科学是人类认知世界的重要途径，而人工智能则是当今时代的一大热点。当这两者相遇、交融时，由此 AI For Science（人工智能驱动的科学研究，亦称 AI4S）应运而生。AI For Science 是一种创新的方法论，将人工智能技术应用于科学研究的各个领域。通过机器学习、数据挖掘和模式识别等技术手段，AI For Science 能够从海量的科学数据中发现规律、提取知识，并为科学家提供更准确、更高效的研究工具。

纳米酶作为新一代的人工酶，具有催化活性高、反应条件温和、稳定性好、成本低、易于大规模生产等优点，在纳米催化医学领域显示出广阔的应用前景。然而，可用于治疗的纳米酶数量有限，当前试错模式的纳米酶开发效率低下，并且在纳米酶设计过程中缺乏与疾病特征因素的深度整合。本课题组通过AI For Science的新一代研究方法，结合第一性原理计算与人工智能技术，开展数据驱动的面向疾病治疗纳米酶理性设计及开发研究，促进纳米酶研究范式转变，加速实现纳米酶的临床转化。

具体研究方向：

（1）纳米催化生物医用材料：金属及合金(ASAP)、金属化合物(Small 2022, 18, 2104160)、碳材料(J. Colloid Interface Sci. 2022, 607, 22169-22181; Nano Res. 2022, 15(2), 1446-1454; Nano Today 2022, 43, 101429; ACS AMI 2022, 14(24), 27720-27732; Small 2020, 16, 2001440)、异质结(J. Colloid Interface Sci. 2022, 613, 376-383; Chem. Mater. 2022, 34(3), 1356-1368; Adv. Funct. Mater. 2022, 32(20), 2112683; Anal. Chem. 2022, 94(39), 13598-13606; Chem. Eng. J. 2021, 413, 127537)等。

（2）纳米药物递送体系与医疗器械：微针(Adv. Funct. Mater. 2023, 33(10), 2210850; Acta Biomater. 2023, 158, 811-826; ACS AMI 2022, 14(23), 26455-26468)、水凝胶敷料(ACS Nano 2023, 17(16), 15962-15977)、口服药物(Adv. Mater. 2023, 35(44), 2304967）、医用导管(Biomater. Sci. 2015, 3, 842-851; Acta Biomater. 2017, 50, 353-360; Acta Biomater. 2017, 64, 200-210; J. Biomed. Mater. Res. A, 2019, 107, 445-467; Colloid Surf. B 2020, 196, 111313; Colloid Interface Sci. Commun. 2021, 45, 100507; ACS AMI. 2020, 12, 21300-21310)、隐形眼镜(Small 2024, 2308403; Biomaterials 2017, 124, 55-64)、纳米载体(J. Colloid Interface Sci. 2019, 551, 470-479; Nanoscale Adv. 2020, 2, 3561-3569; ACS AMI 2021, 13(19), 22169-22181; Colloid Surf. B 2021, 200, 111618; Mater. Sci. Eng. C 2021, 118, 111520)等。

（3）数据驱动的生物活性材料理性设计：机器学习(ACS Mater. Lett. 2022, 4, 2134-2142; Nano Lett. 2022, 22(21), 8592-8600)、高通量计算筛选(Adv. Mater. 2023, 35(44), 2304967）、生物活性材料信息数据库(ASAP)、新型融合算法(J. Am. Chem. Soc. 2024, ASAP)等。