机器学习驱动的选抗氧化从麦卡达米亚坚果:体外实验验证和机械洞察力学见解
Weiye Jiang1, Zehui Zhu2, Fei Pan3
1Key Laboratory of Geriatric Nutrition and Health, Beijing Technology and Business University, Ministry of Education, Beijing 100048, China; Beijing Engineering and Technology Research Center of Food Additives, Beijing Technology and Business University, Beijing 100048, China.
Food research international (Ottawa, Ont.)
|November 1, 2025
概括
机器学习模型识别了来自果的抗氧化SYLDL. 在细胞模型中,SYLDL证明了对氧化应激的显著保护作用,验证了这种方法用于发现天然生物活性化合物.
科学领域:
- 生物化学和分子生物学
- 生物信息学和计算生物学
- 食品科学与技术 食品科学与技术
背景情况:
- 氧化应激与慢性疾病有关,需要天然抗氧化剂.
- 识别抗氧化的传统方法是低效和劳动密集的.
- 麦卡达米亚坚果蛋白质是生物活性的潜在来源.
研究的目的:
- 开发和验证机器学习 (ML) 框架,以加速发现抗氧化.
- 通过基于ML的查,从马卡达米亚坚果蛋白中识别新型抗氧化.
- 在体外和细胞模型中评估已识别的的抗氧化能力和生物活性.
主要方法:
- 利用ESM-2序列嵌入和十个ML算法来对ABTS,DPPH,ORAC和FRAP试验中的抗氧化活性进行二进制分类.
- 应用了高性能ML模型 (XGBoost,SVC) 来选马卡达米亚坚果蛋白质水解盐,从而确定SYLDL.
- 进行了体外抗氧化剂测试,基于细胞的氧化应激模型 (HepaRG细胞),西斑分析和边界分子轨道计算.
主要成果:
- 在四个测试中,ML模型在预测抗氧化活性方面实现了>92%的准确性.
- 从麦卡达米亚坚果蛋白中鉴定出SYLDL.
- SYLDL在HepaRG细胞中显著保护过氧化诱导的氧化应激,增加细胞活力和抗氧化能力,同时减少氧化损伤标志物.
- 通过SYLDL治疗可以提高关键的抗氧化蛋白 (HO-1,Nrf2通路) 的调节,并增强内源抗氧化防御 (GSH,CAT).
- 计算分析支持SYLDL具有强大的电子捐赠潜力.
结论:
- 基于ML的框架有效地加速了生物活性抗氧化的发现.
- SYLDL是一种有前途的天然抗氧化,具有显著的治疗潜力,可以对抗氧化应激.
- 这项研究强调了将计算查与实验验证相结合的协同作用,用于识别功能性食品衍生.
