理研开发出预测聚合物表面蛋白质吸附量的新型AI，加速药物和生物材料的开发

背景：在生物材料开发中，需要精密控制聚合物表面的蛋白质吸附以满足抗吸附与固定化的矛盾需求，但目前主要依赖研究者的经验试错，且现有AI模型只能预测特定蛋白质或材料。研究目的：研发一种能够高精度且广泛预测聚合物表面蛋白质吸附量的通用AI模型。结论：日本理化学研究所研究团队开发了AI模型“BB-EIT”，该模型融合大规模语言模型ChemBERTa与材料科学专业知识，通过将聚合物厚度、表面电学性质等物理化学特征和蛋白质特征向量结合，并采用数据增强法补充实验数据，实现了针对广泛材料与蛋白质组合的高精度预测（精度指标达0.88）。该模型有望加速药物递送系统和高端诊断器件的开发。