综述:油料作物衍生蛋白纳米纤维的合理设计:一种基于人工智能的工艺控制与功能预测解决方案
《TRENDS IN FOOD SCIENCE & TECHNOLOGY》:Rational design of oil crop-derived protein nanofibrils: An AI-driven solution for process control and functional prediction
【字体:
大
中
小
】
时间:2026年06月24日
来源:TRENDS IN FOOD SCIENCE & TECHNOLOGY 17.4
编辑推荐:
文超婷|王洁宇|刘国岩|张继贤|童凌军|徐欣
中国扬州225127,扬州大学食品科学与工程学院
**摘要**
**背景**:源自油料作物生物产品的蛋白质纳米纤维作为一种可持续的生物材料,在食品和制药领域展现出巨大潜力。然而,由于过程-结构-功能关系极为复杂,其可控制
文超婷|王洁宇|刘国岩|张继贤|童凌军|徐欣
中国扬州225127,扬州大学食品科学与工程学院
**摘要**
**背景**:源自油料作物生物产品的蛋白质纳米纤维作为一种可持续的生物材料,在食品和制药领域展现出巨大潜力。然而,由于过程-结构-功能关系极为复杂,其可控制备、精确结构调控以及功能预测仍面临挑战。
**研究范围与方法**:本综述系统阐述了油料作物衍生蛋白质纳米纤维的制备、表征、性质及应用。不同于传统综述,本文深入分析了当前存在的关键瓶颈,如结构控制不足、功能预测困难以及对其性能起作用的结构-功能关系理解有限。同时,本文提出了基于人工智能的数据驱动研究框架,以突破现有局限。
**主要发现与结论**:本文探讨了人工智能在优化油料作物衍生蛋白质纳米纤维的设计、预测其功能、模拟纳米纤维组装行为、解析结构-功能关系以及评估其在胃肠道中的表现等方面的应用潜力。总结了人工智能在蛋白质设计、工艺优化、结构分析及生物活性预测领域的最新进展,并评估了这些技术在该领域的应用前景。最终,本文展望了一个融合多组学数据与自动化实验的未来,通过人工智能加速油料作物衍生蛋白质纳米纤维的按需设计、安全性评估及高值化利用,为该领域的发展提供新的思路。
**引言**:蛋白质纳米纤维是由蛋白质或肽类通过自组装形成的高度有序、无分支的纳米级纤维结构(Meng等人,2022)。这类纤维通常具有较高的长径比,且由其相互交错的β-折叠结构构成稳定的形态。作为全球最重要的农产品类别之一,油料作物在加工过程中会产生富含30%–50%高质量蛋白质的副产品,如花生粕、菜籽粕、大豆粕等(Fang等人,2025;Kotecka-Majchrzak等人,2020;Zhang等人,2024)。然而,这些副产品的高附加值目前尚未得到充分挖掘。将油料蛋白转化为纳米纤维不仅为高性能生物聚合物材料的开发提供了绿色途径,也为油料加工副产品的增值利用开辟了新方向(Herneke等人,2021;Wen等人,2023)。此外,由于其高长径比、可调节的表面性质、优异的生物相容性以及与多种生物活性化合物的相互作用能力,油料作物衍生的蛋白质纳米纤维作为一种功能性食品成分和营养传递载体,近年来越来越受到关注。它们在生物活性化合物的包封、保护及控释方面的应用潜力,使其成为精准营养和下一代功能性食品系统的理想候选材料。近期研究已证实,食品来源的蛋白质纳米纤维具有良好的胃肠道消化性和生物安全性,为其在临床营养领域的应用奠定了基础(Rostamabadi等人,2026)。如图1A和B所示,2004年至2025年间,《食品科学与技术》领域关于蛋白质纳米纤维的论文发表数量呈持续上升趋势。
目前,已有多种技术被用于制备油料作物衍生蛋白质纳米纤维,包括自组装技术(Li等人,2021;Liu, Chen等人,2024)、电纺技术(Xu等人,2012)、高湿挤压技术(Mao等人,2024;Zhang等人,2022)以及湿法纺丝技术(Cui等人,2023)。纳米纤维通常是通过工程化方法(如电纺)制备的连续纤维,而蛋白质纳米纤维则是在特定条件下通过自组装形成的类淀粉样蛋白质纤维。