AI筛药→中药单体【STING抑制剂】直发一区（IF=23.6）！南京大学构建仿生“人工血小板”以假乱真，靠“占位”阻止血栓形成

深静脉血栓（DVT）的病理核心，除了Virchow三要素（血流淤滞、高凝、内皮损伤），一个长期被忽视的环节是：内皮损伤后黏附分子（ICAM-1、VCAM-1、P-selectin）过表达，驱动血小板"乱黏"。

现有策略（抗凝、溶栓）主要盯着凝血瀑布或血小板活化，但内皮损伤这个"源头"没被修复，停药后复发率仍可观。所以关键科学问题来了：

是谁在上游持续驱动内皮黏附分子的高表达？

近年来，cGAS-STING通路在血管炎症里被频繁点名（动脉粥样硬化、主动脉瘤、COVID-19相关凝血病），但在DVT里，它到底是不是"幕后推手"，此前缺乏直接的单细胞层面证据。

另外，STING抑制剂的研发一直磕磕绊绊，已有的小分子（如H-151）多停留在工具药层面，如何快速找到有转化潜力的抑制剂，同样，也存在现实问题。

今天分享的这篇研究，把这几个堵点串起来打了一遍。用单细胞测序锁定疾病中的关键细胞和通路，用AI从老药里捞抑制剂，再用仿生膜工程把"物理竞争"和"化学调控"装进同一个递送载体中。整个研究提供了一个可平移的技术框架，尤其适合那些以“内皮损伤-炎症-血小板黏附”为轴心的应用场景。

整个研究的巧妙之处在于将“病理机制解析”与“递送系统设计”深度耦合——不是先有靶点再找载体，而是依据病理事件顺序（早期黏附→持续炎症）设计出兼具“占位”和“释药”功能的单一颗粒，为。

具体展示在这三个层面。

①单细胞测序挖靶点：首次在DVT模型中明确cGAS-STING-NLRP3轴是内皮细胞损伤及病理性血小板黏附的上游驱动因素。

②AI辅助虚拟筛选找药：通过AI辅助虚拟筛选，从已上市药物中重新定位连翘酯苷A（Forsythoside A，FA） 作为STING抑制剂。

③细胞膜仿生材料做递送：构建了“人工血小板”Pm@Fng，利用活化血小板膜囊泡（APMV）的GPIbα-vWF竞争性黏附能力，实现物理性阻断病理血小板黏附，同时响应血栓微环境（酸性/pH、ROS）释放FA，化学性抑制STING-NLRP3通路，为内皮损伤相关领域研究提供了一套材料学+分子靶点结合的干预思路。

整个研究逻辑非常清晰，是一条典型的“靶点发现→因果验证→药物获取→递送解决”路径。

最后，小汇想说的是：

这篇研究虽然发在了材料学顶刊，但机制深度和验证密度一点都不输给免疫学或血管生物学刊物。

机制落位精准：不是说“STING通路参与了”，而是用scRNA-seq把它按在内皮细胞上，后续所有干预都围绕这个细胞类型展开，逻辑链不会散。

AI筛药之后立马跟上硬验证：SPR和siRNA回补都做了，不是只给一个对接图就收工。

材料设计有病理依据：GPIbα-vWF是DVT本身就有的黏附轴，不是硬造靶点；peng酸酯键的pH/ROS响应也对应血栓微环境的真实特征。

物理协同化学更有效：Fng组单用FA也能抑制血栓，但加上膜伪装竞争黏附后效果更明显——说明占位和信号干预是叠加的。

对正在做纳米递送、炎症信号、血栓模型或AI筛药方向的研友，这套从靶点发现到递送验证的完整框架，值得参考。