近日，美国西北大学Sinan Keten团队联合圣路易斯华盛顿大学张复宗团队在《科学·进展》（Science Advances）发表最新研究成果，通过多尺度模拟与实验验证，揭示了合成蜘蛛丝纤维后拉伸工艺对力学性能的调控机制。该研究构建了首个基于拉伸过程的机械性能预测模型，为设计高强度、高韧性仿生纤维提供了全新策略。
图 1.模拟拉丝纤维的计算协议总结。
背景与挑战
天然蜘蛛丝的抗拉强度与钢相当，韧性超越尼龙和凯夫拉纤维，但其大规模生产受限于蜘蛛养殖难题。合成蜘蛛丝虽可通过重组蛋白技术制备，但力学性能始终无法媲美天然丝。传统研究多聚焦于蛋白序列优化，却忽视了纺丝后拉伸工艺的关键作用。本研究首次系统解析了拉伸力诱导的分子有序排列与力学性能提升的关联机制。
方法与创新
研究团队采用耗散粒子动力学(DPD)模型，模拟不同分子量(2、8、16重复单元)蜘蛛丝蛋白在拉伸力作用下的行为。通过施加0-222皮牛(pN)的拉力，量化了蛋白链延伸长度(Ree)和赫尔曼斯有序参数S0)的变化。实验部分以16重复单元的淀粉样-蜘蛛丝嵌合蛋白(16xFGA)为对象，通过湿法纺丝及不同拉伸比(λdraw=1-6)处理，结合拉曼光谱与力学测试验证模拟结果。
关键发现
实验验证
拉曼光谱显示，拉伸比λdraw=6时，β折叠层(1670 cm-1峰)平行/垂直偏振强度比(Iy/z)提升3倍，与模拟结果高度吻合(图7B)。力学测试表明，拉伸纤维的抗拉强度达450 MPa，接近天然蛛丝水平(图6B)。
图 6.重组淀粉样蛋白-丝蛋白合成、纤维湿纺和表征。
图 7.模拟和实验中分子顺序、拉伸程度和机械性能之间关系的比较。
应用前景
该模型可指导定制化纤维设计，例如通过调整拉伸工艺参数，为医疗缝合线、防弹材料等场景开发专用纤维。团队开发的模拟代码已开源（GitHub），助力全球研究者加速仿生材料研发。
专家观点
论文通讯作者Sinan Keten表示：“这项工作首次将工艺参数与分子特征定量关联，未来我们将整合人工智能，实现从蛋白序列到纺丝工艺的全流程预测。”张复宗教授指出：“该方法为绿色制造高强度纤维提供了新范式，有望推动合成生物学与材料科学的深度融合。”