引言
淀粉是植物中的主要碳水化合物储存库,是人类饮食的重要组成部分,也是多种工业应用的重要原材料(Miao & BeMiller, 2023; Xu et al., 2023)。其消化率对人类健康有重要影响,涉及餐后血糖反应、能量释放和肠道微生物群组成(Miao & Hamaker, 2021; Zhu et al., 2023)。淀粉复杂的多尺度结构,从葡萄糖单元的分子组织到颗粒的宏观架构,决定了其功能性特征,包括其对酶促水解的敏感性(Chi, Li, Huang, et al., 2021)。因此,精确理解每个层次的结构特征及其与淀粉链的关联对于阐明淀粉结构-功能关系至关重要(Xu et al., 2023)。 在这种结构层次中,淀粉链的精细结构,特别是直链淀粉和支链淀粉的链长分布,是决定酶促可及性和水解速率的主要因素(Gebre, Zhang, et al., 2024; Zhu, Liu, & Gilbert, 2024)。了解这些分子链如何组装成结晶态和非晶态结构为调控淀粉消化提供了机制基础(Duan et al., 2025; Geng et al., 2026; Li, 2023)。重要的是,阐明淀粉结构-消化率关系可能实现条件特定的预测,而不仅仅是确定性预测。在受控样品状态和标准化消化协议下,淀粉链描述符可以支持RDS、SDS和RS分数的估算。它们还可以估算水解指数(HI)、估计的血糖指数(eGI)以及拟合的动力学参数,如k1、k2和C∞(Beura et al., 2025; Gebre, Xu, et al., 2024; Pautong et al., 2022; Qiao, Zhang, et al., 2024)。因此,本文探讨了淀粉链测量如何支持在特定实验条件下预测消化结果。
尽管已有几篇优秀的综述研究了淀粉的多尺度结构及其对消化率的影响(Chi, Li, Huang, et al., 2021; Chi, Li, Zhang, et al., 2021; Li, 2023; Xu et al., 2023),但仍有三个关键问题尚未得到充分解决。首先,消化动力学建模框架尚未系统地与结构预测因子相结合,导致分子结构与时间依赖性水解曲线之间的定量联系不完整。其次,短支链淀粉在促进和限制消化方面的双重作用在理论上尚未解决,需要重点分析。第三,机器学习在淀粉消化率预测中的应用需要与经典的光谱和统计方法进行严格对比。因此,本文汇总了关于淀粉结构、消化动力学和预测的证据,特别关注所报告关系成立的条件。