从经验性印迹到可编程合成受体:数据科学与机器学习在分子印迹聚合物中的应用视角 开放获取

《Polymer Chemistry》:From empirical imprinting to programmable synthetic receptors: A perspective on data science and machine learning for molecularly imprinted polymersOpen Access

【字体: 大 中 小 】 时间:2026年08月28日 来源:Polymer Chemistry 3.9

编辑推荐:

   打开图表查看器 分子印迹聚合物(MIPs)是通过模板聚合生成的多孔材料,其中功能单体和交联单体围绕目标分

  

分子印迹聚合物(MIPs)是通过模板聚合生成的多孔材料,其中功能单体和交联单体围绕目标分子组织,并固定在聚合物网络内,为选定的分析物创建高亲和力、选择性识别位点。MIPs 的吸引力在于其稳健性、低成本和化学多功能性,此外,还能直接将选择性分子识别编码到聚合物网络中,同时保留合成材料的热学、力学和加工优势。然而,尽管 MIPs 在一个世纪前被发现,其开发仍主要依靠经验性的、逐个目标优化的方法。因此,该领域为数据科学和机器学习提出了一个引人注目的挑战:MIP 性能源于材料、聚合物合成和加工参数的高维耦合,但这个复杂的设计空间仍然只是被稀疏采样。在这篇观点文章中,我们认为 MIPs 的下一步不仅仅是更好地预测聚合前相互作用,这传统上用于预测最佳组成。一旦 MIPs 被合成和应用,聚合前指标是功能性能的弱预测因子;因此,需要向数据驱动的聚合物设计进行更广泛的转变,从一开始就考虑制造约束。我们讨论了该领域的未来愿景,以及结构化数据集、高通量筛选、计算建模、贝叶斯优化和可解释机器学习如何促进从经验配方向可编程合成受体的转变。将涵盖传感和可持续制造路线,特别强调利用 MIPs 的稳健性以促进高通量生产和生物相容性挑战的路线。

本文根据 知识共享署名 4.0 未本地化版本许可协议获得许可。您可以在其他出版物中使用本文的材料,无需向 RSC 请求进一步许可,前提是给予正确的署名。
本工作根据 知识共享署名 4.0 国际许可协议 获得许可。
署名
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号