随着生物科学的飞速发展,数据库中不断出现关于材料性质对生物学响应影响的看似“矛盾”的结果,这给解释本就复杂的界面过程增加了挑战。在本文研究中,我们以二氧化钛纳米管上的细胞增殖作为案例研究,应用机器学习方法来破解文献中出现的矛盾结果。梯度提升决策树模型表明,在我们收集到的所有实验特征中,细胞种植密度对于细胞增殖行为的影响最大。加上其他重要实验参数的变化,相互“矛盾”细胞增殖趋势就好理解了。通过使用网格搜索策略遍历所有实验特征组合和相应的预测,我们发现同时调整细胞密度和灭菌方法可以在不同管径的二氧化钛纳米管上诱导相反的细胞增殖趋势,进一步的实验证实了这个规律的准确性。该案例研究表明,机器学习是破译生物医学研究中有争议结果的新兴工具,为探索生物材料的结构-性能关系开辟了一条新途径。