高性能荧光探针是荧光成像应用中不可或缺的重要工具，有助于实现对局灶性组织的精准勾画，并最大限度地避免对健康组织的切除。有鉴于此，四川大学李坤教授通过机器学习辅助策略研究了目前可用的xanthene染料，并构建了一个定量预测模型来指导对所需的pH响应性新型荧光分子的合理设计。

本文要点：

（1）实验成功地制备了两种新型的Si─罗丹明衍生物，并构建了能够被组织蛋白酶/pH序贯激活的探针Si-罗丹明─组织蛋白酶-pH(SiR─CTS-pH)。研究发现，与由单一pH或组织蛋白酶激活的探针相比，SiR─CTS-pH能够实现更高的荧光成像信噪比。

（2）实验结果表明，SiR─CTS-pH对肿瘤细胞和组织具有较强的区分能力，可以准确地鉴别复杂的肝癌组织和正常组织，因此其在临床实践中也具有重要的应用潜力。综上所述，该研究构建的机器学习辅助模型能够为推动xanthene染料的发展和合理设计性能优良的荧光分子提供新的见解。

Fei-Fan Xiang. et al. Machine-Learning-Assisted Rational Design of Si─Rhodamine as Cathepsin-pH-Activated Probe for Accurate Fluorescence Navigation. Advanced Materials. 2024

DOI: 10.1002/adma.202404828

https://onlinelibrary.wiley.com/doi/10.1002/adma.202404828