基于多组学和机器学习的水产品脂质-蛋白质交互氧化及其潜在途径分析：以风干带鱼为例

《Food Chemistry: X》：Analysis of lipid–protein interactive oxidation and underlying pathways in aquatic products via multi-omics and machine learning: a case study of air-dried hairtail

　　

在水产品加工过程中，脂质与蛋白质之间的交互氧化机制仍不甚明了，这限制了质量控制策略。本研究通过整合多组学数据与七种机器学习模型，采用综合性方法阐明了风干带鱼中脂质与蛋白质交互氧化的机制。最优的极限梯度提升模型在测试集上达到了0.98的曲线下面积（AUC）和0.90的准确率。机器学习结合多组学鉴定了六种脂质-蛋白质相互作用的氧化生物标志物：受体表达增强蛋白6样、谷胱甘肽-S-转移酶1样、过氧化物酶体生物发生因子19、蛋白质-谷氨酰胺γ-谷氨酰转氨酶2样亚型X2、dMePE (18:4/16:0)以及PE (20:1/18:1)。对与这些氧化生物标志物相关的潜在途径分析表明，它们主要参与铁死亡和蛋白激酶A途径。风干带鱼中的脂质-蛋白质相互作用氧化过程是由TG2交联凝胶网络促进的。本研究为在加工过程中开发靶向抗氧化干预措施提供了新的分子靶点和理论见解。

带鱼广泛分布于中国沿海地区，作为高价值海鱼，富含多不饱和脂肪酸和必需氨基酸。然而，其高蛋白和高水分含量使其极易腐败。风干是沿海地区常用的保藏方法，能延长保质期并改善风味。在风干过程中，轻微的脂质和蛋白质氧化有助于风味提升和质构改善，但过度氧化不仅产生异味和有害化合物，还会导致营养流失和品质劣变。传统化学指标如巯基含量、羰基值等在揭示关键生物标志物动态变化方面存在明显局限性，且以往研究多集中于单一组学技术，对脂质与蛋白质相互作用的氧化网络机制仍缺乏了解。为解决这一问题，研究人员以风干带鱼为研究对象，开展了结合多组学数据与机器学习模型的研究，旨在开发预测模型、识别区分新鲜与风干带鱼的关键氧化生物标志物，并揭示潜在的交互氧化途径。研究得出结论，确定了六种关键氧化生物标志物并阐明了其参与的铁死亡和蛋白激酶A（PKA）途径，以及由TG2交联凝胶网络促进的脂质-蛋白质交互氧化过程。这为开发水产品加工过程中的靶向抗氧化干预措施提供了新的分子靶点和理论见解，该论文发表在《Food Chemistry: X》。

在关键技术方法方面，样本队列来源于2021年12月从中国浙江舟山水产市场采购的新鲜带鱼。研究人员收集了新鲜带鱼（0小时）和风干带鱼（48小时）的理化指标及多组学数据（脂质组学、TMT蛋白质组学和挥发性有机化合物），分别采用LC-MS/MS和HS-GC-IMS进行测定。通过皮尔逊相关性分析筛选氧化相关特征后，采用WGAN-GP模型进行数据增强以克服小样本限制。随后开发了七种机器学习分类模型，并结合递归特征消除（RFE）、Lasso和随机森林（RF）特征选择方法鉴定氧化生物标志物，最终通过SHAP算法对模型进行全局和局部解释。

多组学数据表征与特征选择
通过主成分分析（PCA）发现新鲜带鱼（FH）与风干带鱼（FAH）存在显著差异。通过皮尔逊相关性分析筛选出122个与氧化强相关的特征。这些特征有效解释了原始多组学数据并表现出与FAH中脂质和蛋白质氧化的强关联，验证了所选氧化特征适用于后续机器学习分类模型分析。

数据增强与质量评估
由于组学数据样本量有限，研究人员应用WGAN-GP框架将122个氧化特征的原始数据扩增了10倍，使样本量从12增加到120。通过Fréchet距离、核密度估计图等评估方法，证实合成数据与原始数据分布高度一致，表明WGAN-GP模型在多组学数据增强中有效，生成的数据可用于建立机器学习分类模型。

