《Food Chemistry》：Decoding co-encapsulation of β-carotene and tocopherol in zein nanoparticles through orthogonal spectroscopy and machine learning
编辑推荐：
基于蛋白质的纳米颗粒（nanoparticles, NPs）因成本低、功能性强、可生物降解和生物相容性好的特点，成为纳米包封的重要平台。玉米醇溶蛋白（zein）源自玉米的疏水性贮藏蛋白，可用于包封叶酸、白藜芦醇、姜黄素、槲皮素和β-胡萝卜素（βC）等不稳定生物
基于蛋白质的纳米颗粒（nanoparticles, NPs）因成本低、功能性强、可生物降解和生物相容性好的特点，成为纳米包封的重要平台。玉米醇溶蛋白（zein）源自玉米的疏水性贮藏蛋白，可用于包封叶酸、白藜芦醇、姜黄素、槲皮素和β-胡萝卜素（βC）等不稳定生物活性分子。然而，zein NPs在水相中接近或超过等电点时胶体稳定性有限，且包封效率（encapsulation efficiency, EE）低、被包封物化学稳定性差。稳定剂和高静电压、冷等离子体等物理处理不能完全解决这些问题。共包封多种生物活性物质可提升化学稳定性、生物活性和功能性，但蛋白与载药之间的非共价相互作用会影响稳定性、构象、生物活性、EE和释放动力学；已有荧光、傅里叶变换红外光谱（Fourier Transform Infrared, FTIR）研究，但zein体系中共包封系统研究少，拉曼光谱作为正交技术补充荧光和FTIR则更少被探索。相比荧光和FTIR，拉曼光谱提供更细致化学信息并支持定量分析，可检测zein中二硫键和酪氨酸侧链构象变化，也能根据C=C和C?C伸缩带区分βC异构体，拉曼高光谱成像可实现空间分辨化学分析，但高维数据信息提取困难。机器学习与化学计量学建模可解决该问题，已用于预测类胡萝卜素组成与含量、区分胡萝卜中α-胡萝卜素与β-胡萝卜素。现有βC与姜黄素、维生素C、槲皮素等的共包封体系多关注载体类型，较少阐明非共价相互作用如何影响化学稳定性、EE和抗氧化活性；近期数据驱动拉曼分析才开始识别与治疗递送系统中EE和分子间相互作用相关的振动特征。研究人员以维生素A前体且具有抗氧化性的βC，以及可通过清除降解自由基保护βC化学稳定性的α-生育酚（α-tocopherol, TC）为对象，在zein NPs中实现二者共包埋。据研究人员所知，这是首项将拉曼高光谱成像与机器学习化学计量学建模相结合、并辅以正交光谱技术研究zein共包封系统的研究。关键参数包括EE、组分间非共价相互作用和包封βC的热稳定性。该正交方法为共包封动力学提供新见解，并支持食品中稳定zein基纳米载体的理性设计。
研究背景方面，蛋白质基纳米颗粒（nanoparticles, NPs）因廉价、功能化、可降解和生物相容而被食品研究者关注。玉米醇溶蛋白（zein）可包封β-胡萝卜素（β-carotene, βC）、叶酸、白藜芦醇等疏水活性物质，但zein NPs在等电点附近或之上胶体稳定性差，包封效率（encapsulation efficiency, EE）低，所载分子易发生化学降解。使用阿拉伯胶（gum Arabic, GA）、酪蛋白酸钠、卡拉胶、壳聚糖及高压静电、冷等离子体的稳定化方案仍不能根本解决问题。共包封多种生物活性物可增强稳定性与功能，但蛋白—载药非共价相互作用使体系更复杂；荧光和傅里叶变换红外光谱（Fourier Transform Infrared, FTIR）虽有研究，zein共包封体系仍少，拉曼光谱作为正交手段补充荧光与FTIR在食品中研究更有限。拉曼可给出二硫键、酪氨酸侧链、βC异构体C=C/C?C伸缩信息，高光谱成像能空间分辨化学分析，但高维数据需机器学习与化学计量学提取。已有研究多用脂质微球、Pickering乳液等共包封βC与姜黄素、维生素C、槲皮素，却少有阐明非共价相互作用对化学稳定性、EE和抗氧化活性的机制。因此研究人员以βC与α-生育酚（α-tocopherol, TC）为模型，用拉曼高光谱成像加机器学习化学计量学并辅以荧光、FTIR、差示扫描量热（Differential Scanning Calorimetry, DSC）等正交技术，研究zein NPs共包埋机制，论文发表于《Food Chemistry》。
