《Frontiers in Food Science and Technology》：AI-guided extraction of plant-derived bioactives for edible packaging films
编辑推荐：
塑料污染问题的日益严峻以及可持续食品包装需求的不断上升，加速了以植物源生物活性物强化的可食性包装膜的研究进程。类黄酮、萜类化合物和多酚等植物化学物质具有抗氧化、抗菌及功能性特性，可提升食品安全性、维持品质并延长货架期。然而，索氏提取、浸渍法和溶剂萃取等传统提取
塑料污染问题的日益严峻以及可持续食品包装需求的不断上升，加速了以植物源生物活性物强化的可食性包装膜的研究进程。类黄酮、萜类化合物和多酚等植物化学物质具有抗氧化、抗菌及功能性特性，可提升食品安全性、维持品质并延长货架期。然而，索氏提取、浸渍法和溶剂萃取等传统提取方法存在溶剂和能量消耗高、选择性与提取效率低以及生物活性物热降解等缺陷。此外，提取变量之间的非线性关系复杂，限制了传统统计优化方法的性能。本综述批判性地审视了传统统计优化工具（尤其是响应面法（RSM）和实验设计（DoE））与机器学习（ML）及深度学习（DL）策略在先进绿色提取过程中的整合应用，涵盖微波辅助提取、超声辅助提取、酶辅助提取、超临界流体提取、脉冲电场提取和加压液体提取等技术。RSM/DoE有助于系统化实验设计与过程优化，而ML方法（包括人工神经网络（ANN）、支持向量回归（SVR）、随机森林（RF）和自适应神经模糊推理系统（ANFIS））则能够实现非线性关系的数据辅助预测。DL架构（包括卷积神经网络（CNN）、自编码器（AE）、Transformer和物理信息神经网络（PINN））在具备充足训练数据时能够支持复杂高维数据集；然而，在可食性包装研究中数据集相对较小且异质性较强，其适用性必须结合模型复杂度、过拟合和验证稳健性加以考量。本综述进一步评估了AI引导的植物源生物活性物通过优化包封、力学与阻隔性能预测、控释行为、安全性评估和可持续性评价等环节整合入可食性包装的研究进展。多项已报道研究表明，与传统响应面法相比，AI辅助及混合模型在提取率、溶剂用量、能量需求和实验次数等方面展现出更高的预测精度和优化效能。然而，标准化数据集的缺乏、计算复杂度、监管问题以及大规模验证的不足限制了其在工业中的应用。现有文献提供的直接证据仍然有限，尚不足以将力学、阻隔和释放性能以及迁移等安全性结果与基于ML的建模和优化直接关联。因此，针对特定配方的实验验证仍然不可或缺。未来可解释AI框架、标准化数据库、工业规模研究以及多学科协作的进展，将对智能化可持续可食性包装系统的商业化至关重要。在以上方法被认为具备工业应用可行性之前，仍需开展进一步的放大研究。其转化应用将取决于工艺可重复性、监管认可、足够大且具代表性的数据集、适当的计算资源、配方特异性测试、机制知情建模以及不确定性量化。任何拟议配方在获准用于食品接触应用之前，还必须经过独立的实验验证以及食品安全和货架期研究。
论文主体内容总结
1 引言
全球食品包装领域大量使用石油基塑料，占欧洲塑料总消费量的近40%，每年产生超过1.41亿吨包装废弃物，其中仅约14%被回收，5%被成功再生利用。欧盟一次性塑料指令和循环经济行动计划等监管框架的日益完善，以及公众意识的提升，推动了可持续、可生物降解和可食性包装解决方案的开发。可食性包装系统由蛋白质（明胶、玉米醇溶蛋白、乳清蛋白）、多糖（淀粉、海藻酸盐、果胶、壳聚糖）和脂质等天然生物聚合物制成，旨在与食品一同食用，从而最大限度减少包装废弃物，同时作为生物活性化合物的载体以改善食品品质并延长货架期。然而，可食性膜和涂层在力学强度、水分阻隔性和结构性能方面存在局限。植物源生物活性分子（如类胡萝卜素、萜类化合物、多酚、类黄酮和精油）作为功能性组分受到广泛关注，其整合可增强抗菌、抗氧化和功能性特性。传统提取技术（索氏提取、水蒸气蒸馏、浸渍法）因提取时间长、能量和溶剂需求高、选择性有限以及热不稳定化合物降解而效率低下。超声辅助提取（UAE）、微波辅助提取（MAE）、酶辅助提取（EAE）、加压液体提取（PLE）和超临界流体提取（SFE）等创新绿色提取技术结合机器学习方法受到越来越多的关注。