主要观点总结
美国麻省理工学院罗伯特·朗格团队开发出一种基于聚酸酐材料的可编程脉冲释放微粒平台，通过单次注射就能实现多剂次疫苗释放。该技术采用AI技术中的机器学习模型，在材料筛选、疫苗释放性能优化等方面发挥了重要作用。该平台不仅提高了疫苗递送的精准性，也为其他需要多次给药的治疗药物提供了技术平台。未来，该技术在公共卫生、全球疫苗普及以及精准药物递送等领域具有广泛应用前景。
关键观点总结
关键观点1: 研究成果
团队开发出一种基于聚酸酐材料的可编程脉冲释放微粒平台，实现单次注射多剂次疫苗释放。
关键观点2: 技术原理
采用AI技术中的机器学习模型，用于预测微粒释放性能等关键性能指标。
关键观点3: 研究过程
研究中构建了聚酸酐聚合物组合，筛选出了最优材料，并发现聚合物单体中碳链长度的奇偶性对微粒封装与释放性能的影响。
关键观点4: 成果应用
该技术不仅提高了疫苗递送的精准性，也为酸敏感生物大分子的多剂量递送提供了理论基础和技术平台。该技术还可用于其他治疗药物的递送，有望改善疗效与用药体验。
正文
研究中，他们构建了
23
种聚酸酐聚合物组合，并筛选出
6
种在加工性和生物相容性上最优的材料。
此外，其还首次发现聚合物单体中碳链长度的奇偶性会显著影响微粒封装与释放性能，并结合机器学习模型预测了释放时序和抗原回收率。
可以说，
AI
技术特别是机器学习模型，在加速材料筛选和优化疫苗释放性能上发挥了重要作用。详细来说，该团队基于实验数据建立了预测模型，将聚合物的单体类型、配比、分子量及疫苗负载量等变量作为输入，以用于预测一些关键性能指标，比如预测释放时间点、释放时间窗口及抗原回收率。
在上述模型的帮助之下，他们显著提升了设计效率，从而能在无需依赖大量实验的情况下，快速评估近
500
种材料组合，进而筛选出了最具潜力的聚合物。
最终实验验证结果也与
AI
预测结果高度吻合，这表明机器学习在复杂生物材料设计中具有强大的辅助决策能力。未来，该方法也能用于其他递送系统的开发，推动疫苗与药物递送领域的智能化进程。
（来源：
Advanced Materials
）
张林子铉表示，总的来说本次成果不仅提升了疫苗递送的精准性，也为酸敏感生物大分子的多剂量递送提供了理论基础和技术平台。
据她介绍，此次开发的单次注射自助加强疫苗平台具有极高的转化潜力：
首先，未来几年内随着材料性能优化与规模化制造技术的成熟，该系统有望用于多种儿童疫苗的递送，比如白喉疫苗、百日咳疫苗以及小儿麻痹疫苗，尤其适用于医疗资源有限的地区。
其次，该平台的意义并不仅仅局限于疫苗递送，还可拓展用于需要多次给药的治疗类药物，比如慢性疾病治疗或癌症免疫疗法。通过一次注射实现多剂量释放，从而可以显著提升患者依从性以及减少就诊频率，进而改善疗效与用药体验。
“
因此，我们认为这一技术将有望在公共卫生、全球疫苗普及以及精准药物递送等多个领域发挥广泛影响。
”
张林子铉表示。
（来源：
Advanced Materials
）
![]()
![]()
![]()
![]()
![]()
![]()
产生与传统两针方案相当的免疫反应
