几十年的纳米毒理学研究已经产生了广泛而多样的数据集。然而，数据并不等于信息。而如何提取隐藏在海量数据流中的关键信息成为当下研究的重要问题。在这里，广州大学闫兵表明人工智能（AI）和分子模拟在将纳米毒性数据转化为关键信息方面发挥着关键作用，即构建定量的纳米结构（物理化学性质）-毒性关系，并阐明毒性相关的分子机制。

本文要点：

1) 人工智能和分子模拟要想充分发挥作用，必须克服几个障碍。其中包括缺乏高质量的纳米材料和标准化的纳米毒性数据，并且缺乏模型友好型数据库，以及缺乏特定和通用的纳米描述符，进而无法在现实的空间和时间尺度上模拟纳米材料。

2) 作者对目前的能力差距和填补这些巨大差距所需的工具进行了全面的总结。具体而言，作者讨论了人工智能和分子模拟的应用，这可以解决纳米毒理学研究的大规模数据挑战。还批判性地讨论了对模型友好的纳米毒性数据库、强大的纳米描述符、新的建模方法、分子机制分析和下一代纳米材料设计的需求。最后，作者展望了未来的趋势和挑战。

参考文献：

Xiliang Yan et.al Converting Nanotoxicity Data to Information Using Artificial Intelligence and Simulation Chem. Rev. 2023

DOI: 10.1021/acs.chemrev.3c00070

https://pubs.acs.org/doi/10.1021/acs.chemrev.3c00070