综述：人工智能在功能性食品研究中的应用与发展

《Trends in Food Science & Technology》：The Application and Development of Artificial Intelligence in Functional Food Research

人工智能在功能食品研发中的应用及挑战

　　

熊慧慧|徐永江

国家食品科学与资源重点实验室，食品科学与技术学院，功能性食品国家工程研究中心，江苏省食品安全与质量控制协同创新中心，江南大学，中国江苏省无锡市蠡湖路1800号，214122

摘要

背景

功能性食品因其独特的健康促进特性而日益受到科学界的关注。传统的功能性食品研究存在耗时时间长和重复性低的问题。人工智能（AI），特别是机器学习（ML），已被证明能够提升功能性食品研究的创新性和进展。

范围与方法

本文讨论了AI算法和模型在功能性食品领域的应用。同时，还回顾了AI在功能性食品领域的最新发展与趋势，重点关注成分分析、生物评估和食品加工方面。

主要发现与结论

近年来，包括ML和DL在内的AI算法已被应用于功能性食品研究。AI驱动的方法被用于分析化合物和组学数据，并构建数学或物理化学模型，旨在识别和预测新的生物活性化合物，阐明营养机制，以及促进个性化营养。AI在食品加工中的应用（包括食品设计、加工优化、食品包装和食品质量控制）显著加速了新型功能性食品的创新，并提高了健康导向食品的生产效率。尽管取得了这些显著进展，但在算法适应性和兼容性方面仍存在挑战。本综述旨在提供关于AI在功能性食品领域应用的全面而批判性的概述。

引言

功能性食品因其在提供必需营养素和降低非传染性疾病风险方面的作用而受到越来越多的关注（Granato等人，2017年）。在过去十年（2015-2025年）中，PubMed上发表了超过2200篇关于功能性食品的文章，显示出该领域日益增长的科学和公共卫生兴趣。截至2025年12月31日，中国国家市场监督管理总局共注册了443种国产保健食品，另有4335种产品完成了相关申报程序。

功能性食品的化学成分多样性是其特点。迄今为止，许多化学成分已被确认为功能性食品中的生物活性成分，包括肽、碳水化合物、生物碱和多酚。功能性食品成分的研究及其营养评估是食品科学的前沿和关键方向。然而，依赖人工整理、分类、总结和存储的传统方法无法满足从功能性食品研究中产生的大规模数据集中进行可扩展管理和快速信息检索的需求。该领域面临检测精度有限、营养机制分析不明确以及加工效率不高的挑战。食品组学和分子对接技术已成功应用于功能性食品的营养机制分析。同时，3D食品打印和智能制造等功能性食品加工技术也在快速发展（Liberty等人，2024年）。如何整合现代技术并整合多源数据以推进功能性食品研究至关重要。

近年来，人工智能（AI）在食品科学与技术领域崭露头角。其应用包括化学成分分析、生物活性预测和食品加工（Nath等人，2024年）。随着对功能性食品需求的增加，AI技术的出现极大地推动了该领域的发展。AI模型被开发用于发现和识别新化合物，并预测它们的结构-活性关系（Mullowney等人，2023年）。与传统方法相比，AI在数据处理速度、识别效率和预测准确性方面都有所提升。此外，AI算法加速了对大型化合物库中潜在化合物的虚拟筛选（Zhou等人，2024年）。阐明生物活性化合物的营养机制以及识别活性成分和蛋白质靶点是一项重要但具有挑战性的任务。传统的靶点识别方法包括化学探针（例如，以化合物为中心的化学蛋白质组学）和非探针方法（例如，药物亲和响应靶点稳定性）。然而，化学探针受到保持天然产物内在活性的限制，而非化学探针则受限于特定的靶点特征，因为它们依赖于检测配体诱导的生物物理变化（Li等人，2021年）。AI增强的多组学分析已成为靶点识别、机制解释和精准营养的强大工具（Alles?e等人，2023年）。此外，功能性食品产品的开发也是人类关注的焦点。引入AI技术（如机器人技术）可以优化食品配方，实现智能制造，并确保食品安全，从而最大化食品的健康益处并保障质量。

虽然已有许多研究探讨了功能性食品研究的进展（Banwo等人，2021年；Granato等人，2020年），但AI在该领域的作用尚未得到系统性的探讨。本综述总结了AI算法和模型在食品生物活性成分发现、营养评估、智能食品加工和安全性检测中的应用，并讨论了AI在功能性食品领域的潜在研究方向和未来发展。

小节片段

AI中的算法和模型

AI是一个广泛且不断发展的概念，能够模拟和执行与人类认知相关的智能任务，如感知、学习、推理和决策（Miyazawa等人，2022年）。随着技术的进步，出现了多种AI算法，例如机器学习（ML）和深度学习（DL），为AI模型在不同领域的应用奠定了基础。在过去十年中，AI在功能性食品研究中的应用日益增多。

AI算法和模型在功能性食品中的应用

AI的最新进展促进了其在功能性食品开发中的广泛应用，彻底改变了成分分析、生物评估和产品加工的方式。

挑战与未来展望

AI在发现新的生物活性化合物、靶点筛选、个性化营养评估、食品设计和智能生产方面取得了显著进展。然而，尽管如此，仍存在一些关键挑战。首先，现有数据库中功能性食品的生物活性和化合物数据匮乏，加之多源数据库的整合和标准化困难，影响了化合物和功能识别的可靠性。其次，

结论

AI在成分分析、生物评估和食品加工中的应用取得了显著进展。未来，AI技术预计将与其他新兴技术（如3D打印）结合，用于设计个性化的食品和营养成分。通过整合深度表型分析和多组学数据，AI将有助于开发生化数字人体模型，从而推进个性化和精准营养策略的发展。

未引用参考文献

Alloghani等人，2020年。

数据可用性

本文研究未使用任何数据。

作者贡献

熊慧慧：撰写——原始草稿、概念化、方法论设计、验证、监督；徐永江：撰写——审稿与编辑、可视化、资金筹集、监督。

利益冲突声明

作者声明不存在利益冲突。

致谢

本工作得到了WIIRI试点研究计划（XD2401）和内蒙古自治区科技计划（2025YFDZ0048）的支持。