上海中医药大学发表最新Cell子刊论文

撰文丨王聪

编辑丨王多鱼

排版丨水成文

对肿瘤细胞外基质（ECM）进行精确建模，对于理解癌症进展、治疗抵抗和转移至关重要。然而，现有的体外模型往往难以复制细胞外基质的生化复杂性和动态物理特性。

人工智能（AI），尤其是机器学习和深度学习，为设计模拟细胞外基质的生物材料以及通过数据驱动的见解和预测模型来指导生物制造过程，提供了一种变革性策略。

2025 年 9 月 1 日，上海中医药大学栾鑫、汤忞、张卫东等人在 Cell 子刊Cell Biomaterials上发表了题为：AI-guided biomaterials and biofabrication strategies for enhanced tumor extracellular matrix mimicry 的研究论文。

该综述论文全面概述了人工智能（AI）方法如何融入肿瘤细胞外基质（ECM）建模的三个关键阶段：材料配方、优化生物制造工艺以及制造后分析。AI 能理性开发具有可调机械、化学和生物特性的生物墨水，提高打印精度和一致性，并支持对工程化 ECM 模型内结构-功能关系的高通量探索。AI 增强的体外肿瘤建模有助于工程化肿瘤模型的合理设计和实时优化，为构建支持药物发现和癌症机制研究的生理相关平台提供了强大的工具。除了肿瘤学之外，这一框架还可以扩展到其他涉及细胞外基质功能障碍的疾病，包括纤维化、神经退行性疾病和炎症性肠病。展望未来，建立标准化数据集、提高模型可解释性以及纳入临床验证对于弥合 AI 驱动的细胞外基质建模与现实世界转化影响之间的差距至关重要。

肿瘤的细胞外基质（ECM）在癌症进展中发挥着关键作用，影响肿瘤的生长、迁移、侵袭以及对治疗的抵抗。生物材料和生物制造技术的最新进展使得能够利用天然和合成生物材料以及 3D 生物打印和微流控等方法模拟某些 ECM 特征。然而，现有的方法在捕捉 ECM 的固有复杂性和动态行为方面仍存在局限性。

人工智能（AI）通过在 ECM 模型的三个阶段——预处理（pre-process）、处理中（in-process）和处理后（post-process）——提高精度和适应性来解决这些局限性。在预处理阶段，AI 通过预测建模和初步设计选项探索来促进生物材料的设计，从而实现定制化的材料特性。在处理中阶段，AI 实现了对生物制造方法的实时监测和优化，包括对微球、3D 生物打印和微流控过程的精确控制，从而确保肿瘤 ECM 结构和特性的准确复制。最后，在处理后阶段，AI 有助于对细胞外基质数据集进行高通量分析，将生物物理特性与肿瘤行为联系起来。通过在生物材料和生物制造工作流程的所有阶段整合 AI，该综述强调了在肿瘤细胞外基质模型中可实现的更高精度、效率和动态性。

AI驱动的生物材料及用于复制肿瘤细胞外基质的工程方法概述

正常组织与肿瘤组织细胞外基质结构和功能差异示意图

机器学习在材料设计中的应用概述

用于水凝胶的各种交联方法以及AI优化方法的图形表示

常见 3D 生物打印策略的示意图

用于构建类细胞外基质肿瘤模型的AI增强型生物制造示意图

机器学习在肿瘤模型设计中的应用概述

总之，人工智能、生物材料和生物制造的融合正在彻底改变肿瘤细胞外基质的模拟。通过超越传统的反复试验方法，人工智能（AI）不仅提高了三维模型的生理相关性，还为患者特异性药物测试平台奠定了基础。随着这些技术的成熟，它们有可能重新定义我们对细胞外基质在癌症进展中作用的理解，并加速从实验室到临床的研究转化。

论文链接：

https://www.cell.com/cell-biomaterials/fulltext/S3050-5623(25)00179-5