这些技术通过不同的物理或化学机制将球形蛋白质转化为纤维结构,从而赋予产品更高的机械强度和多种功能特性。它们被广泛应用于食品工业(Yi等人,2022)、制药领域(Varshney等人,2020)以及包装材料领域(Qi等人,2024)。值得注意的是,近年来针对油料作物衍生蛋白质纳米纤维的研究发展尤为迅速,表明这一领域正处于快速发展阶段。本文通过Web of Science Core Collection数据库,以特定蛋白质名称结合“protein nanofibril?”作为关键词,并限定在食品科学与技术研究范围内,检索相关文献。基于2004年至2025年间收集的1414篇文献,使用CiteSpace 6.4进行了文献计量分析(图1C–F)。对油料作物衍生蛋白质纳米纤维相关研究的系统性回顾,不仅有助于明晰这一新兴领域的发展轨迹,对于推动油料作物衍生蛋白质副产品的高值化利用也具有重要的战略意义。随着全球对可持续材料需求的不断增加,作为绿色生物材料的蛋白质纳米纤维的研究进展亟需进行系统评估,以明确技术瓶颈并指导未来发展方向。然而,该领域的传统研发模式过度依赖试错法,而这种方法已越来越难以应对其中复杂的系统问题。尤其缺乏对各种蛋白质纳米纤维制备技术的系统性比较、结构-功能关系的深入分析以及基于人工智能的创新模式的全面探讨。本文旨在填补这一空白。
目前,传统的“试错”研究模式正面临严峻挑战。蛋白质纳米纤维的最终结构和功能受蛋白质原料、制备工艺到后处理等多个维度因素的复杂影响,这使得精确设计其结构变得极为困难。研究人员很难根据目标功能反向工程并精确控制蛋白质纳米纤维的关键结构参数。同时,蛋白质纳米纤维的宏观功能与其多层微观结构之间的复杂非线性关系,使得仅依靠传统实验方法难以完全解析这种复杂的结构-活性关系,严重制约了新材料的研发效率。
人工智能技术在蛋白质设计和纳米材料领域展现了巨大潜力,为解决蛋白质纳米纤维相关的复杂问题提供了新工具。例如,Li等人开发的Protein MPNN人工智能工具能够根据预设的三维结构快速生成相应的氨基酸序列,单次运行时间仅需1秒,极大提升了蛋白质设计的效率(Li等人,2024)。在食品蛋白领域,深度学习与计算机视觉技术的结合已被成功应用于菜籽品质检测。只需拍照,即可在10秒内准确测量出蛋白质含量等关键参数,为蛋白质纳米纤维的快速表征和质量评估提供了技术支持(Guo等人,2025)。这些人工智能工具和方法的出现,使得处理蛋白质多尺度结构中的高维非线性问题成为可能,为蛋白质纳米纤维的合理设计提供了切实可行的技术路径。更具体而言,人工智能辅助策略在解决与蛋白质纳米纤维直接相关的若干关键问题上展现出巨大潜力。机器学习模型可用于预测加工参数(如pH值、温度、超声强度和离子强度)对纤维化行为、纳米纤维形态及功能特性的影响(Hu和Li,2021)。此外,结合光谱和显微表征数据的人工智能分析,可加速蛋白质纳米纤维中结构-功能关系的识别,从而减少对传统试错方法的依赖。近期关于蛋白质自组装和纳米纤维调控的研究,也为应用人工智能预测蛋白质纳米纤维的形成趋势并优化制备条件提供了宝贵的理论支持(Batra等人,2022)。尽管目前专门针对蛋白质纳米纤维的人工智能应用还较为有限,但蛋白质自组装预测和纳米材料信息学领域的最新进展,为未来基于人工智能的蛋白质纳米纤维研究奠定了重要理论基础。
在蛋白质科学领域,人工智能的应用已展现出颠覆性潜力。例如,David Baker教授的团队利用人工智能工具开发了一种模块化设计策略,成功构建了20多种蛋白质笼状结构、二维阵列和三维晶体。该方法以预先设计的对称蛋白质寡聚体作为结构模块,可逆异二聚体蛋白质LHD作为黏合剂,再通过人工智能模型RF diffusion生成刚性连接点,从而实现组分的精确排列,成功率可达10%至50%(Wang等人,2025)。在肽类自组装方面,研究人员开发了一种结合生成式人工智能与混合深度学习的框架,能够以80%至95%的准确率快速识别出具有高自组装倾向的肽序列,大幅减少了实验筛选所需的资源和时间(Njirjak等人,2024)。此外,Ritec Technology公司推出的全球首个人工智能纳米递送平台Nano-Forge,整合了自主研发的合成脂质语言模型和生成算法,实现了从分子生成、性质预测到脂质配方设计及优化的闭环流程,充分展示了人工智能在纳米材料设计中的强大能力(Ivanenkov等人,2023)。
