综述：新兴的食品肽组学：将计算机模拟发现与高通量筛选相结合，以开发下一代功能性成分

生物活性肽（BAPs）的开发是功能食品研究的关键，但传统方法效率低。本文提出整合计算预测（如BIOPEP-UWM、QSAR建模、分子对接）与高通量筛选（HTS）的流程，加速BAPs发现，同时指出预测验证差距、数据库偏差、标准化不足及生物利用度等挑战，并提出AI设计、数据标准化和稳定性优化等解决方案，为高效、数据驱动的BAPs开发奠定基础。

摘要

从食品蛋白质中发现生物活性肽（BAPs）对于开发能够促进健康的功能性成分至关重要，这些成分的作用超出了基本营养的范畴。然而，传统的发现方法速度慢、成本高且效率低下，这成为创新发展的瓶颈。本文旨在批判性地审视一种集成工作流程的范式转变，该流程结合了计算机模拟预测与高通量筛选（HTS）技术，以加速并优化BAPs的发现过程。我们详细介绍了各种计算工具，包括像BIOPEP-UWM这样的生物信息学数据库、QSAR建模以及分子对接技术，这些工具能够从蛋白质序列中预测肽的生物活性。文中还详细描述了用于抗氧化、抗高血压、抗糖尿病和抗菌活性的生化检测方法，并将其转化为高通量筛选格式，以便快速进行实证验证。通过分析来自乳制品、植物和海洋来源的最新案例研究，证明了这种协同工作流程能够显著加快有潜力BAPs的鉴定速度。然而，我们的分析也揭示了一些关键挑战：预测与验证之间的差距持续存在；现有数据库存在偏见和局限性；检测方法缺乏标准化；以及肽的生物利用度是一个主要障碍。为了解决这些问题，我们重点介绍了几种新兴解决方案，包括用于从头设计肽的下一代人工智能（AI）技术、提高数据质量和标准化的举措，以及评估和增强肽稳定性和吸收性的策略。通过先进的生物利用度模型和人体试验来弥合体外研究与体内疗效之间的差距是必要的。通过全面阐述这种集成的肽组学工作流程，我们为更高效、数据驱动的功能性肽成分发现奠定了基础，最终有助于开发可持续的、基于证据的功能性食品。