机器学习模型开发与性能
研究人员开发了七种机器学习分类模型。通过比较训练集和测试集上的准确率、精确率、F1分数和曲线下面积（AUC）等指标，XGBoost模型在测试集上达到0.98的AUC，表现出最佳的综合性能，因此被选为区分FH和FAH的最优模型。

氧化生物标志物鉴定
通过Lasso、XGBoost-REF和RF三种特征选择方法的交集，鉴定出六种常见的氧化特征，包括四种差异蛋白质和两种差异脂质：受体表达增强蛋白6样（REEP6）、谷胱甘肽-S-转移酶1样（GSTO1）、过氧化物酶体生物发生因子19（PEX19）、蛋白质-谷氨酰胺γ-谷氨酰转氨酶2样亚型X2（TG2）、dMePE (18:4/16:0)和PE (20:1/18:1)。SHAP算法分析表明，REEP6和PE (20:1/18:1)是预测FAH氧化的最关键生物标志物。

生物标志物表达模式与相关性
层次聚类热图和相关分析显示，PEX19、TG2和PE (20:1/18:1)在FH中含量较高，而REEP6、GSTO1和dMePE (18:4/16:0)在FAH中显著增加。各生物标志物之间存在显著的正或负相关性，表明PEX19、TG2和PE (20:1/18:1)的协同变化影响脂质和蛋白质的氧化相互作用。

脂质和蛋白质氧化生物标志物相互作用的潜在氧化机制
研究人员探讨了六种生物标志物的潜在分子途径。在风干过程中，REEP6通过激活G蛋白偶联受体触发下游产生环磷酸腺苷，进而激活蛋白激酶A（PKA）途径，促进脂质水解和多不饱和脂肪酸氧化。细胞内Fe²⁺超载通过Fenton反应产生大量脂质过氧化物。TG2在氧化应激下被激活，诱导蛋白质-脂质交联凝胶网络形成，将活性氧（ROS）、多不饱和脂肪酸等捕获在三维凝胶网络中，引发循环氧化反应，从而促进脂质与蛋白质的交互氧化。

在讨论部分，研究人员进一步总结了这些标志物的作用机制。PE和dMePE在甲基化和氧化降解中提供脂质氧化前体。PEX19和TG2破坏了原有的氧化还原系统，其中TG2作为氧化放大器，通过形成致密的三维凝胶网络增加ROS、脂肪酸和蛋白质的碰撞频率，促进二硫键和二酪氨酸键等蛋白质交联聚集。REEP6与Fe²⁺代谢及脂质水解相关。GSTO1作为内源性抗氧化酶，在缺氧和盐胁迫下其防御作用降低，导致脂质过氧化物积累并诱导铁死亡。这些标志物与铁死亡密切相关，共同驱动了脂质和蛋白质的交互氧化。

研究结论部分原文翻译如下：在本研究中，研究人员整合了挥发性有机化合物、脂质组学和蛋白质组学数据构建了七种机器学习算法，揭示了风干带鱼加工过程中脂质和蛋白质相互作用氧化的生物标志物和分子机制。XGBoost模型实现了新鲜带鱼和风干带鱼之间的准确分类（AUC = 0.98）。共鉴定出六种风干带鱼的氧化生物标志物：REEP6、GSTO1、PEX19、TG2、dMePE (18:4/16:0)和PE (20:1/18:1)。机制表明，REEP6通过激活PKA/AMPK信号通路促进脂质分解和多不饱和脂肪酸氧化。TG2介导的蛋白质-脂质交联网络协同放大脂质和蛋白质的交互氧化效应，形成脂质分解-铁死亡-交联氧化级联反应。本研究建立了基于多组学和机器学习的水产品氧化潜在途径，为破译风干带鱼氧化机制提供了分子靶点。此外，未来专注于氧化生物标志物的研究应进一步探讨其在水产品中风味形成的动态演变模式及其潜在机制。