荧光成像技术作为现代基础研究与临床诊疗的核心手段之一，其技术革新与突破始终依赖于荧光分子性能的持续优化与结构创新。然而，现有荧光分子在光学性能方面仍存在明显不足，需要不断提升。更为复杂的是，荧光分子的结构-性能关系受到分子内/间相互作用和溶剂效应等多重调控，使得其合理设计面临巨大挑战。目前，新型荧光分子的研发仍主要依赖于经验性探索和大量试错实验，缺乏系统的理论指导。

对此，浙江大学药学院钱玲慧研究员、廖佳宇研究员团队联合海洋学院马忠俊教授团队设计并构建了模块化人工智能框架FLAME，用于新型荧光分子的智能设计，为这一难题提供了新的解决方案。这是一个具有模块化架构的人工智能框架，通过整合三大核心组件——开源数据库、光学性能预测模型和前沿分子生成器——实现全新结构荧光分子的高效设计与优化。该研究成果近期发表于Nature Communications。

研究团队创建了全球最大开源荧光分子数据库FluoDB，并开发基于“荧光骨架”指纹表征的光学性能预测模型FLSF，实现精准快速预测。此外，还整合分子生成器以设计新型化合物。为验证FLAME实用性，团队从虚拟分子库选择3,4-噁唑并香豆素分子，利用一锅法合成高亮度新型荧光分子，突破传统试错法限制，为荧光分子智能化研发提供新路径。

FLAME既可根据输入的光学参数智能产生符合光学需求且结构新颖的荧光分子，也能根据用户提供的荧光分子指导其结构改造以满足所需光学特性。这一工作不仅为新型荧光分子的智能设计与合成提供了平台工具，也为新型荧光探针的构建奠定了技术和物质基础。

文章的第一作者是浙江大学药学院研究生朱宇晨和浙江大学海洋学院研究生方介斌，通讯作者为浙江大学“百人计划”研究员钱玲慧、特聘研究员廖佳宇和浙江大学海洋学院教授马忠俊。该项目受到国家自然科学基金等项目的资金支持。