可食用微生物来源新一代生物活性肽：从人工智能驱动发现到可持续生物制造

《Journal of Future Foods》：Next-generation bioactive peptides from edible microorganisms: From AI-driven discovery to sustainable bio-manufacturing

　　

尽管传统蛋白生产面临多重挑战，开发可持续的替代蛋白来源至关重要。近年来，源自高效、低碳可食用微生物的生物活性蛋白与肽已成为应对蛋白危机的关键生物资源。然而，由于传统开发模式依赖低效的经验筛选与试错方法，本综述总结该领域近期进展，并提出贯穿“设计—机制—制造”全链条的集成研究框架。这一闭环智能迭代模型针对传统筛选成功率低的问题，利用生成式人工智能(AI)探索远超自然分布的序列空间，将AI驱动的肽发现（设计）、结构-活性关系分析（机制）与精准合成（制造）相联结。尽管在功能食品与药物跨领域应用中，其稳定性与生物利用度仍存挑战，但纳米递送与AI增强合成生物学等创新方法有望克服大规模生产限制。计算设计作为传统生物勘探的补充路径，加速从农业提取向可扩展生物制造的转型。

研究背景方面，全球人口增长与生活水平提升使可持续、安全、充足的蛋白质需求日益迫切。传统动植物蛋白面临牲畜养殖耗水占地、温室气体排放、抗营养因子及微生物风险等瓶颈，而可食用微生物蛋白（单细胞蛋白）具备生长快（较动物养殖快700倍）、不依赖耕地、低碳低水耗、营养高且安全等优势。然而该领域长期受限于活性肽发现难、机制不清、产量低，以及微生物基因组数据爆炸式增长远超湿实验验证能力的核心矛盾，极少微生物源肽实现商业化。为此，研究人员提出“设计—机制—制造”集成框架，以AI为枢纽打通计算设计与工业制造，论文发表于《Journal of Future Foods》。

关键技术方法上，研究人员整合七步端到端AI工作流：基于UniProt、BIOPEP-UWM等数据库与多组学训练模型；用蛋白质语言模型(PLM)如ESM-2将氨基酸序列转为嵌入向量，经机器学习(ML)分类预测抗氧化/抗菌等功能；以AlphaFold2及AlphaFold3、PEP-FOLD做静态结构预测，分子对接与分子动力学(MD)模拟补动态环境互作；生成式AI（如EVOLVEpro、PepPrCLIP）做从头设计(de novo)；多目标优化平衡活性与胃肠稳定性、毒性、溶解度；湿实验验证并将负结果回灌重训模型。合成端采用CRISPR-Cas9编辑食品级底盘（如毕赤酵母Pichia pastoris、GRAS菌株），结合膜分离与位点特异性蛋白酶切纯化。样本序列来源于公开微生物基因组、宏基因组（如人肠道菌群）及已发表真菌/酵母/微藻肽库。

研究结果部分，第二章“可食用微生物源活性蛋白/多肽资源开发”指出，传统直接提取（超声破碎、色谱）成本高通量低；生物信息学挖掘（BLASTP、KEGG、GO注释、宏基因组）可从NCBI/UniProt高效初筛，从人肠菌鉴定出181条新抗菌肽（验证率83.8%）。结构预测中AlphaFold2仅给静态坐标，须接分子对接与MD模拟食品动态条件（温度、pH、离子强度）；从头设计以PLM+生成模型突破自然序列分布；合成生物学用CRISPR重构代谢流，毕赤酵母因GRAS属性、无内毒素、具翻译后修饰能力优于大肠杆菌。第三章“MBPs生物功能”归纳抗氧化（组氨酸/酪氨酸螯合Fe²⁺/Cu²⁺）、抗菌（两亲性正电荷肽插入膜形成孔）、降压（C端脯氨酸/芳香族残基竞争ACE锌离子）、抑DPP-IV、调NF-κB/MAPK抗炎等直接理化、酶受体调节、通路调节三类机制；结构-活性关系强调动态SAR——食品基质中pH/离子强度诱导构象重排影响活性，需用MD与机器学习力场(MLFF)如ANI-2x模拟。证据质量评估指出早期粗提物常含多糖多酚干扰，须报MIC/IC₅₀及细胞毒/溶血数据。递送端用壳聚糖分体、pH微囊、PEG化、环化、D型氨基酸提升胃肠稳定性。第四章应用价值覆盖食品（酸奶降压肽、GABA巧克力、纳他霉素保鲜）、医药（Boletus edulis蛋白D1激活MAPK抗肿瘤、乳源肽免疫调节）、农业与环境（杆菌素替代农药、MOF载谷胱甘肽吸附Pb²⁺/Cd²⁺）。第五章挑战与趋势提出四重壁垒：食品级肽专用高质量数据缺、通用模型分布偏移、in silico与体内效价脱节、AI难仿真实加工环境；de novo肽无安全食用史不能直接套GRAS，须走Novel Food/NAM毒理界定NOAEL。研究人员给出闭环图：AI挖序→合成生物制造→多组学验证→负结果回灌重训，并以Wang的kNN-XGBoost胃肠稳定性模型、Tan迁移学习半衰期预测佐证计算筛选须耦合Caco-2渗透与模拟消化实验。

讨论与结论翻译：可食用MBPs的开发超越新序列发现本身，其变革潜力在于建立可预测、可编程、可扩展的生物制造系统，即闭环智能模型。该系统性转变将MBPs从经验发现配料提升为跨领域理性工程核心生物材料。在医疗中趋向疾病调制精准工具，农业中工程菌分泌抗菌肽减药，化妆品与微生物蛋白市场（预计2035占全球11%、成本逼近10美元/kg）扩张印证技术成熟。所提“设计—机制—制造”闭环提供实操框架，以计算集成绕开经验筛选低成功率，实现 bench-to-scale 快速原型。综上，释放MBPs潜力须深化结构-活性-稳定性关系理解并嵌入自优化周期；数据驱动生物制造使微生物源蛋白成为未来食品系统可持续替代蛋白主源，并从资源密集型农业提取转向可编程低碳生物制造，兼顾蛋白缺口与气候挑战。