本文系统梳理了2004年至2025年这22年间油料作物衍生蛋白质纳米纤维的研究进展。与现有综述相比,本文的创新之处在于首次系统阐述人工智能技术如何为解决蛋白质纳米纤维的结构调控和功能预测等核心瓶颈提供颠覆性策略,重点分析存在的问题及相应的解决方案。本文详细介绍了油料蛋白的多样性及其形成纳米纤维的潜力,分析了各类制备技术所面临的参数优化难题,整理了通过多维度表征方法获得的结构和功能数据,并重点探讨了人工智能在蛋白质合理设计、工艺参数优化、自动结构表征及功能预测等方面的应用案例与实施路径。本文旨在推动蛋白质纳米纤维的研究范式从经验驱动向模型和数据驱动的深刻转变,为相关领域的研究人员提供前沿且具有实用价值的理论参考和技术指导。
**节选内容**
**油料作物蛋白中纤维形成的多样性与潜力:构建人工智能数据模型的基础**:油料作物衍生蛋白质的组成和结构特征是其形成纳米纤维能力及纤维性能的内在决定因素。深入理解这些蛋白质在分子层面的结构差异,是实现可控、高效纳米纤维形成的重要基础。如图2所示,这些数据也是构建用于预测和设计的人工智能模型的关键输入。
**蛋白质纳米纤维的制备技术:由人工智能优化控制的复杂参数空间**:油料作物衍生蛋白质纳米纤维的制备涉及多种技术,每种技术都包含由多个工艺参数构成的复杂优化空间。这些制备蛋白质纳米纤维的方法主要包括分子自组装技术、电纺技术、亚临界水技术、高湿挤压技术、剪切技术以及湿法纺丝技术。传统上,这些参数的优化往往依赖于经验或响应面法等统计方法。
**油料作物蛋白质纳米纤维的表征方法:为人工智能模型提供高质量数据标签**:对油料作物衍生蛋白质纳米纤维进行系统、准确的表征,是了解其结构、评估其性能以及建立可预测的人工智能模型的基础(图6)。从这些表征中获得的数据,正是训练和验证人工智能模型所需的高质量数据标签。正如所示,人工智能驱动的解决方案通过实现自动化、提升分析效率,正在克服各种纳米纤维结构表征技术固有的局限性。
**油料作物衍生蛋白质纳米纤维多样功能性质的结构复杂性及人工智能的应对策略**:凭借其独特的物理化学性质,油料作物衍生蛋白质纳米纤维在食品、医药、包装等领域展现出广阔的应用前景。它们的功能特性,如优异的增稠凝胶性能、出色的乳化发泡性能、显著的抗氧化和抗菌作用,以及作为递送载体的潜力,共同决定了其在未来工业应用中的重要地位。
**油料作物衍生蛋白质纳米纤维的健康效应与胃肠道命运:人工智能在预测纳米纤维安全性和胃肠道命运方面的潜力**:油料作物衍生蛋白质纳米纤维的胃肠道消化行为、生物安全性及营养功能是当前研究的重要关注点。近年来,越来越多的研究表明,来自乳清蛋白、大豆蛋白和豆类蛋白的食品级淀粉样纤维通常具有良好的生物相容性和胃肠道安全性。动物实验也证实,摄入β-乳球蛋白纤维后,多个器官并未出现异常病理变化,进一步证明了其安全性。
**结论与未来趋势**:尽管油料作物衍生蛋白质纳米纤维具有广阔的应用前景,但其工业化转化仍面临一些挑战,包括大规模生产时批次间一致性差、能耗高、加工效率低,以及与现有食品制造系统的兼容性不足。此外,缺乏标准化的表征方法以及明确的结构-功能关系,也限制了其对蛋白质纳米纤维的合理设计及工业优化。王杰宇:初稿撰写、验证、方法设计、数据整理、审稿与编辑、修改。刘国岩:写作、审稿与编辑。张继贤:概念构思、监督、初稿撰写、审稿与编辑、资源协调、修改。童凌军:写作、审稿与编辑。徐欣:验证。
利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。
致谢
本研究得到了扬州大学高层次人才科研启动基金的支持(项目编号:137012572,137012095)。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号