《Journal of Future Foods》：Machine learning-based prediction of droplet size and zeta potential from formulation in plant protein-based nanoemulsions
编辑推荐：
摘要
植物蛋白基乳液日益被认为是可持续、清洁标签的递送系统，在未来食品创新中具有显著潜力。然而，其稳定性受制于配方与加工变量之间复杂的非线性相互作用，这限制了对通用配方优化的指导。传统实验方法难以有效解析这些多变量和非线性相互作用。在本研究中，研究人员应用了
摘要
植物蛋白基乳液日益被认为是可持续、清洁标签的递送系统，在未来食品创新中具有显著潜力。然而，其稳定性受制于配方与加工变量之间复杂的非线性相互作用，这限制了对通用配方优化的指导。传统实验方法难以有效解析这些多变量和非线性相互作用。在本研究中，研究人员应用了一种数据驱动的机器学习框架，用于植物蛋白基乳液稳定性的智能预测和机理阐释。研究人员建立了一个包含从已发表研究中收集的530种配方的精选数据集，并选择粒径和ζ-电位作为关键结构指标。在所评估的模型中，贝叶斯优化的极端梯度提升（Bayesian-Optimized XGBoost）表现出最佳的预测性能，将粒径预测的决定系数（R2）提升至0.859，并对ζ-电位实现了高精度预测。SHAP（SHapley Additive exPlanations）分析进一步量化了乳化剂含量、油相比例和离子强度的关键作用及其非线性交互效应。研究人员还确定了操作稳定的加工窗口：在乳化剂含量≥0.2 wt%、离子强度<100 mM和中等温度（25-35°C）条件下可获得小粒径的稳定乳液，而在高剪切速率（>11,000 rpm）和中等油相含量（25 ± 3%）条件下有利于获得高ζ-电位。独立验证证实，预测的稳定配方表现出一致的稳定性特征（ΔBS < 5%）和可接受的预测偏差（RPD < 20%）。该研究建立了一种可解释的预测工具，可加速植物蛋白基乳液合理化配方设计，支持未来食品制造中的智能化和高效化发展。
基于机器学习的植物蛋白基纳米乳液稳定性预测：从数据驱动建模到可解释配方优化
**研究背景与意义**
植物蛋白基乳液作为可持续胶体递送系统，近年来在食品制造和功能性食品开发领域获得了广泛关注。与工业乳化剂相比，植物蛋白因其环境友好性、较低的致敏风险以及优异的界面调控能力而被大量应用。然而，植物蛋白基乳液在复杂食品加工和储存条件下仍面临液滴聚集、乳析、相分离等物理稳定性问题，这构成了其产业化转化的核心瓶颈。乳液稳定性受配方组成（如蛋白质来源）、加工条件（如均质方式和剪切强度）以及环境因素（如pH、离子强度和温度）的多重影响，且这些因素之间以高度复杂、非线性和耦合的方式相互作用，直接决定粒径分布、ζ-电位、界面张力和流变学性质等关键胶体参数。传统的单因素轮换法和响应面方法难以解析此类复杂交互作用，无法满足高性能植物蛋白乳液合理设计和稳定制备中对多变量协同调控和多指标优化的实际需求。近年来，机器学习方法因其在处理复杂非线性关系方面的优势被逐步引入乳液和胶体系统研究，但现有研究多集中于使用不可解释的“黑箱”模型进行单一指标预测，对跨异构数据集的稳定性可解释分析关注有限，且实验数据集通常样本量较小、特征维度较高，增加了模型过拟合风险。因此，开发一种兼顾预测精度、可解释性和泛化能力的机器学习框架对于实际应用至关重要。基于上述考虑，本研究旨在建立一种可解释的机器学习框架，以探究植物蛋白基乳液的结构稳定性，将配方变量与结构稳定性指标以可解释方式关联，并支持更高效的配方设计。
**研究内容概述**
研究人员通过系统文献收集和人工筛选，构建了包含530种植物蛋白基乳液配方的数据库，涵盖配方组成、加工条件和稳定性表征三类信息。其中配方组成和加工条件作为模型输入特征，平均粒径和ζ-电位作为预测输出。研究人员选取了四种代表性回归算法——决策树、随机森林、极端梯度提升（XGBoost）和人工神经网络——进行系统比较，并采用贝叶斯优化对模型超参数进行调优。SHAP分析被用于量化特征贡献和探索配方与加工变量间的潜在非线性交互作用。最后，通过实验室制备的乳液进行外部验证，评估模型预测趋势的可靠性。
**主要关键技术方法**
本研究采用的主要技术方法包括：（1）基于Spearman相关分析的特征关联评估；（2）四种回归模型（决策树、随机森林、XGBoost、人工神经网络）的系统构建与比较；（3）贝叶斯优化超参数调优策略；（4）SHAP可解释性分析方法，用于全局特征重要性和交互效应量化；（5）基于Turbiscan稳定性分析和Zetasizer粒径/ζ-电位测量的外部实验验证。数据来源为已发表文献中的530种配方，涵盖大豆蛋白和豌豆蛋白等天然植物蛋白体系。
