综述：纳米技术与机器学习的协同作用，以提高膳食多酚的生物利用度和功能效果

时间：2026年1月24日

来源：Food Research International

编辑推荐：

本文系统综述了纳米载体技术提升膳食多酚生物利用度的进展，分析脂体、固体脂质纳米粒、纳米悬浮液及聚合物胶束四种载体的理化特性与靶向递送机制，重点探讨机器学习在优化纳米载体设计中的应用，包括高效包封、控释释放及毒性预测，并提出多组学数据融合与精准递送的未来方向。

吴文泽|梅波|吴永志|刘琳格|王一晨|毛罗·隆巴多|杨海霞

内蒙古科技大学生命科学技术学院生命健康与生物信息学重点实验室，中国包头014000

摘要

膳食多酚具有多种生物活性，但由于溶解度低、代谢速度快和吸收受限，其临床应用受到生物利用度低的限制。本文系统总结了基于纳米载体的策略在提高膳食多酚递送方面的最新进展。分析了四种代表性的纳米载体类型，包括脂质体、固体脂质纳米颗粒、纳米悬浮液和聚合物胶束。我们讨论了它们的物理化学性质和界面相互作用如何增强溶解度、稳定性和靶向递送，同时也指出了潜在的毒性、有限的载药量和配方复杂性等局限性。本文的重点是将机器学习（ML）整合到纳米载体设计中以优化性能。支持向量机、随机森林和XGBoost等监督模型在包封效率、释放动力学和生物分布方面的预测准确性很高。机器学习还实现了高通量筛选、毒性预测和配方迭代优化，从而提高了膳食多酚递送的有效性和安全性。机器学习驱动的多组学数据整合提供了纳米载体、多酚和生物系统之间相互作用的机制洞察，支持生物标志物的发现和精准递送。此外，我们提出了一种结合纳米技术和机器学习的逐步工作流程，以指导膳食多酚配方的合理开发。最后，我们讨论了当前面临的挑战，包括数据异质性、模型可解释性和监管考虑，并概述了未来推进机器学习驱动的纳米载体策略的方向，以实现高效的膳食多酚递送。总之，本文提供了一个全面的框架，并强调了结合纳米技术和机器学习在设计下一代功能性食品和精准营养方面的独特贡献。

引言

膳食多酚具有酚羟基特征，是一类结构和功能多样的生物活性化合物，越来越多地被认为在疾病预防和治疗中发挥作用（Z. Ma等人，2025年）。如图1所示，多酚化合物可以大致分为黄酮类（如黄酮、黄酮醇、黄烷酮、异黄酮和花青素）、木脂素、芪类和酚酸（Narra等人，2024年）。它们广泛存在于水果、蔬菜、谷物、茶、咖啡和葡萄酒等植物性食物中。当膳食多酚被机体吸收时，可以带来显著的健康益处，并发挥多种治疗作用，包括抗氧化、抗炎和抗血栓形成作用（J. Sharma等人，2024年）。此外，新兴证据表明，多酚对糖尿病、心血管疾病、癌症和神经退行性疾病等慢性疾病具有预防和治疗潜力（Piccolella等人，2019年）。这些效应部分是由肠道微生物群和多酚衍生物代谢物介导的，强调了这种相互作用在维持肠道稳态和促进整体宿主健康中的关键作用（Mithul Aravind等人，2021年）。

膳食多酚的生物有效性在很大程度上取决于其生物利用度（Ghosh等人，2025年）。从药理学角度来看，生物利用度是指摄入化合物在吸收后进入系统循环的部分。它通过调节多酚在目标组织中的分布和局部暴露水平，对其治疗潜力和功能有效性产生重要影响（Alasalvar等人，2021年；Wei等人，2024年）。然而，这一固有的局限性常常阻止多酚在靶点处达到有效的治疗浓度。膳食多酚的代谢受到几个生物屏障的制约：（1）肠道吸收受到内在物理化学性质的限制，如分子的平面性和酚羟基的pH依赖性离子化（Peng & Shahidi，2024年）；（2）在结肠中，微生物的生物转化（包括糖苷酶介导的水解和杂环环裂解）产生低分子量代谢物（Bolat等人，2024年）。这类化合物包括黄烷酮、木脂素、异黄酮类、原花青素、花青素和芪类，统称为“可代谢多酚”（Quesada-Vázquez等人，2024年）；（3）随后的代谢转化进一步改变多酚结构，通常导致生物活性的显著变化。大约60-90%的摄入多酚在24-48小时内通过肾脏和胆道途径排出体外，大大降低了系统暴露量（Di Lorenzo等人，2021年）。总的来说，吸收不良和快速消除显著限制了膳食多酚的生物利用度，从而限制了其在食品健康干预中的功能效果。