主要关键技术方法上，研究人员用纳米沉淀法制备未载药与βC/TC载药zein NPs，以GA为离子稳定剂；样本为不同βC浓度（400、300、200、100、50 μg/mL）与βC:TC比例（1:0、1:1、1:2、1:3）的纳米颗粒悬浮液。表征采用动态光散射（Dynamic Light Scattering, DLS）测流体力学直径与ζ电位，扫描电镜（Scanning Electron Microscopy, SEM）和冷冻透射电镜（Cryo-transmission Electron Microscopy, Cryo-TEM）观察形貌，超小角X射线散射（ultra-small-angle X-ray scattering, uSAXS）按均匀球模型取Guinier区回归平均半径。分子相互作用用荧光光谱、FTIR、DSC间接评估水与蛋白相互作用及热转变；拉曼用785 nm激光获液体图谱与干样热处理图谱；分子对接用AutoDock Vina分析zein与βC/TC非共价结合；机器学习对0–1800 cm?1谱做峰特征提取，用主成分分析（Principal Component Analysis, PCA）、统一流形近似与投影（Uniform Manifold Approximation and Projection, UMAP）做无监督聚类，用ExtraTreesRegressor做βC浓度回归，用IsolationForest做异常谱检测。
研究结果部分，3.1节合成、共包封与非共价相互作用中，研究人员通过纳米沉淀得到球形zein NPs，Feret直径146±54 nm；单包βC的EE仅14%，而βC:TC为1:1和1:2时EE升至约56%，1:3时反而下降，说明适度TC产生协同效应提升EE与抗氧化性。DPPH与ABTS显示TC提高自由基清除能力，1:1/1:2在ABTS中活性最高，1:3在DPPH中较高，差异来自乙醇—水介质促NP部分溶解与自由基可及性不同。FTIR中1:0体系?OH带从3293 cm?1移到3286 cm?1，1:3中酰胺I、酰胺II和?OH带明显位移，反映氢键重排；DSC显示热循环可扰动zein构象与蛋白—水相互作用。流体力学直径上1:1/1:2维持约300 nm，1:0/1:3随βC升高变小，uSAXS证实质子尺寸随βC/TC比升高而减小，ζ电位也因TC嵌入而改变。
后续结果中，荧光显示280 nm激发下290–500 nm发射强度随βC升高淬灭，1:3体系发射红移表示疏水性降低；拉曼高光谱中310、1008、1156、1516 cm?1等峰用于机器学习，1516 cm?1（βC C=C同相伸缩）与1156 cm?1（βC C?C伸缩）峰高比作为βC稳定性指标。PCA/UMAP可按浓度与比例聚类，ExtraTreesRegressor对βC浓度回归在训练与测试集取得可用R2、MSE、MAE，IsolationForest以污染率0.02标记异谱。分子对接里βC和TC与zein疏水区及芳香/极性残基形成疏水、π—疏水、氢键类非共价作用，最低结合自由能姿态解释共包埋稳定机制。热处理拉曼显示βC特征峰随25–180 °C演进衰减或位移，说明TC牺牲氧化与蛋白环境共同延缓βC热降解。
讨论与结论部分，研究人员指出裸zein载体稳定性和EE有限，最优βC:TC共载促进纳米载体内协同分子相互作用；拉曼—机器学习揭示了共载zein载体中的分子变化。共包封不是简单加和：TC既通过清除自由基护βC，又借非共价作用改变zein氢键、表面电荷和粒度分布，从而抬高EE并调节抗氧化表现。拉曼正交于荧光/FTIR，可量化载药相关振动特征，机器学习把高维拉曼转成浓度与稳定性预测。该工作首次在食品级zein体系把拉曼高光谱成像、化学计量学和分子对接联用，结论为：bare protein nanocarriers show limited stability and encapsulation；optimal co-loading promotes synergistic molecular interactions in nanocarriers；Raman-machine learning revealed molecular changes in co-loaded zein nanocarriers。意义在于为食品稳定型zein基纳米载体理性设计提供光谱—数据双驱动范式，可拓展到其它类胡萝卜素与脂溶性维生素共包封。
