《Nature·子刊》新加坡国立大学翟伟：竹子启发的超强纳米纤维增强复合水凝胶！

自然界绝大数材料如竹子、骨骼、贝壳等，经过长期的自然进化，具有高度优化的力学性能和功能。这些材料通常由纤维、网络或板状结构嵌入在非均质的增韧基体中，并以多层级结构排列，以优化力学性能。受这些天然复合材料的启发，合成已成为增强各种材料的经典材料设计方法。纤维素因其天然来源、生物相容性和高机械性能而作为复合材料的增强材料引起了广泛关注，然而，从天然来源提取纤维素的传统自上而下的过程通常涉及复杂的机械和化学处理，这很容易损坏纳米纤维的界面，尤其在水凝胶这种与天然纤维素差别较大的软体材料中更容易出现应力集中。

因此，新加坡国立大学翟伟教授团队受到竹子组成单元的启发开发了一种自下而上的纳米纤维组装策略，用竹子启发的基本组成单元构建强纤维增强复合水凝胶。这种纳米纤维用超声波辅助分子组装工艺，从壳聚糖和海藻酸钠等成分中制备多糖基纳米纤维，所得的纳米纤维晶体结构较少，具有相容模量和高强度，将其与TA和PVA结合，形成具有强分子相互作用的基本组成单元。后续制得竹制复合水凝胶具有优异的机械性能，包括高达60.2 MPa的高抗拉强度。此外，由于复合水凝胶基本组成单元中排列结构和分子相互作用的协同效应，可以同时实现48.0 MPa的高强度和470%的极限应变。该工作以“Bamboo-inspired ultra-strong nanofiber-reinforced composite hydrogels“为题，发表在2025年的《Nature Communications》上。

【制备工艺】

1.壳聚糖-海藻酸钠纳米纤维的制备：通过将1.0g CS溶解在49g乙酸溶液中制备2%wtCS溶液。通过将1.0g SA溶解在49g去离子水中制备2wt%SA溶液。将50g CS溶液和50g SA溶液以1:1的比例混合。然后使用超声均化器将混合物超声处理2小时，以获得壳聚糖-藻酸钠纳米纤维（CSNF）悬浮液。

2.CSNF-TA-PVA复合水凝胶的制备：通过将10g PVA溶解在90g去离子水中制备10wt%PVA溶液。CSNF-PVA混合物是通过将CSNF悬浮液和PVA溶液以1:10的质量比混合在一起而获得的。然后，将混合物脱气并浇铸在培养皿（直径：90mm）中，并在空气中干燥，以获得CSNF-PVA复合材料。CSNF-TA-PVA水凝胶是通过将干燥的CSNF-PVA复合材料在30wt%TA溶液中再溶胀两天而获得的。为了进行比较，纯PVA和CSNF-PVA水凝胶是通过浸渍干燥的PVA和CSNF-PVA复合材料在去离子水中浸泡2天。通过将干燥的PVA浸入TA溶液（30wt%）中2天来获得PVA-TA水凝胶。

3.定向CSNF-TA-PVA复合水凝胶的制备：将PVA-TA-CSNF水凝胶拉伸至100%应变，并在空气干燥时保持。完全干燥后，将复合物固定并在硫酸钠溶液（20~30重量%）中重新膨胀。所有样品的溶胀比由溶胀体积比Qv=V溶胀/V0确定，其中V溶胀和V0分别表示水凝胶在溶液中浸泡后的平衡体积和干燥状态下的初始体积。

【文章亮点】

1.创新的仿竹子策略：竹子的层次纤维结构使其兼具高强度和高韧性，文章模仿竹子的纤维素、木质素和半纤维素的基本组成单元，设计出自组装的壳聚糖-海藻酸钠纳米纤维（CSNFs）、单宁酸（TA）和聚乙烯醇（PVA）构成的复合水凝胶。其中，CSNFs 类似于竹子中的纤维素微纤维，提供强度，TA 作为木质素类似物，填充于纤维之间并提供刚度和抗变形能力，PVA 则类似于半纤维素，作为粘结基质增强柔韧性。

2.自下而上的组装策略：通过超声辅助分子组装过程，制备出具有合适模量和高强度的 CSNFs，避免了传统方法中因机械和化学处理导致的纤维界面损伤问题，使纳米纤维具有无缺陷的微观结构和功能界面，能更好地与其他分子相互作用形成基体和界面。

3.优秀的力学性能：所制备的复合水凝胶展现出优异的力学性能，其拉伸强度可达 60.2 MPa，同时具备 48.0 MPa 的高强度和 470% 的最大应变。相比纯 PVA 水凝胶，其强度和韧性均有显著提升，克服了一般复合水凝胶难以同时兼顾高强度和高韧性的难题，实现了强度与韧性的协同增强。

图1：以竹子为灵感的水凝胶的合理设计说明（成分、相互作用和结构）

图2：竹制水凝胶的力学性能和基本组分之间的分子相互作用

图3：纳米晶结构的演变

图4：竹质水凝胶的形态和力学性能

图5：竹子启发的坚韧水凝胶原理

图6：竹质水凝胶的冲击性能

参考文献：

Bamboo-inspired ultra-strong nanofiber-reinforced composite hydrogels, H. Zhuo, X. Dong, Q. Liu, L. Hong, Z. Zhang, S. Long, W. Zhai, Nature Communications 16 (2025) 980.

文章链接：

https://doi.org/10.1038/s41467-025-56340-9