您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202609-33
论文题目 藤壶胶蛋白仿生医用粘合剂研究进展与人工智能赋能展望
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷()

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年, -

编者.论文集名称(英文) [c].

出版地出版社 出版年,-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • (0)

  • ()

藤壶胶蛋白仿生医用粘合剂研究进展与人工智能赋能展望

首发时间:2026-09-29

胡碧茹 1   

胡碧茹(1972-),女,教授,硕导,主要研究方向:仿生生物学

李卫 2    宋俊祎 1   

宋俊祎(1990-),男,副教授,硕导,主要研究方向:仿生材料

  • 1、国防科技大学理学院
  • 2、陆军军医大学第一附属医院
DOI:10.12383/SciencepaperOnline.202609.0033CSTR:20001.14.SciencepaperOnline.202609.0033

摘要:组织损伤临床修复对湿界面粘结能力强、生物相容性优异的医用粘合剂存在迫切需求。海洋生物藤壶、贻贝等能够在水环境下实现牢固粘附,其分泌的粘附蛋白为高性能生物医用粘合剂开发提供宝贵仿生原型。传统研究主要依靠天然胶提取、重组全长蛋白表达、化学高分子仿生等手段开发仿生粘附材料,但面临蛋白表达纯化困难、材料湿粘附性能与生物相容性难以兼顾等瓶颈。合成生物学推动多功能模块融合蛋白粘合剂快速发展,而海量多肽蛋白功能模块的组合筛选成为制约该方向发展的关键难题。机器学习结合多肽定量构效关系,能够挖掘多肽序列特征与湿粘附功能之间的内在关联,为粘附功能多肽模块高通量筛选、最优功能模块组合挖掘提供全新技术手段。本文梳理藤壶胶蛋白的研究现状,总结融合蛋白粘合剂的构建策略,阐述机器学习在粘附多肽、粘附蛋白筛选优化中的应用潜力,归纳该领域现存挑战,为新型医用粘合剂研发提供参考。

关键词: 医用粘合剂 藤壶胶蛋白 仿生融合蛋白 机器学习

For information in English, please click here

Research progress of barnacle cement protein based biomimetic medical adhesives and prospects for artificial intelligence empowerment

Hu Biru 1   

胡碧茹(1972-),女,教授,硕导,主要研究方向:仿生生物学

Li Wei 2    Song Junyi 1   

宋俊祎(1990-),男,副教授,硕导,主要研究方向:仿生材料

  • 1、College of Science, National University of Defense Technology
  • 2、The First Affiliated Hospital of Army Medical University

Abstract:Tissue repair urgently requires medical adhesives with robust wet?interface adhesion and excellent biocompatibility. Marine organisms including barnacles and mussels exhibit strong adhesion in aqueous environments, and their adhesive proteins serve as valuable biomimetic prototypes for high?performance biomedical adhesives. Traditional strategies to fabricate biomimetic adhesives, such as natural cement extraction, recombinant full?length?protein expression and chemical polymer bionics, face major bottlenecks: troublesome protein expression?purification and a trade?off between wet?adhesion performance and biocompatibility. While synthetic biology has boosted fusion?protein adhesives, combinatorial screening of enormous peptide?protein functional modules limits further advances in this field. Combined with peptide quantitative structure?activity relationships, machine learning can uncover inherent links between peptide sequence features and wet?adhesive functions, enabling high?throughput screening of adhesive?peptide modules and discovery of optimal module combinations. This review summarizes barnacle?cement?protein research progress, outlines construction strategies for fusion?protein adhesives, demonstrates machine?learning potential for adhesive peptide?protein screening and optimization, and highlights remaining challenges, providing guidance for developing novel medical adhesives.

Keywords: medical adhesive barnacle cement protein biomimetic fusion protein machine learning

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
胡碧茹,李卫,宋俊祎. 藤壶胶蛋白仿生医用粘合剂研究进展与人工智能赋能展望[EB/OL]. 北京:中国科技论文在线 [2026-09-29]. https://www.paper.edu.cn/releasepaper/content/202609-33.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

藤壶胶蛋白仿生医用粘合剂研究进展与人工智能赋能展望