蛋白质语言模型、人类关注领域命名（NAMs）及证据融合在新型食品蛋白致敏性与免疫毒性风险评估中的应用

《Food and Chemical Toxicology》：Protein Language Models, Human NAMs and Evidence Fusion for Allergenicity and Immunotoxicity Risk Assessment of Novel Food Proteins

　　

**摘要**

来自精准发酵、可食用昆虫、细胞培养系统、微生物生物质和蛋白质工程的新型食品蛋白正在以传统毒理学工作流程难以跟上的速度不断扩展。其核心安全问题并非仅为经典的全身毒性，而是序列新颖性、翻译后修饰、加工、消化、食品基质暴露与免疫识别是否共同导致IgE介导的致敏性、乳糜泻相关肽段或更广泛的免疫毒性风险。本文综述构建了一种下一代风险评估框架，将蛋白质语言模型、结构预测、消化组学、免疫肽组学、人体肠道和免疫新途径方法学（NAMs）、暴露建模以及基于生理学的动力学推理整合到一个透明的加权证据流程中。本文刻意超越了单一工具的致敏原预测：其核心论点是，序列相似性、AI分类和体外消化率只有在与不良结局通路、人体相关性试验、暴露情境、不确定性分析和外部验证相结合时，才能为监管决策提供有效支撑。核心结论是，AI赋能的NAMs能够将新型蛋白评估从二元危害筛查转变为具有机制可解释性、暴露感知能力和决策导向的系统，但前提是必须提升数据集质量、基准设计、适用域定义和报告标准。本文提出了作者设计的评分规则，并以EFSA黄粉虫案例为回顾性示例说明该工作流程。

**引言**

全球食品系统正在经历一场蛋白质转型。精准发酵的乳品和蛋类蛋白、昆虫粉、藻类及微生物生物质、细胞培养配料、蛋白水解物和基因组编辑作物正在被开发，以提升可持续性、功能性和供应链韧性。这些配料之所以具有生物学吸引力，是因为蛋白质承载着营养和功能性；它们之所以在毒理学上具有特殊性，是因为蛋白安全性由分子身份、免疫识别、消化命运和暴露情境所决定，而非由常用于许多低分子量化学品的剂量-反应规则所决定。在监管实践中，这造成了一个棘手的证据问题：一种新型蛋白可能在食品层面上成分常见，但在表位、肽段、糖型或加工诱导的聚集体层面上却是免疫学上的"新物质"。关于新型食品和致敏原风险评估的最新指南因此强调结构化的危害识别、安全使用历史、生物信息学、消化率、暴露、不确定性以及针对具体案例的测试，而非依赖单一的决定性试验（EFSA NDA Panel, 2024; EFSA GMO Panel, 2022）。FAO/WHO的咨询会议另外提供了优先食品致敏原的风险评估框架以及与人群相关的参考剂量（FAO and WHO, 2022; FAO and WHO, 2023）。关于替代蛋白安全性的综述同样指出，致敏性、加工、微生物生物质和细胞培养产品是各不相同的危害问题，需要针对来源和用途进行具体评估（Banach et al., 2023; Hadi and Brightwell, 2021）。

在科学挑战方面，致敏性问题尤为突出。大多数主要食品致敏原都是蛋白质，但只有少数膳食蛋白会成为临床上重要的致敏原。致敏性并非氨基酸序列的简单内在属性；它是从稳定性、丰度、暴露途径和暴露量、食品加工、消化过程中的抵抗性或转化性、上皮相互作用、抗原呈递、Th2偏向的免疫致敏、IgE结合以及效应细胞激活中涌现出来的。对于新型或修饰过的食品蛋白，目前最成熟的生物信息学步骤仍然是与已知致敏原的比对，包括滑动窗口序列同源性比对和基序搜索（EFSA GMO Panel, 2022; Nguyen et al., 2022）。序列比对有助于识别相关的已知致敏原和潜在的交叉反应性，但对于从头致敏以及没有已知致敏原近亲匹配的蛋白质，其信息量有限（Houben et al., 2019; EFSA GMO Panel, 2022）。基于结构的比对在线性序列相似性有限的情况下可以提供额外的假设，但这些假设仍然需要生物学验证（Nguyen et al., 2022）。致敏还可通过非摄入途径发生，因此关于经皮致敏的证据可以为特定途径的语境提供参考，但不应被视为口服致敏的直接证据（Brough et al., 2020）。

