基于人工智能的大豆品种筛选：通过蛋白质组分分析预测豆腐品质的创新平台

本研究开创性地将SDS-PAGE蛋白质指纹图谱与计算机视觉、支持向量机（SVM）算法相结合，构建了首个能够根据大豆蛋白亚基组成（7S/11S）快速预测豆腐品质（硬度/产率/持水性）的AI筛选平台。该模型通过对170个大豆品系的多维度品质指标进行分层聚类，实现了82%的准确分类，显著优于传统方法，为大豆育种和食品加工提供了高效的数据驱动解决方案。

亮点

• 首次开发基于AI的豆腐品质分类平台

• 通过计算机视觉实现SDS-PAGE蛋白亚基数字化

• SVM模型准确率达82%，优于其他机器学习算法

• 确立11S A₃/B亚基为豆腐凝胶硬度关键因子

• 发现7S α'亚基与持水性及柔软质地正相关

基于豆腐品质的大豆品种分类

本研究通过多性状层次聚类分析（HCA）对170个大豆品系进行品质综合评价（图1a），成功划分三大类别：I类（n=60）豆腐表现出优异的质构特性（回弹性、内聚性、弹性、硬度、胶粘性和咀嚼度）；II类（n=51）以高豆腐产率为特征；III类（n=59）则展现卓越的持水能力。这种分类方式为后续机器学习建模提供了明确的品质标签基础。

特征重要性解析

通过模型特征权重分析揭示：11S球蛋白的A₃和B亚基是决定豆腐凝胶网络形成与质构硬度的关键驱动因子（"豆腐硬度引擎"）；而7S球蛋白的α'亚基则像"分子海绵"般显著提升持水性，形成更柔软质地。这一发现从分子层面阐释了蛋白亚基功能与宏观品质的构效关系。

结论

本研究建立的"蛋白指纹-AI预测"框架，将传统耗时数月的豆腐试制评估压缩至分钟级图像分析，不仅为育种家提供基因型筛选新标尺，更为加工企业带来基于化学组分的原料规格工具。该平台作为试点规模预测模型，为植物蛋白水胶体的数据驱动设计提供了可迁移技术蓝图，有望推动植物基食品领域的快速、清洁标签质构工程创新。