机器学习(Machine Learning, ML)辅助优化Helichrysum splendidum精油包埋用于食品保鲜应用

《Applied Food Research》：Machine Learning-Assisted Optimization of the Encapsulation of Helichrysum splendidum Essential Oil for Food Preservation Applications

　　

采后损失是粮食安全面临的主要挑战，凸显了对天然可持续保鲜策略的需求。精油(Essential Oils, EOs)是合成防腐剂的有前景替代品，但其挥发性、水溶性差及不稳定限制了实际应用。研究人员采用壳聚糖(chitosan)和乳清蛋白浓缩物(Whey Protein Concentrate, WPC)作为壁材优化了Helichrysum splendidumEO的包埋(encapsulation)。实验采用响应面法(Response Surface Methodology, RSM)下的中心复合设计(Central Composite Design, CCD)，因素为聚合物比例、EO浓度和Tween-80，评价了水溶性(Water Solubility, WS)、水分含量(Moisture Content, MC)、抗氧化活性(Antioxidant activity, AO)和抗真菌活性(Antifungal activity, AF)。同时研究人员开发了支持向量机(Support Vector Machines, SVM)、高斯过程回归(Gaussian Process Regression, GPR)和人工神经网络(Artificial Neural Network, ANN)等机器学习模型并与RSM进行预测性能比较。RSM分析显示壳聚糖和EO浓度对包埋结果影响最显著，且对功能性质存在显著交互作用。在ML模型中，ANN和GPR表现出优于RSM的预测精度，尤其对AO和AF。基于表现最优模型(ANN)结合遗传算法(Genetic Algorithm, GA)得出的最佳配方为：壳聚糖23.65%、WPC 52.53%、EO 22.75%、Tween-80 1.07%。该配方表现出增强的WS、降低的MC及强AO和AF，证实了两种聚合物的互补行为——壳聚糖贡献抗真菌活性，WPC增强抗氧化潜能。本研究证明了RSM与ML工具结合优化包埋的有效性，并确立了H. splendidumEO负载于壳聚糖-WPC基质中作为采后水果保鲜的有前景天然保鲜系统。

《Helichrysum splendidum精油-壳聚糖/乳清蛋白浓缩物包埋体系的RSM与机器学习协同优化及采后保鲜应用》论文解读

该研究发表于《Applied Food Research》。

一、研究背景与意义

采后果蔬损失高达45%，传统合成杀菌剂因健康与环境风险受限。精油(Essential Oil, EO)具抗菌抗氧化性但存在高挥发性、水溶性差、化学不稳定等缺陷。包埋可克服上述限制，天然生物聚合物壳聚糖(chitosan, 具抗真菌、成膜性)与乳清蛋白浓缩物(Whey Protein Concentrate, WPC, 具抗氧化、乳化性)构成互补复合壁材。传统响应面法(Response Surface Methodology, RSM)难捕捉强非线性交互作用，机器学习(Machine Learning, ML)可弥补此不足。本研究首次将RSM与ML模型(ANN、GPR、SVM)结合优化Helichrysum splendidumEO的壳聚糖-WPC复合包埋，旨在获得高水溶性(Water Solubility, WS)、低水分含量(Moisture Content, MC)、强抗氧化活性(Antioxidant activity, AO, 以IC₅₀衡量)及强抗真菌活性(Antifungal activity, AF, 以LD₅₀衡量)的包埋粉末用于采后保鲜。

二、主要关键技术方法

研究人员以前期筛选证实的最优壁材(壳聚糖+WPC)为对象，按中心复合设计(Central Composite Design, CCD)设置三因素(聚合物比例即壳聚糖占壁材比、EO质量分数占壁材比、Tween-80质量分数)五水平共20组实验(含5次中心点重复)，制备乳液后经-81°C冷冻及0.05 mbar冻干得微粉。检测指标：WS(离心干燥称重法)、MC(120°C恒重减量法)、AO(DPPH自由基清除法求IC₅₀)、AF(针对Penicillium digitatumBroth microdilution法求LD₅₀)。RSM拟合二次/线性/2FI模型并ANOVA验证；取CCD数据80%训练、20%测试，采用5折交叉验证构建三种ML回归模型——人工神经网络(Artificial Neural Network, ANN)、高斯过程回归(Gaussian Process Regression, GPR)、支持向量机(Support Vector Machine, SVM)，贝叶斯优化超参数；以训练好ML模型为目标函数耦合遗传算法(Genetic Algorithm, GA)多目标寻优(最大化WS、最小化MC/AO IC₅₀/AF LD₅₀等权)，与RSM多响应期望函数(desirability function)结果比对，实验验证最优配方。

