本研究提出了一种由实验驱动的机器学习策略，用于发现非常规且非直观的自组装肽材料，这些材料能够形成β折叠结构，其中许多是传统设计规则无法预测的。通过主动学习循环和对机器学习模型与传统预测器之间分歧区域的重点探索，研究人员成功识别了大量新型β折叠形成序列，显著扩展了肽材料的化学设计空间。该方法超越了传统预测工具的局限性，为新型功能性生物材料的发现提供了强大范式。发表于 2025年06月12日。

原文链接：https://x.com/BiologyAIDaily/status/1933184698601333117