编辑推荐：
本综述聚焦灵芝（Ganoderma lucidum），探讨组学（基因组、转录组、蛋白组、代谢组）与机器学习在解析其生物活性成分（如多糖、三萜类）合成路径、优化生产及预测药物应用中的进展，展望多技术融合的研究前景。
1. 引言
灵芝属真菌全球分布，具抗炎、抗氧化、免疫调节和抗癌等药理作用，是医药和营养保健行业的重要物种。中国药用历史超两千年，但欧洲与中国的灵芝实为不同物种。其菌丝体、子实体和孢子含丰富药理活性化合物，如多糖、三萜类、甾醇等，兼具工业相关代谢物生产能力，在循环经济中具应用潜力。组学技术与计算建模结合，可优化代谢过程、发现新生物活性化合物，推动其在食品、医药和工业领域的应用。
2. 灵芝中的生物活性成分
灵芝含多糖、三萜类、甾醇、蛋白质等多种生物活性成分，具抗癌、免疫调节等作用。
2.1 生物活性成分的免疫调节作用
多糖是主要免疫调节活性成分，其结构含 α 或 β-D - 葡萄糖残基主链，侧链含半乳糖等，可通过结合免疫细胞受体激活免疫反应。三萜类以羊毛甾烷型骨架为特征，能与免疫受体相互作用。真菌免疫调节蛋白（FIPs）如 LZ-8，通过结合免疫细胞表面碳水化合物结构发挥作用。腺苷可调节 T 细胞功能，脂肪酸具抑制肿瘤细胞增殖作用。
2.2 生物活性成分的治疗潜力
糖蛋白（GLPs）可降低化疗毒性、提高靶向药物递送效率，其纳米颗粒系统具应用潜力。灵芝酸具抗胃肠道癌症及克服多药耐药性作用。多项研究验证了灵芝生物活性成分的抗癌效果，但临床研究方法需改进，生物活性化合物纯化技术也有待提升。组学技术可优化活性成分生产，为营养保健提供有效来源。
3. 组学技术
组学技术为分析真菌复杂生物数据、优化代谢路径和提高生物活性化合物产量提供工具。
3.1 基因组学
基因组学用于识别灵芝基因组潜力，如通过基因编辑技术（CRISPR/Cas9 等）改造基因组，研究次级代谢途径。灵芝基因组大小约 43.3 Mb，含与次级代谢相关基因，如细胞色素 P450（CYP）基因。比较基因组学揭示灵芝科次级代谢物的基因组基础，推动其生物合成研究。
3.2 转录组学
转录组测序分析不同发育阶段基因表达变化，如腺苷合成基因在菌丝体发酵阶段的表达。甲基茉莉酸（MeJA）处理可影响转录因子（TFs）表达，调控三萜类合成。转录组学还揭示糖苷水解酶（GH）基因家族在多糖释放中的作用，为提高多糖产量提供机制依据。
3.3 蛋白质组学
蛋白质组学揭示灵芝蛋白质组成和功能，如通过 LC-MS/MS 分析鉴定出参与三羧酸循环、免疫调节等过程的蛋白质。赖氨酸琥珀酰化修饰在三萜类和多糖合成中具调控作用，免疫调节蛋白 GL18769 的发现为其应用提供新方向。
3.4 代谢组学
代谢组学定量分析生物系统代谢响应，如灵芝不同部位（子实体、菌丝体等）具独特代谢特征，子实体富含三萜类，菌丝体和发酵液多糖含量高。代谢组学模型可优化多糖和三萜类生产，如添加苯丙氨酸或过表达关键酶基因可提高胞外多糖（EPS）产量。cAMP 信号调控灵芝凋亡和次级代谢物合成，影响三萜类（GA）生物合成。
4. 灵芝生物活性化合物的计算分析
计算技术为研究灵芝代谢物提供系统且经济的方法，包括密度泛函理论（DFT）、分子对接、机器学习建模等。非破坏性预测模型如最小二乘支持向量机（LSSVM）结合蚁狮优化（ALO）算法，可准确预测灵芝多糖和水分含量。高光谱成像（HSI）与机器学习结合用于多糖含量快速评估。2D-code 技术将质谱数据转化为二维图，辅助化合物鉴定，3D 药效团模型用于筛选潜在药物。分子对接模拟代谢物与靶蛋白相互作用，网络药理学整合多学科研究，揭示灵芝治疗复杂疾病的分子机制。
5. 结论与未来展望
尽管组学技术取得进展，但多组学平台方法和分析流程标准化、动物研究结果向人体转化等仍具挑战。未来需加强实验验证，结合计算模型与光谱数据，深入理解灵芝药理机制。整合组学、人工智能（AI）、网络药理学和机器学习，将推动药物发现、精准医学和草药成分系统研究，促进灵芝在现代医疗中的应用。