尽管这些技术优势显著，其操作参数（压力、温度、溶剂组成、提取时间、固液比和功率输入）的复杂性给优化带来重大挑战。传统统计优化工具（RSM和DoE）预测灵活性不足，难以捕捉非线性关系。AI和ML方法（ANN、SVR、RF、ANFIS）在分析高维非线性提取数据和预测过程响应方面表现出卓越能力。深度学习（DL）方法（CNN、自编码器、Transformer、PINN）适用于高维、图像衍生、序列、多模态或物理受限数据集。遗传算法（GA）、粒子群优化（PSO）和贝叶斯优化则属于可与已验证的ML/DL预测模型整合的优化或搜索算法。本综述批判性地探讨了AI驱动的提取策略、先进绿色提取技术与植物源生物活性物整合入可食性包装膜之间的协同关系，并提出了概念性闭环策略框架。
2 检索策略与综述框架
在Scopus、PubMed、Google Scholar、Web of Science和ScienceDirect等主要科学数据库中进行全面文献检索，时间范围为2018年1月至2026年5月。通过布尔运算符整合三个关键主题模块构建检索式：模块1涵盖提取方法学（微波辅助提取、超声辅助提取、超临界流体提取、深共晶溶剂、NADES、加压液体提取、酶辅助提取、脉冲电场、绿色提取）；模块2A涵盖传统统计优化（RSM、DoE）；模块2B涵盖机器学习（ANN、SVM、RF、ANFIS）；模块2C涵盖深度学习与先进AI（CNN、Transformer、自编码器、PINN、数字孪生）；模块2D涵盖优化算法（GA、PSO、贝叶斯优化、多目标优化）；模块3涵盖可食性包装（可食性涂层、可食性膜、活性包装、可生物降解包装、包封）。去重后筛选2348篇文献，487篇进行合格性评估，最终纳入150篇研究。研究采用三层比较分析框架：操作层（提取变量和关键性能指标）、建模层（模型性能指标如R2、RMSE、AAD）和转化层（提取与可食性包装应用的整合分析）。证据进一步分类为：直接实验证据、姊妹领域转移证据和概念性证据。
3 先进提取策略：机理评估与AI驱动整合
植物中的生物活性化合物嵌入复杂的细胞基质中，以游离形式存在于液泡内或通过糖苷键、酯键和醚键与细胞壁结构化多糖化学结合。传统提取方法（浸渍法和索氏提取）受限于提取时间长（2-24小时）、溶剂消耗大（20:1-50:1 v/w）和热敏化合物降解。
超声辅助提取（UAE）基于声空化机理，超声波（20-100 kHz）产生微气泡的形成与崩塌，产生接近5000 K温度和1000 atm压力的极端局部条件，破坏细胞结构、破裂植物细胞壁、减小颗粒尺寸并增加细胞内植物化学物质的释放。UAE主要依赖机械破坏，最大程度减少热降解，对花青素和不稳定类黄酮等热敏化合物保护效果显著。提取效率受溶剂组成、超声强度、提取温度、脉冲模式、粒径和固液比等多因素影响，适合机器学习建模优化。研究表明，RSM、ANFIS和随机森林模型在葡萄籽多酚提取中均获得高R2值（>0.8）。ANN-GA混合技术在甜菊糖苷提取优化中比RSM具有更高的精度和预测能力。然而，数据集大小影响模型性能，RSM在小数据集上可能优于ANN。
微波辅助提取（MAE）基于极性分子的介电加热原理，微波辐射（300 MHz-300 GHz）引起偶极旋转和离子传导，产生快速内部加热，热膨胀产生显著内部压力破坏细胞结构。MAE通常比UAE提供更优的提取动力学，但热热点可能对热敏植物化学物质产生负面影响。超声-微波顺序辅助提取（UMAE）可加速溶剂渗透、改善溶质释放并提高提取效率。晚香玉提取物优化研究表明ANN预测比RSM更准确，微波功率对浸膏产率影响最大。
深共晶溶剂（DES）和天然深共晶溶剂（NADES）通过氢键受体（如氯化胆碱、甜菜碱）与氢键供体（甘油、柠檬酸、乙二醇、尿素）的缔合形成超分子网络，显著降低混合物熔点，形成具有可忽略蒸气压、高提取效率和可定制理化性质的液相。DES能与植物生物活性化合物形成多种分子相互作用，有效溶解和稳定酚类化合物。氯化胆碱类DES通常比甜菜碱类溶剂体系产生更高的多酚产率（1.2-1.8倍），而甜菜碱类DES可能产生单位多酚抗氧化潜力更高的提取物。ANFIS-GA混合模型优化红甘蓝花青素提取，R2值达0.95，最优条件为超声功率252 W、温度52.7°C、DES摩尔比2.067:1。
