基于QSAR与机器学习的天然食品源乳化剂筛选及其在乳蛋白乳液稳定性提升中的应用

针对合成乳化剂的环境健康风险及乳蛋白乳液稳定性不足的问题，研究人员通过QSAR模型结合随机森林算法（AUC=0.9947，准确率93.33%）筛选出甘草酸（glycyrrhizin），其与乳蛋白协同可显著降低乳液粒径（102.64 nm）、提升电位（-36.64 mV）及粘度，为食品工业提供绿色替代方案。

　　

在食品工业中，乳液稳定性是决定产品品质的关键因素。然而，牛奶蛋白（如酪蛋白、α-乳白蛋白和β-乳球蛋白）形成的乳液常因环境敏感性而稳定性不足。更严峻的是，合成乳化剂如Tween 80虽能提升稳定性，却可能破坏肠道菌群、诱发炎症，甚至污染环境。国际纯化学与应用化学联合会（IUPAC）将乳液定义为两种互不相溶液体的分散体系，其稳定性依赖于乳化剂降低界面张力、形成保护膜的能力。面对这一双重挑战，寻找天然、安全且高效的食品源乳化剂成为当务之急。

中国的研究团队提出了一种创新解决方案：通过定量构效关系（QSAR）模型结合机器学习算法，从分子结构层面预测乳化剂活性。研究首先构建了包含258种化合物的数据库（119种有效乳化剂，139种无效），利用分子操作环境（MOE）描述符和随机森林算法建立预测模型，筛选出甘草酸（glycyrrhizin, GA）作为候选。GA因其两亲性结构（亲水性双葡萄糖醛酸和疏水性三萜苷元）可自组装成纳米纤维，显著降低油水界面张力。实验表明，GA与三种乳蛋白（酪蛋白、α-乳白蛋白、β-乳球蛋白）协同形成的乳液粒径仅为102.64 nm，电位达-36.64 mV，粘度提升且泡沫性能提高39.59%。分子动力学模拟进一步揭示GA通过增强界面膜强度和静电排斥作用稳定乳液。

关键技术方法
研究采用QSAR建模结合随机森林算法筛选乳化剂，通过动态光散射测定乳液粒径和电位，傅里叶变换红外光谱（FTIR）分析分子相互作用，分子动力学模拟阐释界面行为。实验样本包括商业购买的乳蛋白（钠酪蛋白、α-乳白蛋白、β-乳球蛋白）及天然化合物（如GA、橙皮苷）。

研究结果

1. 模型构建与验证：MOE描述符联合随机森林算法的模型预测准确率达93.33%，曲线下面积（AUC）为0.9947，显著优于其他组合。
2. GA的乳化性能：GA使乳蛋白乳液粒径减小至纳米级（102.64 nm），电位绝对值升高（-36.64 mV），表明物理稳定性显著提升。
3. 协同机制：FTIR显示GA与乳蛋白通过氢键和疏水作用结合；分子动力学证实GA纳米纤维强化界面膜，协同静电排斥抑制液滴聚集。

结论与意义
该研究不仅建立了高效筛选天然乳化剂的QSAR-机器学习平台，还证实甘草酸作为乳蛋白乳液稳定剂的卓越性能，其环保性和安全性符合食品工业可持续发展需求。这一成果发表于《Food Chemistry》，为替代合成乳化剂提供了理论和实践依据，同时拓展了食品胶体科学中结构-功能关系的研究范式。