Adv. Mater.: 利用机器学习与密度泛函理论构建动多功能纳米药物——用于非炎症肿瘤治疗

本研究探索了一种结合机器学习与密度泛函理论的多功能纳米药物设计策略，旨在实现非炎症肿瘤治疗。传统试错法效率低下，本研究通过可解释的机器学习技术分析纳米材料特征与功能性能的关系，精准筛选出兼具光热治疗和抗炎功能的钌氧化物纳米颗粒（RuO₂ NPs）。理论计算和实验验证表明，RuO₂ NPs在近红外二区（NIR-II）窗口下具有高效光热肿瘤消融能力，并能通过缓解炎症和促进有利免疫微环境来增强治疗效果。研究证实了机器学习驱动方法在多功能纳米材料设计中的高效性和变革潜力，为癌症综合治疗提供了新思路。