来自北海道大学和深圳大学的Ichigaku Takigawa、李伟、龚建平和范海龙等学者在国际知名期刊Nature发表题为《Data-driven de novo design of super-adhesive hydrogels》的研究论文，提出需整合数据挖掘（DM）（从蛋白质数据库提取特征）、可控聚合技术（实现统计序列复制）和机器学习优化（高效探索配方空间），形成端到端的软材料设计框架，突破实验试错的瓶颈。该研究从24707种粘附蛋白中提取功能基团序列模式，将20种氨基酸简化为6类理化基团。提出相对组成策略，通过理想无规共聚统计复现蛋白的相邻偏好性。以180个水凝胶的小数据集为起点，结合批处理序列模型优化（SMBO），发现关键单体组合（BA/PEA/ATAC），实现疏水-静电协同粘附，强度突破1 MPa（10倍于文献值）。