一种数据集校准的多模块模型，用于评估植物油与母乳脂质的相似性：单一油脂排名、混合优化及机器学习辅助交叉验证

《Food Chemistry》：A dataset-calibrated multi-module model for evaluating plant oil similarity to human milk lipids: single oil ranking, blending optimization, and machine learning assisted cross-checking

　　以下为您提供的中文翻译，保留了原文的学术结构和引用格式：**摘要要点**- 多模块模型量化植物油与母乳脂质的相似度- Aitchison距离评分整合营养成分、磷脂与脂肪酸- 不同泌乳阶段的最优油脂不同，需采用阶段特异性配比方案- Pareto优化生成候选油基配方，用于婴幼儿配方奶粉的脂质设计**引言**母乳被广泛视为婴儿营养的金标准，其提供的营养素和生物活性成分对早期生长、免疫成熟及长期健康不可或缺（Wang et al., 2025）。其中，母乳脂质及脂溶性生物活性成分对神经系统发育、肠道菌群建立和代谢调节具有核心作用（Wang et al., 2026, Wang et al., 2026）。然而在实际中，母乳喂养常受限于产妇健康状况、泌乳不足或传染性疾病（Wei et al., 2024）。因此，营养安全的婴幼儿配方奶粉（IF）已成为全球婴儿营养的公共卫生必需（Rollins et al., 2023）。在此背景下，设计功能更接近母乳的配方奶粉仍是重大挑战。拓展原料范围是实现母乳化配方必须解决的首要问题。目前配方奶粉的核心脂质成分来源于牛乳、羊乳等反刍动物乳，但由于养殖周期、环境资源和疾病风险等因素，动物乳供应不稳定且成本高（Ammann et al., 2024; Grimm et al., 2025）。尽管反刍动物乳与母乳因同源而具有相同的脂质类别，但其关键成分含量、消化率以及生物活性物质与母乳存在显著差异（Wei et al., 2022）。因此需要新的脂质来源加以补充。植物油资源丰富，且富含油脂及生物活性成分（Amarilla et al., 2025; Zhang et al., 2025）。大豆（Glycine max (L.) Merr., GM）磷脂已在配方奶粉中得到广泛应用，但其他植物油及其内部其他成分的使用仍然有限。从成分上看，亚麻（Linum usitatissimum L., LU）、橄榄（Olea europaea L., OE）、油茶（Camellia oleifera Abel, CO）和元宝槭（Acer truncatum Bunge, AT）等油脂的脂肪酸组成在某种程度上与母乳脂质相似，有利于婴儿神经系统和免疫功能发育（Wang et al., 2023; Wu et al., 2024; Zhu, Zhao, et al., 2024）。据报道，核桃（Juglans regia L., JR）在成分模式上的脂肪酸组成比其他动物乳更接近母乳（Hussain et al., 2023）。植物油还是母乳中关键脂溶性功能成分的自然来源，包括维生素E和叶黄素（Gao et al., 2024）。维生素E是一种重要的抗氧化剂，可保护不饱和脂肪酸并促进免疫和神经发育（Purkiewicz et al., 2025），而叶黄素直接参与婴儿视网膜和认知功能的构建（Gazzolo et al., 2021）。尽管植物油通常缺乏动物乳特有的成分（如鞘磷脂SM），但其丰富的功能性脂质和脂溶性活性物质可被视为动物乳之外一类重要的脂质来源。植物油种类繁多，不同资源的脂质和生物活性物质含量差异显著，因此当前筛选主要依赖母乳相似度模型进行系统选择。现有模型主要分为两类：罚分原则模型和Bray–Curtis模型。前者以母乳中关键营养素的含量范围作为参考基线，根据样本与参考区间之间的相对距离进行逐项罚分加权（Zhu et al., 2026）。后者利用个体与均值之间的相似度指数，对多指标相似度进行综合比较（Zhu, Fau connier, et al., 2024）。这两类模型为母乳替代品的相似度评价提供了可量化、统一的标尺，取代了早期对零散经验的依赖。然而，随着应用的拓展，其局限性也逐渐显现。首先，现有模型大多侧重于单个样本与母乳参考区间的静态比较，难以支持大量植物油候选资源的排序、筛选、组合优化及配比权衡。