《Food Bioscience》：Interpretable Machine Learning Decodes Sequence–Activity Rules of Ultra-Short ACE-Inhibitory Peptides
编辑推荐：
摘要高血压是一个全球性的健康问题，可以通过ACE抑制剂有效控制。富含脯氨酸的疏水性和短链肽（2-5个残基）是经常与ACE抑制相关的结构特征。通过整合多维物理化学特征和肽序列组成，开发了一种XGBoost分类器（ACE-PeptideNet）。SHAP分析显示，分子拓扑特征和序列组
摘要
高血压是一个全球性的健康问题，可以通过ACE抑制剂有效控制。富含脯氨酸的疏水性和短链肽（2-5个残基）是经常与ACE抑制相关的结构特征。通过整合多维物理化学特征和肽序列组成，开发了一种XGBoost分类器（ACE-PeptideNet）。SHAP分析显示，分子拓扑特征和序列组成是最关键的预测因素，而分子量和电荷的影响较小。ACE-PeptideNet的准确率为95.00%，召回率为97.17%。虚拟筛选和验证确定APRP是一种强效抑制剂，其在第2和第4位置有两个脯氨酸残基。在HHL-ACE测试中，APRP的IC50为0.2892 mM。在HK-2细胞中，APRP在测试条件下显著减少了Ang II的积累（浓度为1 nM时减少了72.85%）。分子对接预测APRP可能通过氢键、盐桥、疏水相互作用以及与关键残基（如Lys118、Asp121、Glu403和Trp59）的π-烷基相互作用来结合ACE活性位点。该流程结合了可解释的机器学习和实验验证，以指导食品来源的抗高血压肽的合理设计。
引言
高血压被定义为持续升高的全身血压（≥140/90 mmHg）的慢性疾病，影响着全球超过13亿人，是主要的公共卫生负担（Manosroi & Williams, 2019）。未控制的慢性高血压会导致一系列严重的并发症，包括中风、高血压性视网膜病变、心肌梗塞、心力衰竭和慢性肾病，这些并发症显著增加了发病率和死亡率。肾素-血管紧张素-醛固酮系统（RAAS）是调节全身血压稳态的主要途径，其中血管紧张素转换酶（ACE）在这一过程中起关键作用（Liang, et al., 2025）。作为特定的金属肽酶，ACE将无活性的血管紧张素I转化为血管紧张素II——一种强效的血管收缩剂，同时也会刺激醛固酮的分泌（Lee, et al., 2023）。这一连续反应促进血管收缩和肾脏对钠和水的保留，最终导致血压升高（Rosendorff, 1996）。因此，开发有效的ACE抑制剂是预防和治疗高血压的核心策略。
目前可用的临床抗高血压药物包括ACE抑制剂（ACEIs）、血管紧张素受体阻滞剂（ARBs）、利尿剂、β阻滞剂和钙通道阻滞剂。虽然这些药物对血压控制有效，但它们常伴有咳嗽、头晕、疲劳、头痛、外周水肿、高钾血症、低血压、味觉障碍和皮疹等不良反应（Bai, et al., 2025）。这些副作用主要是由于合成药物的全身作用及其对生理途径的脱靶效应，这突显了迫切需要探索天然、安全且成本效益高的抗高血压替代品（X. Yang, Wang, Liu, Zhang, Cheng, & Du, 2025）。近年来，ACE抑制肽作为一种重要的天然抗高血压药物类别受到了广泛关注，因为与合成药物相比，它们的副作用较轻（Bao, et al., 2025）。这些生物活性肽通过自然促进血管舒张和调节RAAS来发挥抗高血压作用，其内源性代谢途径将毒性反应降到最低，使其成为长期管理高血压的理想候选者（T. Li, et al., 2025）。尽管ACE抑制肽的潜力巨大，但仍存在几个关键挑战。首先，缺乏准确识别生物活性肽的有效方法。其次，传统的分离技术往往无法检测到低浓度的高活性肽。此外，我们对已识别肽如何结合ACE活性位点的理解仍然有限。最后，这些肽降低血压的多目标机制尚未完全明了。
