综述：基于人工智能的荧光探针设计在生物医学应用中的研究

《Chemistry – A European Journal》：Artificial Intelligence-Guided Design of Fluorescent Probes for Biomedical Applications

荧光成像技术依赖探针的光学、靶向和响应特性，传统开发方法效率低且难以解析复杂关系。人工智能通过快速预测、高通量筛选和逆向设计显著提升探针开发效率，优化光学性能、靶向能力及响应机制，并拓展至生物成像、传感和治疗应用。当前仍需解决数据质量、可解释性及跨学科整合等挑战。

　　

摘要

荧光成像（FLI）由于其非侵入性、高灵敏度和出色的空间分辨率，已成为生物医学研究的基石。FLI 的有效性主要取决于荧光探针的特性，包括光物理特性、靶向能力和响应性。然而，目前 FLI 中的探针开发依赖于经验性的试错策略或量子化学计算，这两种方法既耗时又费力，且往往不足以精确解析复杂的结构-性质-功能关系。最近在人工智能（AI）方面的进展为理性探针设计开辟了新途径，包括快速性能预测、高通量分子筛选和基于性能的逆向设计。尽管如此，系统而全面的综述来阐明 AI 在生物医学应用中指导荧光探针设计的方法仍然缺乏。本综述重点介绍了 AI 在荧光探针设计和性能优化方面的最新进展，以用于生物成像应用。首先，阐明了基于 AI 的预测框架背后的概念性工作流程。其次，详细阐述了 AI 对优化关键探针特性（包括光学性能、靶向能力和响应能力）的影响。第三，回顾了 AI 引导的探针在成像、传感和治疗中的生物医学应用。最后，简要讨论了加速 AI 引导的荧光探针设计发展的当前挑战和未来前景。

图形摘要

人工智能被用于通过数据驱动的分子设计来理性优化荧光探针的特性，并生成具有所需性能的新探针骨架。这些定制的探针可以应用于多种生物场景，包括成像、传感和治疗。

利益冲突

作者声明，在本研究的发表过程中不存在任何利益冲突。

数据可用性声明

支持本研究结果的数据可应合理要求向通讯作者索取。