近日天天色，食物科学与养分工程学院国度果蔬加工工程本事商讨中心沈群、薛勇课题组在食物界限海外顶级期刊《食物科学与本事趋势》（Trends in Food Science & Technology）发表题综述著述《机器学习筛选食物生物活性化合物的商讨涌现》（Advances in Machine Learning Screening of Food Bioactive Compounds）。
食物中含有丰富的生物活性化合物，对东说念主体健康起着至关蹙迫的作用。然而，筛选食物生物活性化合物的传统设施濒临资本高、耗时耗力等挑战。机器学习本事为筛选潜在的生物活性化合物提供了一种高效且经济的设施，但其在食物界限的期骗和商讨还有限。为了促进食物生物活性化合物的灵验筛选并为商讨东说念主员提供有价值的视力，本文先容了构建机器学习模子的历程，包括数据准备、分子暗示、机器学习算法弃取和评估设施，并要点先容了频年来机器学习在筛选具有不同生物活性的化合物方面的商讨涌现。此外，本文还提议了现在濒临的主要的局限性和挑战，并提议了异日的发展标的。
综述全局图天天色
现在，使用机器学习筛选食物生物活性化合物的商讨取得了一些涌现，尤其是关于具有抗氧化和抗高血压活性的肽，以及具有降血糖活性的非肽化合物。展望和考据生物活性化合物的一般战术顺从图2所示。领先需要开采性能直爽的机器学习模子用于筛选出候选物，再使用分子对接、分子能源学模拟等狡计设施和一些其他本事进一步对候选物进行磨练。此外，还可字据商讨需求对候选物进行毒性和熔化度等特色展望。字据狡计机筛选的弃世，细目方针化合物，临了时常需要进行执行考据，举例通过细胞执行、体外酶执行、动物执行或东说念主体执行等设施考据所选化合物的后果并探索可能的作用机制。值得详实的是，每个神态中遴荐的具体本事和设施需因商讨方针、可用资源和所商讨化合物的性质而异。
展望和考据生物活性化合物的一般战术
现在，培植针对不同生物活性的机器学习模子存在不同的局限性和挑战。异日，为进一步激动机器学习在食物界限的期骗，咱们建议如下：（1）构建全面的食物生物活性化合物数据库，开采高质料的数据集和新的分子暗示设施，增强深度学习的可解释性，整合不同的机器学习算法，开采更灵验且更符合的评臆测议；（2）将机器学习与其他编造筛选本事相联结；（3）联结分类和总结模子；（4）建议商讨东说念主员不要冷落具有厚实性或熔化性问题的化合物，并从多个维度全面评估候选化合物的后果；（5）开采粗略展望多种生物活性的模子。总体而言，基于机器学习的展望设施粗略高效、准确且低资腹地筛选化合物，但仍有很多值得校正的场合。
真實精液大爆射以上商讨中国农业大学为第一完成单元，薛勇副讲授为通信作家，本校商讨生张译匀为第一作家。相干商讨取得了国度要点研发狡计技俩（2021YFD2100200/2021YFD2100201），国度卫生健康委员会微量元素与养分要点执行室技俩（WLKFZ202208），农业农村部杂粮加工要点执行室、成齐大学杂粮产业化四川省工程本事商讨中心灵通技俩（2023CC005）的资助。
著述贯串：https://doi.org/10.1016/j.tifs.2024.104578天天色