Nat Commun | 李真团队机器学习与原位界面研究推动石墨烯量子点结构演进实现衰老细胞精准识别与清除

背景：细胞衰老是机体衰老和多种慢性疾病的重要诱因，衰老细胞会持续分泌炎症因子并逃避免疫清除，因此选择性清除衰老细胞是一种有前景的抗衰老策略。研究目的：针对碳点等零维碳材料构效关系不完善、界面机制不明确的问题，研究旨在通过机器学习辅助设计石墨烯量子点结构，实现对衰老细胞的精准识别与清除。结论：研究成功构建了N原子有序掺杂的石墨烯量子点，通过机器学习建立了其结构与光动力活性的构效关系，并利用原位磁共振技术揭示了该材料在衰老细胞代谢重编程微环境中界面输运特性增强的机制。该材料能基于衰老细胞NAD⁺水平变化实现荧光识别与光动力清除功能，在细胞模型和动物实验中验证了其高效清除衰老细胞并促进组织修复的能力，为抗衰老纳米医学提供了新范式。