综述：生物活性肽的研究进展与展望：整合人工智能、分子模拟和仪器分析技术

生物活性肽的智能化筛选与多技术协同机制研究综述，探讨AI、分子模拟和仪器分析在提升肽类开发效率及深化作用机理认知中的创新应用，为功能食品和精准营养发展提供技术支撑。

Mingshuo Cao|Xiaobo Yang|Lixian Chen|Huizhuo Ji|Lijun Su|Jianlei Kong|Jian Li|Wenjing Yan|Min Zuo

国家农产品质量追溯工程技术研究中心，北京工商大学，北京100048，中国

摘要

由于具有多种生理功能，生物活性肽在功能性食品开发和生物医学应用领域受到了广泛关注。然而，传统的预测和筛选这些肽的方法通常耗时、成本高昂且缺乏可扩展性，从而阻碍了其大规模的发展和应用。本文综述了人工智能（AI）、分子模拟和现代仪器分析如何协同作用，实现生物活性肽的高通量筛选和机制分析。AI技术通过高效的数据驱动预测和筛选新肽，有效克服了传统方法的局限性。AI、分子模拟和现代仪器的结合不仅显著提高了肽开发的效率，还为它们在精准营养和功能性食品中的应用开辟了新途径。本综述将促进生物活性肽的创新发展，并强调了新兴技术在推动食品科学创新和促进人类健康方面的巨大潜力。

引言

近年来，生物活性肽因其显著的生理活性而受到广泛关注。这些短链氨基酸序列主要来源于食品蛋白质或内源性前体蛋白质，已被证明具有多种生物活性，包括抗菌、降压、抗氧化、免疫调节和抗肿瘤作用。在全球公共卫生挑战和消费者对功能性食品及个性化营养需求不断增长的背景下，开发具有良好安全性和高疗效的生物活性化合物正受到共同推动。在这种情况下，生物活性肽凭借其低毒性、高靶标特异性和易于合成的优势，成为创新药物开发和个性化营养产品创造的有希望的候选分子。因此，系统研究生物活性肽的来源、分子机制和应用对推进食品科学的基础研究具有重要意义。此外，这些努力为相关跨学科领域的技术创新提供了坚实的基础。

生物活性肽是从蛋白质中提取的短链氨基酸片段，通常存在于食品或其他蛋白质来源中。这些片段通常需要通过酶促消化、发酵或人体消化功能等过程进行水解才能发挥其功能作用。除了自身的基本营养价值外，生物活性肽在特定的生理调节机制下还能为健康带来额外的益处。食品来源的生物活性肽是一类重要的生物活性肽，具有降压、抗菌和免疫调节等功能（Ju等人，2025；R. Sun等人，2025；Zhao等人，2025）。例如，有研究表明母乳中的生物活性肽可以增强婴儿的免疫力并调节肠道功能（F. Yuan等人，2025）。它们相对较低的分子量使其易于作为功能性成分加入食品产品（W. Li等人，2025），而其高特异性和最小的副作用使其在制药开发中具有价值（Y. Yuan等人，2025）。随着对生物活性肽需求的持续增长，需要更高效的肽开发工具。传统的生物活性肽筛选和分离技术，如凝胶过滤色谱法（Dai等人，2025）、反相高效液相色谱法（Y. Sun等人，2025）和液相色谱-串联质谱法（Zhang等人，2025），在筛选和分离方面具有高准确性。然而，这些方法分析时间较长且依赖专业知识，限制了其在快速生物活性肽筛选中的应用，阻碍了该领域的进一步发展。因此，需要新的技术方法来开发和验证新型生物活性肽。

在后基因组时代，肽序列数据的迅速增加推动了人工智能（AI）方法的快速发展，特别是在蛋白质工程应用方面。计算机科学与食品产业之间的跨学科研究越来越受到关注。近年来，以AI和分子模拟为代表的计算机技术越来越多地应用于生物活性肽的开发。深度学习已成为氨基酸序列开发的关键工具。例如，最近的研究报道了一种结合预训练模块、增强特征和对比学习的鲜味肽预测模型（Su等人，2025）。研究表明，该模型在鲜味肽预测任务中实现了高准确性，比现有模型有不同程度的改进，并显示出优于传统方法的预测能力（Su等人，2025）。还提出了一种针对抗菌肽的深度学习筛选模型，该模型整合了长短期记忆网络、注意力机制和来自Transformer的双向编码器表示（BERT），成功从多个候选物中识别出五种具有潜在抗菌活性的肽，为抗菌肽的发现提供了高效的计算框架（Yang等人，2025）。这些研究突显了深度学习在生物活性肽预测和筛选中的潜力，为新型生物活性肽的开发提供了技术方法和理论基础。尽管这些模型可以预测肽的活性，但其决策过程的不透明性使得阐明肽与受体之间的相互作用机制变得具有挑战性。分子模拟技术可以通过模拟肽与受体的三维结合模式来阐明结合位点、相互作用力和结构-活性关系。有研究报道了首个整合BERT、卷积神经网络（CNN）和长短期记忆（LSTM）的深度学习模型，用于在广泛的基因组数据中识别抗菌肽。与以往的研究不同，该研究还引入了分子模拟技术来验证肽的作用机制（Shen等人，2025）。在原子层面上，分子模拟阐明了深度学习模型预测生物活性肽功能的机制。这种协同组合为肽的机制研究提供了深刻的见解，实现了从新肽预测和解释到后续优化的完整流程。

