《Future Foods》：Integrating artificial intelligence and molecular simulation in food chemical research: A bibliometric landscape of two decades (2006–2025)
编辑推荐：
人工智能（AI）与分子模拟的融合正在重塑食品化学研究，但其演进过程与结构模式仍鲜有系统探讨。研究人员对来自Web of Science与Scopus的4943篇出版物（2006～2025）开展文献计量分析，以描绘研究趋势、合作网络与主题结构。结果显示论文数量从
人工智能（AI）与分子模拟的融合正在重塑食品化学研究，但其演进过程与结构模式仍鲜有系统探讨。研究人员对来自Web of Science与Scopus的4943篇出版物（2006～2025）开展文献计量分析，以描绘研究趋势、合作网络与主题结构。结果显示论文数量从2006年的12篇指数级增长至2025年的1482篇，其中64.0%发表于2023至2025年间，表明该领域正快速扩张。中国以42.1%的全球贡献率领先，其后为印度与沙特阿拉伯，提示AI增强的分子模拟为资源有限地区提供了一条可及的研究路径。共引分析识别出四个聚类：分子模拟工具、结构生物信息学、AI方法论与实验验证。AlphaFold（Nature, 2021）作为一种变革性但尚未完全整合的AI范式浮现。层级链接模式显示分子模拟在AI与食品化学间起桥梁作用（MD–Food权重93；AI–Food ≤ 8）。网络药理学、鲜味肽与网络毒理学等新兴热点凸显向AI驱动的毒性预测与机制导向探究的转向。本研究提供了AI-模拟整合的文献计量路线图，为未来食品信息学与生成式AI研究奠定战略基础。
研究背景与问题提出
食品化学研究涵盖食品安全、营养优化与功能成分设计，其化学空间极为复杂，FooDB收录超70000种独特组分，AdditiveChem收录超9000种授权添加剂。传统体外与体内实验成本高昂且难以覆盖真实食品基质的高异质性，亟需互补的计算机模拟策略。近年来人工智能（AI，含机器学习ML与深度学习DL）与分子模拟（含分子对接与分子动力学MD）成为变革性范式，前者擅长从高维数据中提取非线性关系，后者提供原子尺度的物理视图。二者本应互为强化，但学界普遍假设“AI已主导发现”“AlphaFold无缝接入”“计算食品科学属高收入国家专利”尚未被系统检验。为此，研究人员开展横跨二十年的文献计量分析，厘清AI、分子模拟与食品化学的实际互联结构、AlphaFold整合程度及地理参与格局。
论文发表于《Future Foods》，研究意义在于以数据驱动结构图替代印象式判断，揭示交叉领域的架构、汇聚点与盲区。
主要技术方法（≤250字）
研究人员于2026年1月13日检索WoS核心集与Scopus（2006–2025），采用标题-摘要-关键词三层高级检索式覆盖AI、分子模拟与食品化学术语，仅留原创论文与综述。两库合并后以R脚本做标题指纹+DOI两步去重，得4943篇唯一文献。分析工具链含VOSviewer 1.6.20与Bibliometrix（R 4.4.3）：国家/机构产出与合著网络用全量数据；参考文献共引仅取WoS子集（n=4502）以保引文兼容；关键词共现先以R清洗（去标点、单数化）再人工合并同义词，取频次≥20的100个核心词做2021–2024聚团，另取频次≥5的595词做全期时序演化。无生物样本队列，纯文献级二级数据。
研究结果
3.1 出版趋势与地理分布
年度产出从2006年12篇增至2025年1482篇，2023–2025占64.0%。中国2081篇（42.1%）领跑，印度744、沙特536紧随；埃及、巴基斯坦、尼日利亚、摩洛哥等中低收入国入列前20，平均出版年偏新（摩洛哥2023.98）。最强合著链为埃及–沙特（192）、印度–沙特（130）。结论：开源模拟软件与可及算力降低准入门槛，领域呈多极化。
3.2 期刊与机构分析
Food Chemistry（IF=9.8，229篇）居首，Molecules（197）、J Agric Food Chem（171）次之；期刊IF与载文量弱相关（r=0.343, p=0.128）。机构网分中国（江南大学92、中科院87为核心）、埃及、沙特三簇；沙特King Saud University产出210篇最高，与中方机构链结紧密。结论：出版分散于各影响因子层，中国机构内部互联密度最高。
3.3 参考文献共引分析
20篇高共引文献聚为四簇：分子模拟（AutoDock系列、VMD、Chimera）、结构生物信息学（PDB、PROCHECK）、AI（AlphaFold、SwissADME）、食品化学分析（Ellman、MTT、ABTS）。AutoDock两篇互引权重115最高；AlphaFold与Trott&Olson（2010）共引权重仅21。结论：AlphaFold具变革性但与传统模拟工作流仍松耦合。
3.4 关键词共现与主题演化
100核心词分七簇，AI与分子模拟簇耦合最紧。按平均出版年排，2024热点为网络药理学（avg 2024.14，与分子对接共现67）与鲜味肽（avg 2024.19，与对接38）。同心网络（39词）显示MD–Food边权最高（分子对接–精油93），AI–MD中等（ML–对接50），AI–Food最弱（≤8）。595词时序中AI簇最新为网络毒理学（2024.88）、AlphaFold（2024.80）。结论：分子模拟是AI通食品化学的必需桥梁，直接AI–食品链路尚弱。
讨论与结论翻译
讨论指出，增长由GNN/注意力机制、AutoDock/GROMACS/NAMD开源化及AlphaFold推动，但食物蛋白常带翻译后修饰与无序区，AlphaFold2静态预测需MD补动态，故二者并行未统合；中国体量源于AI基建与食品科学传统双优；中低收入国入局打破“高收入专属”假设；分子模拟因能提供结合姿态、氢键网络与能量景观而居中介位，PIML（物理信息机器学习）与神经力场正将AI变为模拟加速器而非替代。
结论（译）：本研究审视AI与分子模拟在食品化学中的实际联结而非泛印象。数据显示领域仍在整合中——分子对接而非直接AI应用构成面向食品分子问题的主要桥梁，AlphaFold类工具与经典模拟仅松耦合；中低收入国近期涌入证计算路径降低门槛；前瞻方向为生成式AI耦合多尺度模拟以理性设计食品分子，以及构建AI毒理/安全评估的开放基准平台，推动领域由离散计算实验走向可预测的整合科学。
