填写下面的表格以解锁对所有音频文章的访问。
p>
华威大学和曼彻斯特大学的研究人员开发了一种基于机器学习的模型来增强冷冻保护剂的发现。新方法识别了在冷冻过程中防止冰晶生长的分子，有可能改善疫苗、血液和其他医疗方法的储存，同时减少对传统方法的依赖。
来自华威大学和曼彻斯特大学的科学家开发了一种尖端的计算框架，可以增强药物和疫苗的安全冷冻。
疫苗、生育材料、献血和癌症治疗等治疗通常需要快速冷冻以保持其有效性。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。
订阅技术网络每日时事通讯，提供突破性科学每天都有新闻直接发送到您的收件箱。
免费订阅Prof.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方法。在这项工作中，我们将其用作众多工具中的一种，它的成功来自于它与分子模拟的协同作用，最重要的是，与实验工作的集成。
这种创新方法代表了一种重要的方法冷冻保护剂的发现方式发生了转变，取代了目前使用的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，确定哪些化合物作为冷冻保护剂最有效。
博士。牵头该项目的博士生马特·沃伦 (Matt Warren) 表示：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，可以通过数据驱动的方法来预测冷冻保护活动，这令人非常兴奋。这是机器学习如何加速科学研究的一个典型例子，减少研究人员花在常规实验上的时间，使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的挑战。
该团队还使用血液进行了实验，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，从而使血液输注速度更快。
参考文献：Warren MT、Biggs CI、Bissoyi A、Gibson MI、Sosso GC。数据驱动发现有效的小分子冰重结晶抑制剂。纳特·康姆.2024；15(1)：8082。doi: 10.1038/s41467-024-52266-w
本文根据以下资料转载。注意：材料的长度和内容可能已被编辑。欲了解更多信息，请联系引用的来源。您可以在此处访问我们的新闻稿发布政策。
此内容包括在人工智能的帮助下生成的文本。Technology Networks 的人工智能政策可在此处找到。