机器学习驱动的治疗性核苷水凝胶用于牙周炎的发现

为什么为痛苦的牙龈需要“智能凝胶”

牙龈疾病是全球最常见的健康问题之一，但现有治疗往往难以将药物准确送达所需位置并在体内停留足够长的时间以发挥作用。本研究描述了研究人员如何利用计算学习工具设计出微小、类药物的构件，这些构件能自组装成柔软的凝胶。将这些凝胶置于牙齿周围，可对抗有害的口腔细菌并保护支撑牙齿的骨骼。

从随机试验到引导式设计

由小分子构成的富水凝胶长期以来被视为药物递送和组织修复的有前景材料。尤其是由核苷构建的凝胶——与构成DNA和RNA的分子同属一类——具有良好的生物相容性，能修复自身结构的轻微损伤。直到现在，有用的这类凝胶通常是通过偶然发现或通过缓慢调整化学基团得到的，这一过程既缓慢又不确定。作者们旨在用一种更系统的方法来替代大量的试探工作，以预测哪些核苷分子能够形成凝胶以及它们在体内可能的行为。

教计算机识别有用的分子

团队收集了大量公开数据集，描述了数千种小分子在生物学测试中的表现，包括毒性、抗菌能力、抗病毒作用、抗炎效果以及对肿瘤细胞的活性。对每个分子，他们计算了数千个数值特征，以编码其结构的各个方面。通过多种类型的机器学习模型，他们训练计算机将这些结构特征与九种不同的生物活性联系起来。为避免过拟合并提高准确性，他们在构建模型前仔细过滤并选择了信息量最高的特征。

在安全性、强度与抗菌力之间取舍

为牙龈疾病设计凝胶不仅仅是杀死细菌。材料必须对人体细胞安全，并能形成稳定、可注射的凝胶，能够在牙龈袋内停留。为平衡这些需求，研究人员引入了两种新的评分工具。分子生物活性特异性指数（Molecular Bioactivity Specificity Index）突出显示分子在单一活性上的优势，例如在针对某种关键牙龈病菌时对其他方面保持低影响。复合分子属性分数（Composite Molecular Attribute Score）同时权衡多种属性，对那些在强凝胶形成、低毒性和高抗菌潜力之间实现最佳组合的分子进行排序。

从计算机命中到可用的水凝胶

利用他们的模型和评分系统，作者筛选了七千多种基于核苷的候选分子，并将名单缩减为四种在实验室中可实际合成的分子。其中，两种相关化合物——GMP和dGMP——在测试中脱颖而出。与银离子混合后，它们形成了软而多孔的凝胶，具有良好的机械强度并能在扰动后恢复结构。在体外培养皿中，无论是游离分子还是它们的凝胶形式，均显著抑制了与牙周炎密切相关的主要细菌牙龈卟啉单胞菌（Porphyromonas gingivalis）的生长，同时对哺乳动物细胞保持温和。

在活体动物中测试牙龈保护效果

研究人员随后在小鼠牙龈疾病模型中测试了这些凝胶。在一组实验中，他们在P. gingivalis感染后通过注射凝胶到牙龈袋中来治疗已建立的牙周炎；在另一组中，他们在感染后不久使用凝胶以观察是否能预防损伤发生。在两种情况下，颌骨扫描显示接受治疗的小鼠在牙齿周围丧失的支撑骨更少，并保持了更密实、更健康的骨结构。牙龈组织切片显示炎症迹象减少，且与愈合和组织修复相关的标志物水平升高。重要的是，对主要器官和注射部位的检查未显示明确的组织损伤或持续性炎症。

这对未来口腔护理意味着什么

对普通读者而言，关键信息是：研究团队构建了一种更智能的方法，通过让计算机从大型化学与生物数据集中学习，来设计用于口腔的软性药物载体凝胶。他们的方法锁定了两种基于核苷的凝胶，这些凝胶能够在小鼠中安全地对抗一种主要的牙龈疾病细菌并有助于保存牙齿周围的骨骼。尽管在这些材料进入临床之前仍需更多工作，该研究表明机器学习引导的设计可能加速针对牙龈疾病乃至其他口腔病症的靶向治疗的开发。

引用: Li, W., Wen, Y., Huang, Z. et al. Machine learning-driven discovery of therapeutic nucleoside hydrogels for periodontitis. Int J Oral Sci 18, 41 (2026). https://doi.org/10.1038/s41368-026-00438-3

关键词: 机器学习, 牙周炎, 水凝胶, 口腔微生物群, 生物材料