基于机器学习模型的功能成分筛选及其在酒精代谢调控机制中的应用研究

《Food Bioscience》：Construction and application of machine learning models to screen functional ingredients for alcohol metabolism and its mechanism research

本文创新性地构建机器学习模型（SVM等），通过分子结构特征筛选具有促进酒精代谢功能的食物成分。研究发现β-谷固醇能显著激活乙醇脱氢酶（ADH）、调控肝脏II相反应相关基因（Ugt1a5/Gstp3），为解酒功能性食品开发提供新思路。

　　

亮点

机器学习模型表明β-谷固醇可能与酒精代谢相关

为从食物资源中筛选能增强酒精代谢的化合物，我们开发了对应的机器学习模型。图1展示了三种已建立模型的ROC曲线（图1A）和混淆矩阵（图1B）。模型参数（包括准确率、精确率和F1分数）表明所构建的机器学习模型性能优异。其中支持向量机（SVM）模型表现最佳，提示甾醇类物质（包括谷甾醇和大豆甾醇）可能具有增强酒精代谢的能力。因此我们选择综合概率最高的β-谷固醇开展后续实验验证。

讨论

本研究通过机器学习模型筛选具有促进酒精代谢活性的食源性化合物。值得注意的是，模型指出甾醇类物质（如β-谷固醇）在促进酒精代谢方面表现出显著潜力。实验验证表明，β-谷固醇能通过调节乙醇脱氢酶（ADH）活性显著降低急性饮酒大鼠模型的血液酒精浓度。转录组分析进一步揭示，该化合物可通过调控肝脏II相代谢相关基因（如Ugt1a5和Gstp3）表达，缓解慢性酒精摄入引起的代谢紊乱。

结论

我们成功开发人工智能模型用于筛选具有促进酒精代谢功能的食源性化合物。通过机器学习推荐的β-谷固醇展现出卓越的抗酒精特性：它能有效结合ADH、加速乙醇代谢、降低血乙醇浓度，并保护肝细胞免受高浓度乙醇损伤。更重要的是，β-谷固醇通过调节代谢相关通路和II相代谢酶基因表达，为酒精性肝损伤的干预提供了新颖策略。