机器学习已成为肽类药物发现中的变革性工具，从基本的线性回归和决策树算法发展到包括支持向量机、随机森林和深度学习网络在内的复杂方法（Fu, et al., 2025; Wu, Lin, Bai, & Duan, 2024）。其中，梯度提升决策树（GBDT）（Z. Zhang & Jung, 2021）、LightGBM（Luo, et al., 2023）和极端梯度提升（XGBoost）（Y. Zhang, et al., 2024）已成为预测功能性肽生物活性最常用的模型，并展示了先进的性能。Wang等人（2011）率先使用G-scale描述符和偏最小二乘（PLS）回归应用定量结构-活性关系（QSAR）模型来研究ACE抑制寡肽。Bai等人（2025）开发了DeepForest-HTP——一个基于深度森林的机器学习框架，整合了来自多个数据库（包括BIOPEP-UWM）的2000多个肽序列。然而，目前的研究仍存在一些局限性。缺乏有效预测超短肽的工具，传统筛选方法遗漏了许多候选物，肽-ACE相互作用的分子机制仍不为人所完全理解。
为了解决这些问题，本研究设计了一种创新的综合方法，用于高效识别2-5个残基的ACE抑制肽。首先，我们从肽序列中系统地提取了多维物理化学特征（疏水性、电荷、立体化学结构、氢键能力）和序列组成信息，构建了一个高质量、全面的功能数据集。然后，我们使用XGBoost算法开发了一个核心预测模型，旨在获得比传统方法更好的预测性能和泛化能力。利用训练好的ACE-PeptideNet模型，我们构建了一个包含所有理论上的2-5个残基肽序列的内部肽库，并进行了高通量虚拟筛选，根据预测的ACE抑制活性优先选择候选肽。为了深入理解模型的决策过程并揭示ACE抑制活性的关键物理化学驱动因素，我们使用SHAP可解释性技术进行了事后分析。然后在多个层面对优先选择的候选肽进行了验证：在HHL-ACE酶促测试中确认了直接的ACE抑制作用，在HK-2细胞模型中评估了功能效应，并通过分子对接预测了与ACE活性中心的结合模式。因此，这项研究形成了从智能的计算机模拟预测到体外功能验证的完整研究周期，为高通量发现ACE抑制肽候选物提供了新的框架。
章节片段
材料
兔血管紧张素转换酶（ACE）和 hippuryl-histidyl-leucine（HHL）从Sigma-Aldrich（美国密歇根州）购买。0.1 M HEPES缓冲液（pH 8.3，含0.3 M NaCl）从北京Leagene Biotechnology Co., Ltd.（中国北京）获得。合成肽（HYSSW、GKGSW、KSDPQ、APRP、ARPP、APPQ、RSS、SRS、SSQ、QR、PY、PR）由中国Peptides Co., Ltd.（上海）定制合成并纯化。血管紧张素I（Ang I）从MedChemExpress Co., Ltd.（新
基于模型的特征分布分析
为了进一步研究不同机器学习模型学习到的类别分布，使用LightGBM、CatBoost、GBDT、MLP和XGBoost计算了独立测试集中样本的SHAP值。然后对每个模型生成的SHAP值应用主成分分析（PCA），并使用前三个主成分（PC1–PC3）构建三维表示。绘制了95%协方差椭球图来可视化分布
结论
本研究通过整合肽序列的多维物理化学特征和序列组成信息，开发了一个高效的机器学习框架，用于发现新型ACE抑制肽。对五种机器学习算法的全面比较表明，XGBoost模型（ACE-PeptideNet）表现出优越的预测性能，准确率为95.00%，召回率为97.17%，突显了其卓越的预测可靠性
CRediT作者贡献声明
Dexin Zhu：撰写——原始草稿，软件。 Baifeng Fu：撰写——审阅与编辑，撰写——原始草稿，可视化，方法学，概念化。 Zhihui Chang：可视化，数据整理。 Yulin Wu：研究，形式分析，数据整理。 Ming Du：资源获取，资金争取，概念化。 Shuzhen Cheng：撰写——审阅与编辑，监督，方法学，数据整理。 Peifan Li：方法学，数据整理。 Li Liu：撰写——审阅与编辑，验证，
未引用参考文献
Fu et al., 2025; Li et al., 2025.
利益冲突声明
? 作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。
致谢
本工作得到了大连高层次创新人才团队项目（2023RG005）、辽宁省自然科学基金（2026-MS-162）和兴辽人才计划（XLYC2403202）的支持。此外，特别感谢青年科技人才培养项目的博士生计划，CAST。
Baifeng Fu|Dexin Zhu|Yulin Wu|Zhihui Chang|Peifan Li|Ruibin Guo|Li Liu|Shuzhen Cheng|Ming Du