虽然分子对接可以阐明生物活性肽与其受体之间的结合机制，但它无法量化特定肽的强度值，例如风味肽的味觉（鲜味、咸味、苦味等）强度。仪器分析方法，包括电子舌和光谱技术（红外光谱、圆二色光谱），能够模拟人类味觉受体。这些方法能够定量检测肽的强度并分析肽的二级结构，从而从仪器上验证肽的感官属性和物理化学性质。一个研究团队最近开发了一种系统的肽筛选和分析方法，旨在研究与咸味相关的特性。最初，使用分子对接计算虚拟筛选肽候选物的结合能；随后选择结合能较低的肽，并进一步分析它们与TMC4关键结合位点的相互作用。之后，合成这些肽，并利用电子舌技术定量评估它们的固有咸味和增咸能力。这种方法为咸味肽的设计和功能验证提供了重要见解（L. Yuan等人，2025）。此外，还开发了一种高效的鲜味肽识别方法，整合了虚拟筛选、机器学习、分子模拟、感官评估和电子舌验证（Zou等人，2024）。在生物活性肽研究中，AI、分子模拟和仪器分析技术代表了相互关联且必不可少的方法。每种技术解决了不同的挑战：AI有助于发现新肽，分子模拟提供了肽受体相互作用的机制洞察，分析技术验证了它们的结构和功能特性。这种协同组合不仅保证了结果的可靠性，还加快了生物活性肽发现的步伐，为当代生物活性肽的设计和开发提供了坚实的科学基础。

本研究系统回顾了生物活性肽领域的研究进展。首先阐明了AI中深度学习、可解释深度学习和图神经网络的当前发展状况。随后概述了用于分析分子相互作用机制的分子模拟技术的工作流程。接着探讨了功能性脑成像技术和分子相互作用分析仪器在生物活性肽研究中的技术原理、发展状况和应用趋势，这些技术共同确保了新发现肽的功能特性的可靠性。该研究总结了AI、分子模拟、现代仪器分析及其集成方法在生物活性肽的筛选、开发、机制分析和功能验证方面的进展，特别关注AI和分子模拟方法在生物活性肽开发中的应用（图1）。通过综合最新的研究发现，本文详细分析了这些前沿技术在生物活性肽的结构预测、功能筛选和机制研究中的创新应用。旨在为生物活性肽的设计和开发提供理论基础和技术参考，从而促进其在功能性食品、生物医学及相关领域的工业应用。

章节摘录

AI驱动的肽发现

传统的实验室方法用于生物活性肽的筛选和鉴定，具有高可靠性和准确性。然而，预处理和仪器分析程序通常需要专业人员和昂贵的实验设备，这大大延长了肽筛选和发现所需的时间。因此，迫切需要开发新技术来克服现有方法的局限性。

模拟引导的机制洞察

本章将重点从上一章基于AI模型的生物活性肽筛选转向通过分子模拟对这些初步筛选出的生物活性肽的机制探索。使用人工智能进行生物活性肽的高通量筛选是发现新肽的第一步；然而，要真正理解这些候选肽如何发挥其生物活性，还需要在原子和分子尺度上进行机制分析。

仪器分析和验证

本章重点介绍新肽的仪器分析和验证阶段，作为对前一章AI预测准确性和分子模拟得出的机制分析的最终实验验证。因此，这是整个研究工作流程的最终和关键步骤。一方面，获得的实验结果可以为第2章中的AI预测提供真实的实证验证。

多技术整合下的生物活性肽开发趋势

随着公众对健康和安全的认识不断提高以及对营养需求的增加，具有特定功能的生物活性肽的开发变得越来越重要。AI、计算机模拟和尖端传感技术的最新进展为生物活性肽的发现、机制研究和功能验证提供了重要机会。通过将AI作为预测筛选的基础，结合

结论与未来展望

生物活性肽在饮食健康和生物医学中具有重要意义和价值。在当前的生物活性肽研究中，先进方法和技术（如AI、分子模拟和仪器分析）的应用大大加快了这一领域的进展。这些技术进步不仅提高了发现新型生物活性肽的效率，还加深了对它们生物功能的理解，提供了坚实的基础。

CRediT作者贡献声明

Mingshuo Cao：撰写 – 审稿与编辑，撰写 – 原稿，数据管理，概念构思。Xiaobo Yang：撰写 – 审稿与编辑，监督，概念构思。Lixian Chen：研究，数据管理。Huizhuo Ji：撰写 – 审稿与编辑，数据管理。Lijun Su：撰写 – 审稿与编辑，研究。Jianlei Kong：撰写 – 审稿与编辑，资金获取。Jian Li：监督，概念构思。Wenjing Yan：研究，数据管理。Min Zuo：撰写 – 审稿

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

致谢

本工作部分得到了国家自然科学基金（编号62433002、62473008、62476014）、北京Nova计划（编号20240484710）、北京自然科学基金联合基金（编号L259084）、北京市属高校教师队伍建设支持计划项目（编号BPHR20220104）、北京学者计划（编号099）和北京伍兹大学系统科学开放课题（BWUISS07）的支持。