球。机器学习部分则基于40组体内实验数据训练TabPFN模型，对超过1.37亿种配方进行高通量虚拟筛选，最终选出最优组合进行合成与验证。关键证据包括ELISA、qPCR、组织学染色、生物力学测试及流式细胞术等，全面评估免疫表型转换、细胞浸润、基质重塑与功能恢复。

关键结论与观点

• 机器学习模型预测与实验验证高度一致（R² > 0.93），表明TabPFN可高效导航高维配方空间，为未来生物材料设计提供可靠工具
• MMH结构具有100–300 μm的大孔，显著促进BMSCs浸润与营养扩散，克服传统水凝胶的传质障碍
• CRV-sEVs通过抑制NF-κB信号通路，有效将M1型巨噬细胞重编程为M2型，降低TNF-α、IL-1β等促炎因子表达
• KGN的持续释放激活BMSCs软骨生成程序，上调SOX9、COL II和Aggrecan表达，促进纤维软骨层重建
• 复合系统在大鼠模型中显著提升TBI的终末载荷与组织成熟度，实现结构完整性与功能恢复

研究意义与展望

该研究为药物开发提供了新型递送平台设计思路，即通过时空编程实现多阶段治疗干预，尤其适用于需要顺序调控免疫-再生轴的疾病。对于临床监测，可通过非侵入性成像追踪sEVs分布或炎症因子动态变化，评估治疗响应。在疾病建模方面，该MMH系统可用于构建更贴近临床的体外TBI模型，用于高通量药物筛选。

 

为加速肌腱-骨愈合相关的药物筛选与机制研究，我们提供基于iPS细胞的基因编辑与定向分化服务。利用非整合重编程技术生成安全的人iPS细胞，并通过高效率HDR策略引入特定突变或报告基因。可定向分化为间充质干细胞或软骨前体细胞，用于体外模拟TBI微环境，评估小分子药物或生物材料对BMSC迁移、软骨生成及免疫调节的影响，全面支持再生医学研究的转化需求。

了解更多

 

结语

本研究标志着从经验驱动向数据驱动生物材料设计的重大转变。通过整合机器学习与先进递送系统，实现了对肌腱-骨愈合过程中免疫微环境与组织再生的精准时空控制。这种“先抗炎、后促生”的双相策略不仅显著改善了大鼠模型中的生物力学与组织学结局，也为其他复杂界面组织（如韧带-骨、椎间盘-软骨）的再生提供了可复制的范式。未来转化路径包括开展大型动物研究以验证疗效，并探索CRV-sEVs与KGN在人类中的安全性与剂量窗口。该工作为肌腱-骨愈合照护体系奠定了智能化、功能性支架治疗的基石，有望降低术后再撕脱率，提升患者长期功能预后。

 

Wencai Liu, Yuhao Yu, Hui Xu, Wei Song, and Yaohua He. Machine learning-guided discovery of a bioactive hydrogel for spatiotemporally orchestrated tendon-to-bone healing. Bioactive Materials.