自然界中，蜘蛛丝作为一种近乎完美的功能材料，以其独特的高强度、高韧性、弹性恢复能力及环境响应性，为高性能纤维材料的设计提供了重要灵感。然而，如何通过规模化合成方法复刻其复杂的层级结构与多功能特性，一直是材料科学领域面临的重大挑战。近日，苏州大学汪晓巧教授团队提出一种基于聚丙烯酸钠（PANa）和聚丙烯酰胺（PAM）杂化聚合物水凝胶的仿蛛丝纤维制备策略。该策略通过湿纺工艺中的可控微相分离与应变编程技术，成功构建出在结构与性能上均高度接近天然蛛丝的多尺度杂化纤维。所制备的纤维不仅展现出优异的力学性能，包括118.7 MJ/m³的高韧性及172.3 MPa的拉伸强度，还具备多重与天然蛛丝相似的功能特性，例如50%的弹性应变恢复率、96%的阻尼效率、60%的超收缩率以及对湿度的敏感性。该项研究实现了仿生纤维在规模化制备潜力与多功能集成特性上的结合，为发展下一代高性能、智能化纤维与纺织品提供了重要的理论与技术指导。

  2025年11月29日，相关成果以“Controlled microphase separation and strain programming in hydrogel fibers toward biomimetic architectures and properties”为题，发表于《自然·通讯》（Nature Communications，DOI: 10.1038/s41467-025-66537-7）。苏州大学博士研究生杨健与硕士研究生陈聪聪为论文共同第一作者，汪晓巧教授为通讯作者。研究得到了国家自然科学基金委的资助。

图 1 具有类蜘蛛丝层级结构和性能的聚丙烯酸钠-聚丙烯酰胺（PANa-PAM）杂化聚合物水凝胶纤维仿生制备：a 天然蜘蛛丝层级结构的示意图；b通过可控微相分离和应变编程的湿法纺丝方法制备PANa-PAM水凝胶纤维；c 可规模化生产的坚韧且强度高的水凝胶纤维，可进行复杂打结和直接缝纫；d PANa-PAM水凝胶纤维与天然蜘蛛丝以及已报道的仿生纤维性能比较

图 2湿法纺丝过程中PANa-PAM 水凝胶纤维的微相分离结构调控：通过优化不良溶剂组成、纺丝液聚合物组成、纺丝液pH有效调控初生纤维中的微相分离结构，获得具有小尺寸、密堆积氢键纳米团簇网络结构的高强韧性纤维

图 3 应变编程诱导PANa-PAM水凝胶纤维的单轴取向和可控结晶：通过后牵伸诱导杂化聚合物分子链取向和结晶，杂化纤维在400%预应变下获得高取向度性分子链和类似于蛛丝β折叠片结晶的正交晶胞共晶结构

图 4 PANa-PAM-400%纤维的类蜘蛛丝承重能力、湿度敏感性、阻尼-弹性特性：仿生纤维能够承受高动静态载荷，单根纤维能够提拉一公斤重物，在160 mm/min的拉伸速度下，屈服应力达到150 MPa；阻尼效率达到96%，能够有效耗散冲击能量；湿度处理能够促使50%的弹性形变恢复

图 5 PANa-PAM水凝胶纤维的类蛛丝超收缩性能：仿生纤维具有热、湿诱导超收缩性质，其中二次预牵伸纤维热致收缩应力达到40 MPa，工作容量达到516 J kg^-1，远超过生物肌肉

  综合来说，该团队最新研究工作（Nat. Commun., 2025, DOI: 10.1038/s41467-025-66537-7）基于仿生设计理念，采用廉价易得的合成高分子聚合物，结合湿法纺丝与应变编程规模化制备工艺，通过调控纺丝参数与溶液组成，精准复刻出类蜘蛛丝的多级结构，实现了兼具蜘蛛丝力学特性与多功能集成的连续化纤维制备。

  近年来，该团队围绕水凝胶基高性能、多功能纤维开展了系统性研究，先后提出多项创新策略。针对单一组分聚电解质体系，团队提出并发展了大分子构象调控策略，以聚丙烯酸钠为模型，通过pH依赖的反溶剂相分离工艺，实现了大分子链由卷曲态向伸展态的精准调控，从而赋予单组分水凝胶纤维高度可调的极端力学性能（Nat. Commun., 2022, 13, 3369）。在此基础上，团队进一步提出规模化制备层状异质水凝胶纤维的策略，采用“微通道集成湿纺—反溶剂相分离”技术构建对称三层结构复合纤维，结合聚丙烯酸钠的应变诱导结晶机制，协同优化了复合纤维的力学与导电性能（Adv. Mater., 2024, 36, 2409632）。针对纤维基热电器件在拉伸性能与应变敏感性方面的局限，团队开发了Janus螺旋水凝胶纤维，通过结构设计实现了超拉伸性、应变不敏感性与热电功能的有机结合，为柔性可穿戴能源器件提供了创新解决方案（Nano Lett., 2025, 25, 6, 2509–2518）。此外，团队聚焦功能成型工艺及穿戴/植入应用，系统综述了水凝胶力学强化的分子网络设计原理、结构设计策略、特殊力学功能调控方法、宏微观成型技术及其在新兴领域的应用突破，为高性能水凝胶器件的研发构建了从材料设计到工程化应用的研究框架（Adv. Mater., 2024, 36, 2309952）。

  课题组主页：https://www.x-mol.com/groups/xiaoqiaowanggroup

  论文链接：https://www.nature.com/articles/s41467-025-66537-7