膳食多酚与生物屏障之间的物理化学不相容性需要开发定制的材料设计策略。纳米技术为提高膳食多酚的递送提供了有前景的策略（H. He等人，2025年；Jones等人，2019年）。将膳食多酚封装在纳米级载体中可以提高其溶解度、稳定性、生物分布和生物相容性，有效缓解吸收和生物活性的限制（Rudrapal等人，2022年）。然而，目前大多数纳米载体设计仍然主要是经验性的，对体内性能的可预测性有限。机器学习（ML）已成为克服这些设计瓶颈的有效方法。通过分析包含物理化学特性、载体结构和生物反应的大型数据集，ML可以实现多参数优化和预测建模。具体来说，ML可以根据膳食多酚的物理化学特性精确调节粒径、表面电荷、包封效率和释放动力学。通过结合纳米技术和ML，最近的研究加速了具有增强靶向特异性的智能、刺激响应递送系统的开发（Q. Wang, Liu等人，2025年）。因此，本文总结了基于纳米材料的策略在提高膳食多酚生物利用度方面的最新进展，特别强调了基于ML的合理设计和功能优化方法。

基于纳米载体的方法提高膳食多酚生物利用度：配方设计、功能性能和挑战

在这篇综述中，选择了脂质体、固体脂质纳米颗粒（SLNs）、纳米悬浮液和聚合物胶束作为代表性的纳米载体系统，因为它们应用广泛、结构特征独特且递送机制互补。这四种系统涵盖了目前用于提高多酚生物利用度的主要纳米技术策略，包括模拟膜结构的包封（脂质体）、脂质基质介导的

利用机器学习优化膳食多酚递送的纳米载体

自动化、机器人技术、数据科学和计算建模的最新进展推动了纳米材料研究的发展（Yang等人，2024年）。这些进展使得开发更功能性和智能化的递送系统成为可能。在这些工具中，机器学习已成为合理设计和优化纳米载体以封装和递送膳食多酚的强大方法（Adir等人，2020年；Sahu等人，2022年）。如图6所示，机器学习在纳米载体研究中的应用

结合纳米技术和机器学习提高膳食多酚生物利用度的技术流程

通过结合纳米技术和机器学习来提高膳食多酚生物利用度遵循一个结构化的多阶段技术流程。每个阶段都基于第2节和第3节讨论的已建立的机器学习驱动策略和代表性研究。本节将这些先前的例子综合成一个连贯的、迭代的技术流程，明确展示了机器学习和纳米技术是如何协同作用的

利用机器学习驱动的纳米技术提高膳食多酚生物利用度的挑战和未来方向

纳米技术和机器学习的结合提供了一种强大且协同的方法，以提高膳食多酚的生物利用度和功能效果。机器学习驱动的方法能够高效探索复杂的配方空间，促进与包封效率、稳定性和靶向递送相关的纳米粒子性质的预测优化（Lutz等人，2023年）。相反，纳米技术提供了关于物理化学性质的实验可测量反馈

结论

本文提出了一个结合纳米技术和机器学习的综合框架，以改善膳食多酚的生物利用度和靶向递送。通过分析四种代表性的纳米载体系统，展示了机器学习驱动的策略如何实现材料选择、包封效率、释放行为、生物分布和毒性的合理优化。除了总结最新进展外，本文还概述了一个前瞻性的技术路线图，优先考虑

CRediT作者贡献声明

吴文泽：撰写 – 综述与编辑、撰写 – 原稿、可视化、验证、数据管理、概念化。梅波：撰写 – 原稿、监督、项目管理、方法学。吴永志：验证、项目管理、正式分析、数据管理。刘琳格：监督、方法学。王一晨：软件、研究。毛罗·隆巴多：验证、研究、数据管理。杨海霞：撰写 – 综述与编辑、撰写 – 原稿、项目