機械学習が導く「水を抱える材料」の設計方程式～ワンヘルスに寄与する高分子材料の創出法を確立～

2025-11-11 理化学研究所

理化学研究所の研究チームは、機械学習による「ハイドロゲル（高吸水性材料）」の設計方程式を構築した。TD-NMRや多重共鳴NMRなどの分析データとRDKit分子記述子を組み合わせ、シンボリック回帰で膨潤やリガンド相互作用を説明する数式を導出。水分子だけでなく高分子鎖の運動性を新たな要素として特定した。これにより、紙おむつなどの吸水材や医療材料をデータ駆動で迅速設計でき、ワンヘルス社会の実現に貢献する。

データ駆動型アプローチによるハイドロゲルの設計方程式創出プロセス
［Editageの協力により作成］

＜関連情報＞

ハイドロゲルの膨潤と分子相互作用の統合記号回帰に基づくデータ駆動型処方 Data-Driven Formulation Based on Integrated Symbolic Regression of Hydrogel Swelling and Molecular Interactions

Masayuki Okada,Wenrui Zhu,Yoshifumi Amamoto,Jun Kikuchi
ACS Materials Letters Published:Published November 6, 2025
DOI:https://doi.org/10.1021/acsmaterialslett.5c00957

Abstract

Hydrogels offer promising solutions across various fields. However, understanding complex behaviors like swelling and ligand interaction requires multiperspective data, from functional groups to molecular dynamics. Single-perspective analyses often fall short, especially when ligand-induced selective adsorption occurs. This study presents a data-driven approach integrating TD-NMR, ¹H–¹⁵N HSQC, ¹H–¹³C HNCO with isotope-labeled peptides, RDKit descriptors, and DSC data. Using symbolic regression, we derived highly accurate, interpretable equations (e.g., swelling ratio accuracy = 1.0 on test set). This methodology reveals fundamental hydrogel mechanisms and provides a framework for rational design.