跳到正文
Advanced Materials· Sicai Li; Lingyu Shi; Yuanyuan Zhang; Zirui Wang; Xiaohu Wang; Huilan Liu; Gang Zhao·· 来源仅提供日期AI 评分55

基于预训练语言模型表示发现小分子冷冻保护剂

Discovery of Small‐Molecule Cryoprotectants Using Pretrained Language Model Representations

AI 导读

Sicai Li 等将预训练语言模型用作 SMILES 序列编码器,筛选小分子冷冻保护剂并送入实验测试。方法把分层表示与描述符重建、门控融合以及归一化平均晶粒尺寸和阈值标签预测结合,随后用 splat-cooling 测量评估冰重结晶抑制,并在红细胞、人脐带间充质干细胞和大鼠腹主动脉中开展相容性与冷冻保存实验。在测试配方中,选出的添加剂改善了回收率或保存终点。

已发表论文 · journal · 10.1002/adma.75629

本站摘要基于收录版本 v1(2026-11-09),原始摘要与 AI 导读固定保留。

IF(5) 29.6 · 2025 · 期刊参考指标

摘要 · AI 翻译

低温保存支撑着细胞治疗、输血医学和组织库,但冷冻保护剂的选择仍受限于经验筛选、毒性以及冰的重结晶。我们使用预训练语言模型作为 SMILES 序列编码器,以优先筛选用于实验测试的小分子冷冻保护剂。分层表示与描述符重建、门控融合以及归一化平均晶粒尺寸和阈值标签的下游预测相耦合。溅射冷却测量评估了候选物的冰重结晶抑制能力,随后在红细胞、人脐带来源的间充质干细胞和大鼠腹主动脉中进行了相容性与低温保存实验。所选添加剂在受试配方中改善了回收率或保存终点。这一基于表示的筛选工作流将分子性质预测与实验低温生物学在冰、细胞和组织终点上联系起来。

来源:Advanced Materials · doi.org