近日，中国药科大学周建平教授、丁杨教授团队（第一作者陈培鸿博士）在 Cell 子刊、材料领域顶级期刊Matter发表重磅研究成果：Filament-level programming and machine learning enable tunable release kinetics beyond material limits。深圳森工科技有限公司（元一智慧） AutoBio 2000 多喷头直写式 3D 打印机 作为核心制造设备，为该研究的丝级结构精准打印提供了关键技术支撑。通过森工科技的AutoBio 2000，不只是“把制剂打印出来”，而是：将载药、无药和屏障三类功能墨水按数字路径分别沉积；在同一制剂内部形成层内分区、层间堆叠和环形拓扑；把原本难以制造的内部扩散通道，转化为可重复研究的结构变量。

该研究构建了 “丝级结构编程—结构信息 AI 预测—生理药代动力学转化” 的闭环研发体系，将药物释放调控从传统的配方化学优化，拓展为可计算、可逆向设计的结构工程新范式。

图 1研究整体工作流：从多材料 3D 打印的物理结构编程，到 StrataFlux AI 引擎的结构数字化与释放预测，最终对接 PBPK 模型实现个体化临床给药设计

传统缓控释制剂通常依靠调整材料种类、配比和工艺来改变释放速度。研究团队提出了另一条路径：在相对固定的材料平台中，通过3D打印改变内部结构，让药物分子走不同的扩散路线。

研究将制剂内部拆分为三类功能丝：载药丝（DLS）负责储存和释放药物，无药丝（DFS）用于延长或重新分配扩散路径，屏障丝（BS）用于限制释放方向。三类材料按照不同层位、比例和路径组合后，可形成持续、延迟、加速及多阶段释放等不同动力学表现。

这里的关键并不是改变药片外观，而是把释放功能写入每一层、每一条打印丝以及它们之间的界面。

图2  人工智能 - 增材制造 - 生理药代动力学一体化设计：实现程序化释药与慢性肾病专属体内暴露调控的耦合（图片来源：论文原文）

要验证丝级结构是否能够调控释放，首先需要将数字模型稳定地制造出来。AutoBio 2000 提供多喷头、独立供料和路径控制能力，研究中采用三种功能墨水完成分步协同打印，在单层内实现横向分区，并通过逐层堆叠构建具有方向性的内部传质网络。

对于药剂学研究而言，多材料打印的难点不只是“有几个喷头”，还包括高黏度药用墨水能否连续挤出、喷头切换后能否迅速恢复供料，以及相邻材料能否紧密结合又保持清晰边界。本研究围绕这些制造环节进行了系统验证。

图3  从数字模型、分层切片到多材料打印的制造流程，以及流变、界面和工艺连续性验证（图片来源：论文原文）

多材料路径可执行。三类功能墨水能够按照预设顺序独立沉积，完成层内路径切换和层间堆叠，使复杂内部结构不再停留在建模软件中。

打印丝形态可保持。研究所用墨水具有剪切变稀、弹性占优和快速触变恢复等特性；在设备可控挤出与启停条件下，材料沉积后能够保持形状，为后续多层构建提供基础。

多材料界面清晰。扫描电镜显示，载药丝、无药丝和屏障丝之间结合紧密，未见明显空隙，同时不同功能区域仍保持清楚边界。这一点十分重要，因为模糊或融合的界面会改变原本设计的扩散路线。

喷头切换缺陷可校正。研究团队结合多喷头打印过程设计了预打印条带，在喷头进入有效打印区域前稳定挤出压力，使起始欠挤出长度占比由4.5% ± 1.2%降至0，为不同结构之间的定量比较提供了更一致的制造基础。

在稳定制造基础上，团队进一步构建了单向、双向和环形等多类结构。不同层位的无药丝可分别影响初始释放、延迟阶段和后续加速节点；环形结构则引入内外表面共同参与的径向扩散，使可设计的释放行为进一步扩展。

在代表性的环形体系中，研究完成了3种尺寸、21种内部排布的数字设计与打印验证。数字模型、切片路径和实际制剂截面之间保持较好一致性，并获得约10小时、12小时以及超过15小时的持续释放表现。设备由此不仅承担样品制备，也成为研究“结构如何决定功能”的核心实验平台。

图4 不同尺寸和内部排布的环形结构、实际打印截面及对应释放曲线（图片来源：论文原文）

在获得一系列高一致性的结构样本和释放数据后，研究团队进一步引入机器学习，对复杂结构与释放曲线之间的关系进行预测，并结合生理药代动力学模型探索疾病状态下的剂量与释放协同设计。

但对于这项研究而言，计算分析能够成立的前提，是每一个数字结构都能被准确、重复地打印出来。只有制造结果足够稳定，结构差异才可以被可靠地转化为释放差异，后续的数据建模和应用探索才具有可信基础。

这项工作展示了科研级多材料3D打印在药剂学中的一种更深层价值：设备不只是替代模具或改变制剂外形，而是帮助研究者把内部结构变成可以设计、制造和验证的功能单元。

依托多喷头独立挤出、精细路径控制和复杂结构成形能力，AutoBio 2000 为药物递送、缓控释制剂、生物医用材料等研究提供了可扩展的制造工具。未来，随着更多材料体系、药物类型和动态结构被纳入，这类设备有望继续支持从概念验证到处方与工艺研究的多阶段科研工作。

森工科技将持续面向科研场景提供设备与应用支持

• 多材料、多喷头直写式3D打印平台

• 面向药剂学与生物材料的打印工艺适配

• 围绕复杂结构制造的设备定制与技术协作

论文信息

题目：Filament-level programming and machine learning enable tunable release kinetics beyond material limits

作者：Peihong Chen, Huaqing Zhang, Jianping Zhou, Yang Ding

期刊：Matter, 2026, 9, 102912

DOI：10.1016/j.matt.2026.102912