超临界流体提取（SFE）利用超临界状态下的二氧化碳，兼具气体和液体特性，可调节溶剂性质。超临界CO?密度增加增强溶解能力以溶解非极性和中等极性分子，温度影响溶解度和选择性。SFE避免使用传统有机溶剂，产生无残留提取物，适合食品级膜配方。但超临界CO?极性低，对极性多酚提取效率有限，添加5%-20%乙醇作为共溶剂可改善。顺序提取策略（SFE后接PLE）可先分离非极性萜类化合物和挥发性成分，再用乙醇-水混合物在100-200 bar和50-100°C条件下回收极性多酚，产生组成不同的提取物，适用于活性食品包装应用。
酶辅助提取（EAE）利用纤维素酶、半纤维素酶和果胶酶等水解酶破坏植物细胞壁，在温和水性环境中促进细胞内生物活性成分释放，避免高温，保护热敏化合物。脉冲电场（PEF）通过施加短暂高强度电脉冲使细胞膜透化，提高细胞内化合物向周围介质的迁移。与UAE和MAE的大量AI优化研究相比，EAE和PEF系统的机器学习应用仍有限。新兴研究趋势包括基于分子和结构特性预测酶-底物相互作用、多目标优化多酶配方组成以及确定最优PEF操作参数。AI与NADES的整合有望成为开发富含生物活性提取物的先进食品包装配方的有价值策略。
比较评估表明，没有任何单一提取方法普遍优越。UAE和MAE在最短时间内实现极性多酚的最高提取率；超临界溶剂提取是特别重要的环境友好方法；DES基提取产生比传统有机溶剂更绿色的提取物，但面临高粘度和溶剂回收成本的运营挑战。提取方法选择应考虑提取效率、生物活性分子稳定性、能量需求、溶剂可持续性、工业可行性以及数据驱动模型、机器学习方法、监管接受度和安全性评估。
4 可食性包装膜：从提取物整合到控释与监管框架
将优化后的生物活性提取物转化为可食性包装膜系统需解决三个相互关联的挑战：保持加工和储存过程中的生物活性稳定性、设计与目标食品腐败动力学相对应的控释动力学、确保监管合规、安全性和消费者接受度。
包封策略通过将活性化合物物理保护在微米或纳米级载体结构内提高生物活性稳定性。纳米乳剂和Pickering乳剂是亲脂性生物活性物（萜类化合物、精油、油树脂）最广泛开发的载体系统。壳聚糖纳米颗粒稳定的肉桂精油Pickering乳剂整合入壳聚糖/明胶可食性膜后，对腐败菌表现出控释抗菌活性。羧化纤维素纳米晶稳定的牛至精油Pickering乳剂结合ZnO纳米颗粒整合入魔芋葡甘聚糖/羧甲基壳聚糖膜，表现出最高阻隔性、力学和抗菌活性。亲水性多酚通常更适合用脂质体或环糊精包合物包封。脂质体的两亲性允许水溶性和脂溶性生物活性物的共包封。饱和脂质和胆固醇增强膜刚性和结构完整性，PEG、蛋白质、肽和多糖的膜修饰提高对环境与加工应力的抵抗力。环糊精的环形结构具有疏水内腔和亲水外表面，有利于包封、保护和稳定。喷雾干燥和冷冻干燥是最具工业可行性的方法。喷雾干燥微胶囊表现出更低的含水量和吸湿性、更高的溶解度、更细的粒径分布和更精确的微观结构，陈皮提取物中类黄酮保留率达93.45%、多酚达90.35%。电液动力学（EHD）技术（静电纺丝和电喷雾）产生具有高表面积体积比、可调孔隙率和温和加工条件下有效生物活性保护能力的纳米结构系统。共包封策略可在单一载体系统中递送多种生物活性化合物，调节释放行为并促进协同效应。
控释机理主要包括扩散控制释放、溶胀控制释放和刺激响应释放。扩散控制释放基于Fick定律，活性化合物沿浓度梯度通过聚合物基质迁移。香草醛交联壳聚糖膜包封绿茶多酚呈现0-8小时初始突释后持续释放至400小时的特性，同时拉伸强度提高至20.9±3 MPa。溶胀控制释放在亲水性聚合物体系中尤为重要，水分子渗透引起基质膨胀和聚合物结构扩张，降低传质阻力。刺激响应释放由特定环境刺激（pH、湿度、酶活性、温度、电信号、光、磁场）触发，但实际应用中湿度响应系统占主导。数学建模（Fick扩散模型、Korsmeyer-Peppas模型和Weibull模型）为分析和优化活性化合物释放动力学提供重要工具。
生物活性化合物在可食性包装膜中的稳定性受膜基质与环境因素（水活度、聚合物组成、温度和光照）的整合相互作用控制。甘油增塑的生物塑料比山梨醇增塑的具有更低的抗性能力和更高的伸长率。纳米纤维素（纤维素纳米晶体、纤维素纳米纤维、细菌纳米纤维素）可稳定和包封油脂、益生菌、酶和风味物质。蛋白质-多酚复合物已有效整合入可食性膜，提供活性保鲜功能。