人工智能之所以进入这一领域，是因为蛋白质序列现在被视为信息丰富的生物学语言。蛋白质语言模型、Transformer架构和深度分类器可以捕捉到手工设计描述符难以表达的长距离序列模式。与此同时，AlphaFold式的结构预测使三维蛋白质上下文更加可及，而LC-MS/MS消化组学、免疫肽组学、转录组学和基于细胞的试验则产生了可以进行计算融合的机制性数据流。这些发展对NGRA具有重要意义，因为它们将AI与NAMs和机制证据联系起来，而非延伸动物试验。pLM4Alg、AllergenAI、AllerTrans和比较性深度学习模型展示了近期的基于序列的方法（Du et al., 2024; Liu et al., 2025; Sarlakifar et al., 2025a; Wang et al., 2021）。它们的事后表现本身并不能为真正新颖的蛋白质建立监管信心，尤其是在标签异质、阴性样本不确定或近同源蛋白跨越数据集分区时。自监督蛋白质模型从大量语料库中学习序列表示，但预训练并不使其具备致敏原特异性；表示的规模和迁移仍需要任务特定标签和独立评估（Elnaggar et al., 2022; Ofer et al., 2021; Rives et al., 2021）。

第二个局限是碎片化。生物信息学、消化试验、血清IgE检测、上皮模型、免疫细胞试验、暴露建模和风险管理阈值常常作为独立的工具来讨论。然而，对一种新型食品蛋白做出决策需要一个连贯的生物学叙事：该蛋白的来源和身份是什么？加工和消化后什么留存了下来？什么到达了免疫相关区室？涉及哪些已知的致敏原家族或表位？哪些人体相关性证据支持致敏或引发的担忧？在目标人群中，多大程度的暴露是可能的？同样的逻辑也适用于更广泛的免疫毒性，其中免疫扰动可以包括不当的免疫激活、炎症信号传导或免疫功能受损，而上皮和先天信号可能改变蛋白质抗原被处理的语境（Snapkow et al., 2024; Rizzi et al., 2023; Ali et al., 2020）。口腔上皮是一个活跃的界面，它与共生微生物群和先天信号相互作用，塑造抗原的可及性和局部免疫基调；因此，模型应当保留屏障语境，不应将孤立的细胞因子变化等同于致敏（Ali et al., 2020）。

本综述旨在提出一个高分辨率、决策导向的AI赋能NAMs框架，用于新型食品蛋白风险评估。目标包括：（i）定义将蛋白身份与致敏性和免疫毒性联系起来的机制证据链；（ii）评估蛋白质语言模型、结构AI、消化组学、免疫肽组学、人体肠道模型和PBK/暴露工具如何集成；（iii）识别当前模型在哪些地方对监管决策有用、在哪些地方仍不充分；（iv）提出一个实用的证据融合路线图，用于透明的、人体相关的、暴露感知的评估。本综述聚焦于蛋白质和核酸信息驱动的方法，因为序列、转录组和免疫基因组学数据正在成为现代食品生物技术安全评估的核心。

本文是一篇以叙述和问题为导向的综述，涵盖新型食品蛋白的致敏性及更广泛的免疫相关危害，重点关注蛋白质语言模型、人体相关性NAMs、机制证据、暴露和决策支持。通过针对食品蛋白致敏性、新型食品、蛋白质语言模型、消化组学、免疫毒性、NAMs和外部验证等关键词组合的定向搜索，确定同行评审研究和一级监管资料；截至2026年10月4日，已通过与一手来源核对机构记录和数据库记录。来源的选择标准为与食品蛋白危害识别、人体相关性终点、模型评估或监管实践直接相关。范围以蛋白质为中心，除非这些因素改变蛋白暴露或免疫效应解释，否则不全面评估营养充分性、微生物危害或过程污染物。该搜索并非设计为穷尽性的系统综述；未进行PRISMA筛选或Meta分析。以下的层级和阈值点为作者提出的示例，尚未经过前瞻性验证作为监管标准。

**章节片段**

**为何新型蛋白需要不同的NGRA逻辑**

化学风险评估通常从分子结构、毒代动力学和顶效应开始。新型蛋白评估则从生物学相关性和免疫学合理性开始。一种蛋白可能被消化为无害的氨基酸，也可能作为完整的免疫原性结构存活，释放耐消化肽段，在加工过程中形成聚集体，或携带改变免疫识别的糖结构。昆虫可能引入与甲壳类致敏原的类原肌球蛋白交叉反应（EFSA NDA Panel）。

**机制锚点：从蛋白暴露到免疫结局**

机制锚定是有效的NAMs与孤立试验之间的核心区别。IgE介导的食品过敏不良结局通路可以简化为：暴露、蛋白持久性、上皮采样、抗原呈递、Th2极化、类别转换至IgE以及再暴露后效应细胞激活。每一步都可以通过与NAMs相关的测量来表示，但没有任何单一指标能证明或排除临床致敏性。消化稳定性表明完整的蛋白在消化过程中得以保留。

