以杨絮(PC)为原料，采用乙醇溶剂热法对其进行预处理，再进行碳化，制备了高比表面积的杨絮衍生多孔碳(DPCC)，并研究了其对染料的吸附性能及动力学性能。通过单因素实验优化工艺参数，确定最佳预处理条件(液固比为17 mL·g^-1、200 ℃处理2 h)，在此条件下制备的DPCC-10比表面积达到518 m²·g^-1。结合傅里叶变换红外光谱(FTIR)、X射线衍射(XRD)、拉曼(Raman)光谱、扫描电镜(SEM)和N₂吸附-脱附测试等表征手段，证实预处理过程能够有效去除木质素和半纤维素等，形成丰富的多级孔道结构。吸附实验表明，DPCC-10对亚甲蓝(MB)的最大吸附量达到385.71 mg·g^-1，优于多数报道的生物质衍生吸附剂。DPCC-10对染料的吸附过程满足准二级动力学方程，表明该吸附以化学吸附为主。经过4次吸附-脱附循环后，DPCC-10对MB的吸附容量仍保持初始值的92.01%，表明材料具有优异的可再生性能。

谷胱甘肽参与调节细胞内活性氧水平，消耗癌细胞内的谷胱甘肽，可导致活性氧水平上升，诱导癌细胞失活、凋亡，这成为癌症治疗的潜在靶点。基于α,β-不饱和羰基化合物易与谷胱甘肽发生Michael加成反应而消耗谷胱甘肽，利用ChemDraw、Chem3D、Gaussian、Chemprop等软件创新设计了靶向谷胱甘肽的抗癌药物AI虚拟筛选实验，构建了抗癌药物分子数据库，计算表征了化合物与谷胱甘肽的反应性。AI预测结果与文献记录的实验数据具有高度一致性，说明基于该模型的虚拟筛选方法科学、结果可靠。AI虚拟筛选出潜在的靶向抗癌药物经过化学反应动力学实验、药理实验进一步筛选验证，得到了具有深入研究价值的先导化合物。AI赋能新药研发，降低了筛选成本，提高筛选效率和准确性。本实验可作为化学生物学实验或者化学信息学课程的实践内容。AI技术助力学生更好地理解和掌握知识，让教学内容更具高阶性、创新性和挑战度，有利于调动学习积极性，提升创新思维和创新能力，培养面向未来的卓越人才。