**研究结果**
**3.1 配方、工艺与结构参数的关联性分析**
通过Spearman相关分析发现，粒径与油相性质（类型和体积）及乳化剂类型呈显著正相关（p<0.01），与乳化剂浓度和pH呈负相关（p<0.01/0.05）。ζ-电位绝对值与油相性质、乳化剂类型、剪切速率和离子强度呈显著正相关（p<0.01），与pH和离子强度呈显著负相关（p<0.05）。总体而言，配方条件对植物基乳液结构性质的影响强于加工参数，主要归因于其在决定油水系统热力学相容性和界面膜结构方面的基础性作用。
**3.2 粒径和ζ-电位预测的基础模型构建**
在粒径预测方面，随机森林（R2=0.908）和决策树（R2=0.891）优于其他模型，有效捕捉了大多数配方条件下的结构变化趋势。在ζ-电位预测方面，模型整体精度显著高于粒径预测，随机森林（R2=0.969）和XGBoost（R2=0.997）表现优异。特征缩减比较表明，删除低相关特征并不能实质性地提升预测性能，因此研究人员保留完整特征集以平衡预测性能和实际适用性。ζ-电位预测精度普遍高于粒径预测，其原因在于ζ-电位受双电层压缩效应限制，数值范围较窄（0-50 mV），而粒径分布跨越多个数量级（50-5000 nm），对模型扰动更为敏感。
**3.3 贝叶斯优化提升模型性能与稳定性**
经贝叶斯优化后，XGBoost模型展现出最显著的性能提升（R2从0.717提升至0.859），优化后的预测-实际值具有较高的全局一致性，同时保留了突变区域的灵敏度。相反，随机森林模型优化后R2略有下降，表明原始模型存在一定过拟合现象。人工神经网络未见显著性能提升，反而放大了噪声特征。学习曲线显示训练和验证误差收敛且无明显发散，表明在当前模型配置下过拟合得到有效控制，证实了树基模型在处理非对称和非线性食品数据方面的结构优势。
**3.4 SHAP驱动的关键特征识别与调控机制解析**
粒径预测结果显示，乳化剂含量、离子强度、油相含量、pH和温度具有最大的预测影响力，其中乳化剂含量贡献最大。乳化剂含量和离子强度的双峰行为表明它们对粒径存在非线性调控作用。对于ζ-电位幅值预测，剪切速率、乳化剂浓度、pH和离子强度被识别为主要调控因子。乳化剂含量呈现非单调行为，在最优范围内增强|ζ-电位|，但接近或超过临界胶束浓度后其效应减弱。SHAP分析还揭示了某些贡献值具有样本依赖性，在极端条件下全局显著性较低的特征可能成为局部决定性因素，模型对不同植物蛋白类型（如豌豆蛋白）的响应模式与大豆蛋白存在差异。
在交互效应分析中，乳化剂浓度与油相含量存在强交互作用：在油相含量约为8-18% v/v且乳化剂充足（EC≥0.2% w/v）时观察到较小粒径，但油相含量进一步增加导致粒径逐渐增大，表明界面吸附能力存在饱和。pH对粒径的影响受乳化剂浓度的双相调节：乳化剂含量低于0.2% w/v时，pH 5.5-7.0范围内粒径增大；乳化剂含量为0.2-0.4% w/v时，pH 6.0-6.8范围内存在相对稳定的较小粒径区域。在ζ-电位调控方面，油相含量通过控制单位体积界面比表面积来调节植物蛋白的吸附行为，5-20% v/v油相含量范围内增加油相含量可提高ζ-电位，但超过20% v/v后蛋白添加反而导致ζ-电位快速衰减，表明界面饱和和电荷屏蔽效应。乳化剂含量与离子强度的交互分析显示，低乳化剂含量（<0.2% w/v）时离子强度增加导致ζ-电位快速下降，而乳化剂含量超过0.2% w/v后可部分缓解这种负面效应。
**3.5 SHAP预测配方的实验验证**
根据SHAP全局重要性和依赖分析，研究人员确定了植物蛋白基乳液相对稳定区域的配方范围，并随机选择了5种配方进行独立实验验证。Turbiscan分析显示所有样品的ΔBS变化控制在5%以内，无明显乳析或聚集现象，验证了测试样品在测试期间保持良好的物理稳定性。位于识别区域边界附近的样品（G3）稳定性略低于区域内部的样品（如G2），表明SHAP推导的区域捕捉了有意义的稳定性梯度。1:1验证图显示偏差在可接受范围内（RPD < 20%），进一步证实了模型的可靠性。
**讨论与结论**
本研究报道了一种贝叶斯优化且可解释的数据驱动建模方法，用于预测植物蛋白基乳液的结构稳定性参数和配方设计。BO-XGBoost模型在保持可解释性的同时展现了有效的预测能力。基于SHAP全局和局部分析，研究人员量化了乳化剂含量、油相含量和离子强度等关键参数，并阐明了它们对粒径和ζ-电位的非线性交互作用，提供了与工程控制相关的操作稳定区域。独立外部测试证实模型预测偏差控制在20%以内，支持了所提出建模方法在预筛选稳定范围内的可靠性。
该研究为植物蛋白基乳液的快速工程控制提供了可应用的定量参考，有助于食品加工中的配方决策，减少试错实验并提高效率。在实际制造环境中，该框架依赖于容易测量的配方和加工参数，具有规模化应用的潜力，但仍需在工业环境中进一步验证。本模型基于常用植物蛋白（如大豆、豌豆）的数据开发，虽然结果表明在相似配方系统内具有一定程度的可迁移性，但其对新型蛋白质或显著不同系统的适用性仍需通过更广泛的数据集进一步验证。未来研究可通过纳入蛋白质分子结构和界面吸附动力学等额外特征来扩展模型的适用性，以提高在不同植物基乳液系统中的泛化能力。