其次，指标权重缺乏客观依据，等权重或经验权重难以识别关键结构特征对总体相似度的实际贡献。第三，多数模型直接在原始百分数尺度上进行比较，未能充分考虑磷脂和脂肪酸等成分数据存在的和约束（sum constraint），也无法良好捕捉乳脂球膜与油相核心之间的多级结构差异。为应对这些局限，可引入结合成分数据分析与机器学习（ML）辅助交叉验证的建模方法。中心对数比（CLR）变换可在等距空间中衡量样本与母乳参考中心点之间的成分差异，提高相似度度量的合理性（Greenacre et al., 2023）。交叉验证与敏感性分析用于评估模块权重和排序结果的稳定性（Chen & Zhang, 2021; Lopez et al., 2023），分类模型与新奇性检测则从互补角度对筛选可靠性进行辅助验证（Lopez et al., 2026）。在此基础上，我们开发了一种融合成分数据分析与ML辅助交叉验证的多模块模型，用于评估不同泌乳阶段植物油与母乳脂质的相似度并进行油脂配比优化（见图1）。该模型将脂溶性生物活性成分、磷脂组成及甘油三酯脂肪酸组成作为三个互补维度加以考量。模型提供分阶段的单油排序、按模块及整体进行的配比优化、基于Pareto的权衡分析以及内部鲁棒性评估。所得排序与候选配比可为初步原料筛选和后续实验评价提供量化依据。**各节内容摘要****材料与试剂**叶黄素（纯度98%）和α-生育酚（纯度98%）标准品购自麦克林（中国上海）。甲醇、甲基叔丁基醚（MTBE）、正己烷、丙酮和乙腈均为色谱级，二丁基羟基甲苯（BHT）为分析纯，上述试剂购自川东化工（中国重庆）。我们选取了20种来源于不同科属的植物油，每种油脂均采样自其在中国的典型主产区（每种1公斤）。**植物油之间脂溶性生物活性成分、磷脂和脂肪酸的成分差异**各油脂的脂溶性成分（叶黄素、α-生育酚）、磷脂及甘油三酯脂肪酸见图2。在脂溶性成分方面，20种油脂的叶黄素和α-生育酚含量差异显著（图2A、B）。叶黄素集中于少数油脂，其中沙棘（IP）含量最高（403.40 ± 2.13 μg/L），其次为亚麻籽（LU，140.68 ± 1.43 μg/L）和油棕（PB，63.90 ± 0.80 μg/L），而葡萄籽油（PD）、杏仁（AH）、核桃（JR）、油茶（CO）、菜籽（CW）和小苏铁（XS）均未检出，这一明显的原料特异性与……**结论**为应对植物油筛选长期依赖人工经验、缺乏系统化定量比较，以及现有母乳相似度模型普遍采用等权重这两大局限，我们构建了一个以成分数据距离为核心、结合数据驱动权重的多模块评估与配比优化框架。在成分测定完成后，该框架将油脂筛选决策从依赖人工经验和主观判断……**生成式人工智能及AI辅助技术声明**本文使用生成式人工智能工具（Claude）提升稿件的可读性与语言质量。此外，部分图像元素借助AI（ChatGPT）生成，这些元素仅用于实现作者的创意构想，所有图形均由作者原创绘制。所有内容（包括AI辅助元素）均由作者审核和编辑，以确保准确性与完整性。未使用AI工具生成科学内容、解释数据或执行任何……**CRediT作者贡献声明**Wang Yuankai（王远凯）：撰写初稿、方法、调查研究、形式分析、数据整理。Wang Fanlong（王凡龙）：调查研究、形式分析、数据整理。Wang Lu（王璐）：方法、调查研究、数据整理。Zhang Zhimin（张志敏）：形式分析。Kan Jianquan（干鉴全）：撰写——审阅与编辑。María Roca：撰写——审阅与编辑。Krisztina Takács：方法。Elena G. Kovaleva：形式分析。Cai Tian（蔡天）：撰写——审阅与编辑、监督、方法、概念构思。Chen Kewei（陈科伟）：撰写——……**利益冲突声明**作者声明不存在任何可能影响本文所报告工作的已知竞争性经济利益或个人关系。**致谢**本研究受以下项目资助：国家重点研发计划（2023YFE0116100）、重庆市科技局"新重庆青年创新人才计划"（CSTB2025YITP-QCRCX0008）、中央高校基本科研业务费专项资金（SWU-KW26002）以及外国专家局外国专家项目（S20240093, H20240226）。**作者**：王远凯｜王凡龙｜王璐｜张志敏｜干鉴全｜María Roca｜Krisztina Takács｜Elena G. Kovaleva｜蔡天｜陈科伟