本文已根据 Science X 的编辑流程和政策进行审阅。编辑在确保内容可信度的同时强调了以下属性：
事实核查
同行评审的出版物
可信来源
校对
华威大学和曼彻斯特大学的科学家开发了一种尖端计算框架，可增强药物的安全冷冻和疫苗。
疫苗、生育材料、献血和癌症疗法等治疗通常需要快速冷冻才能保持其有效性。此过程中使用的分子（称为“冷冻保护剂”）对于实现这些治疗至关重要。事实上，如果没有冷冻保存，此类疗法必须立即部署，从而限制了它们未来使用的可用性。
发表在《自然通讯》上的这一突破使得数百种新分子能够使用机器学习进行虚拟测试 -基于数据驱动的模型。
教授。华威大学这项研究的负责人加布里埃莱·索索 (Gabriele Sosso) 解释说：“重要的是要了解机器学习并不是解决每个科学问题的神奇解决方案。在这项工作中，我们将其用作众多工具中的一种，它的成功来自于它的与分子模拟的协同作用，最重要的是与实验工作的整合。”
这种创新方法代表了冷冻保护剂发现方式的重大转变，取代了目前昂贵且耗时的试错方法。
重要的是，通过这项工作，研究小组发现了一种能够防止冰晶在冷冻过程中生长的新分子。这是关键，因为冷冻和解冻过程中冰晶的生长对低温保存提出了重大挑战。现有的冷冻保护剂可以有效保护细胞，但它们不能阻止冰晶的形成。
该团队开发了一种计算机模型，用于分析大型化合物库，确定哪些化合物最有效冷冻保护剂。
博士。马特·沃伦博士领导该项目的学生评论道：“经过多年在实验室进行的劳动密集型数据收集，现在拥有一个机器学习模型，可以采用数据驱动的方法来预测冷冻保护活动，这是令人难以置信的令人兴奋。
“这是机器学习如何加速科学研究、减少研究人员花在常规实验上的时间并让他们能够专注于仍然需要人类聪明才智和专业知识的更复杂挑战的一个典型例子。”
该团队还利用血液进行了实验，证明通过添加新发现的分子可以减少血液储存所需的传统冷冻保护剂的量，这一进展可以加快冷冻后血液的洗涤过程，从而使血液能够更快地输注。p>
这些发现有可能加速新型、更有效的冷冻保护剂的发现，也可能允许重新利用已知的减缓或阻止冰生长的分子。
Prof.曼彻斯特大学的马修·吉布森补充道：“我的团队花了十多年的时间研究极地鱼类中发现的冰结合蛋白如何与冰晶相互作用，并且我们一直在开发模仿的新分子和材料这是一个缓慢的过程，但与 Sosso 教授的合作彻底改变了我们的方法。
“计算机模型的结果令人惊讶，识别出我永远不会选择的活性分子，即使是我自己也不会选择。多年的专业知识。这真正展示了机器学习的力量。”
更多信息：Matthew T. Warren 等人，数据驱动发现有效的小分子冰重结晶抑制剂，Nature Communications (2024)。DOI: 10.1038/s41467-024-52266-w
期刊信息：Nature Communications
由华威大学提供