**蛋白质语言模型与结构AI：前景与局限**

用于致敏性的AI模型已从手工设计的描述符发展为从大量蛋白质序列语料库中学习到的嵌入表示。深度学习和集成分类器在基准致敏原数据集上报告了较强的区分能力（Wang et al., 2021）。然而，估计的性能可能因数据泄漏、样本量小或非独立样本以及不恰当的分区或验证程序而被高估（Vabalas et al., 2019; Kapoor and Narayanan, 2023）。蛋白质语言模型学习序列表示，但其预训练并不自动赋予致敏原特异性。

**核酸信息驱动的NAMs：转录组学、免疫基因组学与数据整合**

尽管安全评估的对象通常是蛋白质，但核酸信息驱动的方法正日益成为其评估的核心。转录组学可以在暴露于完整蛋白、消化产物或加工衍生组分后揭示上皮应激、细胞因子诱导、干扰素信号传导、未折叠蛋白反应和炎症通路激活。免疫基因组学可以将肽段与HLA结合预测和T细胞表位假设联系起来。宏基因组或宿主微生物组数据也可能变得相关。

**暴露、PBK推理与定量风险语境**

没有暴露评估的致敏性评估是不完整的。一种高度稳定的蛋白，如果以微量水平存在于极少食用的产品中，其风险特征与同一种蛋白浓缩在主食或婴幼儿产品中截然不同。暴露评估必须考虑预期使用水平、食用量、消费频率、食品基质、加工、脆弱人群以及可预见的不当使用。对于已确立的致敏性食品，最小引发剂量分布可以支持定量风险评估。

**证据融合、信心评分与监管透明度**

对于每个预设的证据域i，分配一个序数关注信号s?∈{0,1,2}：0表示在有效且充分对照的评估中无信号；1表示有限或矛盾的信号；2表示稳健的关注。缺失、不可解释或超出适用域的证据不予评分，绝不编码为0。分配证据可靠性w?∈{0,1,2}、适用性a?∈{0, 0.5, 1}和归一化不确定性u?∈[0,1]。证据权重q?=w?×a?×(1?u?)，加权关注分数为：

**研究路线图与未来展望**

该领域现在需要更少的孤立预测器，更多的可互操作评估系统。首要优先事项是数据质量。致敏原数据库应区分临床证据、暴露途径、食品相关性、亚型、加工状态和信心水平。阴性数据集应与阳性数据集同样仔细地整理，因为定义不良的非致敏原是模型偏差的主要来源。为支持未来模型开发，我们建议消化组学和免疫学NAMs数据集应遵循标准化的报告规范。

**结论**

新型食品蛋白无法仅通过应用传统化学品毒理学或依赖孤立的序列相似性来充分评估。其安全性取决于一系列事件链，包括分子身份、加工、消化、免疫识别和暴露。AI赋能的NAMs提供了一条强大的现代化路径，因为它们能够整合序列、结构、肽段、组学、免疫和暴露证据。本综述的核心论点是：未来的新型蛋白评估不应停留在简单的"通过/不通过"筛查，而应发展为以机制为基础、以暴露为语境、以决策为导向的透明证据体系。

**CRediT作者贡献声明**

Wajid Zaman：写作 – 审阅与编辑，写作 – 原始稿，可视化，验证，软件，方法学，形式分析，数据整理，概念化。

Muhammad Saeed Akhtar：写作 – 审阅与编辑，写作 – 原始稿，可视化，验证，监督，软件，项目管理，方法学，调查，形式分析，数据整理，概念化。

**未引用的参考文献**

EFSA NDA Panel, 2022; WHO/IUIS致敏原命名分委员会, 2026。

**利益冲突声明**

作者声明，他们没有已知的竞争性经济利益或个人关系，这些利益或关系可能影响本论文中报告的工作。

**数据可用性声明**

本综述未生成或分析新数据。

**生成式AI及AI辅助技术在手稿准备过程中的声明**

在准备本工作过程中，作者使用了ChatGPT、FigureLab和Grammarly来辅助主题结构组织、文献整理、语言编辑以及方案草图和选定图形素材的准备。使用这些工具后，作者审阅、编辑并核实了内容，对最终手稿承担全部责任。

**资金支持**

本研究未获得公共、商业或非营利部门基金机构的任何专项资助。

**利益冲突声明**

作者声明，他们没有已知的竞争性经济利益或个人关系，这些利益或关系可能影响本论文中报告的工作。

Muhammad Saeed Akhtar | Wajid Zaman