网络研讨会：2024年值得关注的科学突破和新兴趋势

科学进步日新月异，每天都有新的发现。 CAS 对科学领域的历史和现状具有独到见解，可以洞察今年值得关注的新兴趋势。 近日，来自 Lawrence Livermore 国家实验室、俄亥俄州立大学、Oak Ridge 国家实验室和 CAS 的专家们于 1 月 25 日共同举办了一场网络研讨会，重点介绍了 2024 年值得关注的科学突破和趋势。

通过观看本次网络研讨会，您将了解到在解决不可成药难题、人工智能对研发的影响、生物材料的崛起、能源存储技术以及聚变能源创新等方面的最新进展。 查看我们的近期文章，了解有关新趋势的更多宝贵见解。

网络研讨会的主要亮点

Janet 介绍了在治疗不可成药难题方面的主要进展和新兴趋势，以展开讨论。 她谈到了神经退行性疾病、治疗阿尔茨海默病的药物进展，以及帕金森病生物标志物验证方面的突破。 这些突破建立在疾病的生物学原因基础之上，在治疗过程中至关重要。 此外，还探讨了抗体药物偶联物 (ADC) 作为抗肿瘤药物研发的一种方法。 过去几年，随着研究人员找到治疗以前癌症不可成药靶点等领域的方案，ADC 专利的发表趋势迅速增加。

Jonathan Allen 博士继续讨论，分享了他在药物发现中借助人工智能和机器学习技术的相关经验。 最近，提高自动合成新生物和小分子实体的能力已成为一项关键的新兴趋势，并正在改变新药的检索模式。 使用人工智能和机器学习有助于评估可能的药物靶点，并预测新药在人体内的反应。 最后，还讨论了临床成功的例子，包括小分子新药研究申报、靶点效力、颇具前景的药代动力学特征、抗体再设计和蛋白质折叠预测等。

在生物医学与材料科学的交汇点，Kevin Hughes 博士讨论了这一领域的创新以及审查新兴趋势的定量方法。 对 CAS 内容合集™ 的分析显示，生物材料领域有八个关键领域增长最快。 这类主题包括自愈合生物材料、脂基材料和生物墨水等。 最后，对可编程生物材料进行了更深入的趋势分析，揭示了期刊和专利出版物中最常用的生物材料刺激因素。

通过讨论电池储能的趋势，Yiying Wu 博士将网络研讨会过渡到了材料领域。 最近出现了许多新的电池趋势，如锂离子电池、固态电池、钠基和钾基电池、硫电池，甚至氧电池等。 每一种皆以细胞化学为基础，或从细胞化学的角度帮助解决挑战。 除了电池化学，讨论还涉及制造技术、供应链、电池回收和安全等问题。

Arnold Lumsdaine 博士以聚变能源为主题结束了本次网络研讨会。 他首先呼吁人们应采取行动，指出文明的未来取决于能源，并迫切需要无碳能源来满足世界日益增长的能源需求。 许多事件，包括科学进步、思维方式和政治意愿、技术改进、先进制造、高性能计算、材料进步以及大规模私人投资，都将聚变能源带入了一个新时代。 随后，会上重点强调了聚变能源过程以及等离子物理、材料和工程领域的种种挑战。

最后，与会者提出了许多问题，从人工智能和机器学习的根本区别，到聚变能源和锂离子电池如何融入电动汽车的绿色未来。 简言之，本次专题讨论会强调了许多值得关注的新兴话题，有助于塑造未来的研发机遇。

以下是本次网络研讨会的关键问题，以供参考：

人工智能 (AI) 与机器学习技术之间的根本区别是什么？

• 机器学习侧重于解决过去的特定问题（以统计数据为驱动的模型，侧重于预测特定属性）；人工智能则是机器学习的超集，在理论上增强了人类的工作。
• 一个比较性的示例是人工智能化学家，该系统能够提出新分子并决定制造和测试哪些分子，而机器学习模型则可以评估该系统在执行这些任务时的成功程度。

生物材料折叠盒于 2011 年发表。此后是否有最新的应用或进展？

• 从那时起，我主要强调了两个方面的进展：
  • 使用刺激响应材料进行 3D 打印，由此引发了“4D 打印”这一新领域的出现
  • 使用纳米级材料产生新型刺激响应。 一个典型示例是开发出了一种仿生水凝胶“游动器”，它通过将光热活性金纳米颗粒与温度响应型聚（N-异丙基丙烯酰胺）相结合，对可见光做出摆动响应。

如何处理锂电池或聚变能源方面的工作，以配合美国推动更多电动汽车的使用计划？

• 在电动汽车的更多应用成为主流之前，必须克服一些限制，例如采矿、电池充电时间以及极端条件对电池的影响等问题。
• 核聚变将是一种无碳电力来源。然而，由于锂是聚变燃料循环所需的元素之一（为了增殖氚），锂的供应可能成为一个问题。

现在如何为电动汽车提供能源（例如煤炭或其他），将来又将如何提供？

• 电动汽车的清洁度取决于其所使用的电网，因此，如果电网使用 100% 的煤炭和天然气，则电动汽车无法兼具清洁性和碳中和性。
• 目前，美国使用化石燃料、核能、可再生能源和其他能源为其电网提供燃料，未来还有可能使用核聚变能源。 有关核能、氢能和锂离子电池回收的更多信息，请参阅我们最近的洞察报告文章。

是否有人在研究外泌体等生物纳米技术？

• 是的，人们正在研究外泌体作为药物递送系统的用途及其治疗潜力。 外泌体治疗公司正在研究癌症、神经系统疾病、肺部疾病和伤口愈合等疾病的治疗方法。 有关外泌体及其新兴机遇的更多信息，请参阅我们根据最近基于 ACS Nano 同行评议出版物编写的 CAS 洞察报告。

是否有研究显示，使用生成式人工智能帮助筛选新药的效率与传统的 HTS 相比具有普遍可比性？ （在人工智能/机器学习技术帮助下确定的命中率与通过 HTS 确定的命中率之间的比较）

• 最好是能够进行严格的并排比较，然而我们还尚未目睹这种比较，而且也很难见到。 在高通量筛选方面，目前正在使用 DNA 编码库，对数十亿种化学物质进行组合测试。在这样做的时候，总是可以选择建立从 HTS 数据中学习的机器学习模型，帮助对结果进行分类，再将这两种方法结合起来，从而共同产生更好的结果。

请点击此处，查看网络研讨会的录播视频和相关幻灯片。