三、研究结果

3.1. Effect of experimental factors on responses（实验因素对各响应的影响）

CCD实验显示WS 12.47%~57.67%、MC 3.75%~6.57%、AO(IC₅₀) 3.14~7.20 mg/mL、AF(LD₅₀) 0.94~4.18 mg/mL，变幅大说明配方变量显著影响性能。ANOVA表明壳聚糖量(X₁)对所有响应影响极显著(p<0.0001)；EO浓度(X₂)显著影响WS、AO、AF；Tween-80不显著。壳聚糖与EO交互项(AB)对WS、AO、AF显著，说明壁材-芯材协同调控包埋效果。

3.2. RSM model performance and statistical validation（RSM模型性能与统计验证）

依PRESS、调整R²、预测R²及序贯p值选最佳模型：MC为线性模型(R²=0.411，预测R²负，受冻干动力学等未控因素影响)；WS为二次模型(R²=0.967)；AO与AF均为2因子交互(2FI)模型(R²分别为0.990、0.997)。失拟检验不显著(p>0.05，MC除外)，残差正态，RSM模型合理描述了变量关系。

3.3. Machine learning model performance（机器学习模型性能）

——3.3.1. Model structure（模型结构）：经贝叶斯优化，ANN对复杂响应用1~2层隐含层(激活函数Sigmoid/Tanh/ReLU)；GPR选用有理二次/指数核；SVM选用高斯/线性/二次/三次核。

——3.3.2. Model performance（模型性能）：测试集ANN的R²最高(WS 0.998、MC 0.962、AO 0.995、AF 0.999)，RMSE与MAE最低；GPR次之；SVM相对较弱。所有ML模型预测精度均优于对应RSM，ANN对非线性多维交互捕捉能力最强。

3.4. Optimal conditions and validation（最优条件与验证）

多目标优化结果：ANN-GA推荐配方为壳聚糖3.105 g、EO 2.987 g、Tween-80 0.140 g(总壁材10 g基准，折合壳聚糖23.65%、WPC 52.53%、EO 22.75%、Tween-80 1.07%)，综合期望0.724最高。实验验证该配方得MC 4.923±0.241%、WS 45.56±1.842%、AO IC₅₀3.313±0.246 mg/mL、AF LD₅₀3.043±0.121 mg/mL，与预测偏差均<6%。RSM最优配方WS略高但MC偏高。ANN与RSM均可实验验证，ANN预测鲁棒性更优。

3.5. Functional interpretation（功能阐释）

优化包埋粉较前期单壁材研究全面改善：壳聚糖阳离子氨基破坏真菌细胞膜发挥抗真菌，WPC两性蛋白稳定EO液滴且其含硫氨基酸增强自由基清除实抗氧化。二者复合赋予高分散性(高WS利于融入可食涂膜)、低MC(提升贮存稳定性)及双重生物活性，适用于采后水果防腐抗氧化。

四、讨论与结论总结（翻译Conclusion）

研究表明，通过整合RSM与ML建模优化了H. splendidumEO在壳聚糖-WPC杂化基质中的包埋。两生物聚合物互补——壳聚糖的抗菌及成膜特性与WPC的乳化及抗氧化能力——使配方具增强的理化稳定性与生物活性。优化模型准确预测WS、MC、AO及AF，RSM与ML均显示强预测可靠性；ML算法中ANN精度与泛化能力最优，彰显AI驱动方法在复杂生物过程优化中的价值。最高期望(desirability=0.724)对应最佳配方为壳聚糖23.65%、WPC 52.53%、EO 22.75%、Tween-80 1.07%(即3.105 g壳聚糖、2.987 g EO、0.140 g Tween-80，以总壁材10 g计)，实现高WS、低MC及强AO和AF，适于掺入活性食品包装及可食涂膜以延长采后货架期。结果推进了对H. splendidumEO包埋的理解，证明生物聚合物载体与计算建模结合可设计可持续生物活性递送系统，为替代合成防腐剂提供天然可生物降解方案。未来应扩大包埋规模、测试真实水果保鲜成膜性能及不同环境下贮存稳定性以推动工业化应用。