《Journal of Dairy Science》：Predicting functional bioactivities in fermented milk using deep learning on liquid chromatography-mass spectrometry metabolomics
编辑推荐：
本研究针对传统生物活性检测方法耗时且难以规模化的问题，开发了一种基于一维卷积神经网络（1D-CNN）的深度学习模型，通过液相色谱-质谱（LC-MS）代谢组学数据预测发酵乳的抗氧化、酶抑制及抗癌等9种功能活性。研究利用18个样本（骆驼乳与牛乳发酵制品）的LC-MS数据，结合数据增强和3折交叉验证，模型平均绝对误差为0.548±0.089，证明深度学习可高效替代传统检测，为功能性食品开发提供新思路。
在健康意识日益增强的今天，发酵乳制品因其潜在的益生功能和生物活性而备受关注。这些产品不仅提供基础营养，还可能具备抗氧化、降血压、抗糖尿病甚至抗癌等健康益处。然而，传统的生物活性评估方法，如化学测定和细胞实验，通常耗时耗力且成本高昂，严重限制了大规模筛选和产品开发的效率。面对这一挑战，研究人员开始探索能否利用先进的技术手段，快速、准确地预测发酵乳的功能特性，从而加速功能性乳制品的研发进程。
近日，一项发表在《Journal of Dairy Science》上的研究给出了令人鼓舞的答案。由Falah Awwad、Ghassan Al-Sumaidaee等人组成的研究团队，成功开发了一种基于深度学习（Deep Learning, DL）的方法，仅利用液相色谱-质谱（Liquid Chromatography-Mass Spectrometry, LC-MS）代谢组学数据，就能有效预测发酵乳的多种功能生物活性。这项研究为功能性食品的科学评估开辟了一条全新的智能化路径。
关键技术方法概述
研究团队选取了18份由骆驼乳和牛乳经不同益生菌株（如Lactobacillus delbrueckii、Lactococcus lactis等）发酵而成的样本。首先，他们通过LC-MS QTOF（四极杆飞行时间质谱）技术对样本进行非靶向代谢组学分析，获得了包含124,213个代谢物特征的高维数据。接着，为应对小样本量（n=18）的挑战，研究采用了严格的数据预处理流程，包括离群值检测（Z-score阈值=3）、稳健缩放（Robust Scaling）以及数据增强（如高斯噪声注入）。随后，利用主成分分析（Principal Component Analysis, PCA）将数据降维至12个主成分。最终，构建了一个一维卷积神经网络（1D-CNN）模型，其结构包含两个卷积层和两个全连接层，并引入了丢弃法（Dropout，比率=0.7）和L2正则化（λ=0.01）来防止过拟合。模型通过3折交叉验证进行训练和评估，以平均绝对误差（Mean Absolute Error, MAE）作为主要性能指标，预测了包括ABTS、DPPH自由基清除能力（抗氧化）、ACE（血管紧张素转换酶）抑制活性（抗高血压）、α-淀粉酶（AAMY）与α-葡萄糖苷酶（GLU）抑制活性（抗糖尿病）以及HT-29和MDA-MB-231癌细胞抑制活性（抗癌）在内的9种生物活性指标。
研究结果
探索性生物活性数据分析
对9种生物活性参数的初步分析显示，其分布相对正常或轻度偏斜，适合回归建模。通过曼-惠特尼U检验（Mann-Whitney U test）比较骆驼乳和牛乳样本发现，骆驼乳的ABTS自由基清除活性（ABTS-BIO）显著更高，而牛乳的DPPH自由基清除活性（DPPH-BIO）和游离氨基（OPA-BIO，蛋白水解指标）更高（错误发现率FDR校正后q < 0.01）。相关性分析表明，不同的生物活性指标之间存在关联，例如两种抗氧化测定（ABTS与DPPH）呈强正相关，这为采用多输出回归模型（预测多个指标）提供了依据。
LC-MS代谢组学图谱分析
对LC-MS数据进行对数转换和主成分分析（PCA）后，发现样本在PCA空间中按乳类（骆驼与牛）和发酵条件呈现明显的分离趋势。PERMANOVA分析证实，乳类和发酵条件对代谢组谱均有显著影响。进一步分析显示，前两个主成分（PC1和PC2）与多种生物活性指标，特别是GLU抑制活性和抗氧化活性，存在中等到强的相关性，这表明LC-MS数据中蕴含的代谢物特征与功能活性密切相关。
深度学习模型性能
研究构建的1D-CNN模型在3折交叉验证中表现出色，对所有9个生物活性指标预测的平均MAE为0.548 ± 0.089。模型的学习曲线平滑，训练损失与验证损失同步下降，未见过拟合迹象。对各个指标的预测精度存在差异，抗氧化活性（ABTS-BIO, DPPH-BIO）和α-葡萄糖苷酶抑制活性（GLU-BIO）的预测效果最佳（R2较高），而抗癌活性（HT-29-BIO, MDAMB-BIO）的预测误差相对较大。观察值与预测值的散点图显示，多数数据点紧密分布在1:1线附近，验证了模型的有效性。
研究结论与意义
本研究成功证明，即使在小样本情况下，结合严谨预处理和数据增强的深度学习模型，也能从LC-MS代谢组学数据中有效学习并预测发酵乳的复杂功能活性。这为功能性乳制品的高通量筛选提供了一种快速、经济的计算替代方案，有望显著缩短研发周期。研究还揭示了骆驼乳和牛乳在发酵后生物活性上的差异，为针对特定健康需求的乳制品开发提供了科学依据。尽管模型目前基于体外实验数据，且其泛化能力有待更大规模样本的进一步验证，但这项工作无疑推动了人工智能在食品科学领域的应用边界，为未来开发更具个性化健康效益的功能性食品奠定了坚实基础。
