综述：基于人工智能的精准蛋白酶工程在食品工业中的应用

AI驱动的蛋白酶工程正突破传统限制，通过整合定向进化、结构预测与多组学数据，显著提升酶的热稳定性与催化效率。在食品加工、生物医药等领域实现精准设计，推动可持续生产。未来需深化AI与多组学融合，优化工业酶工程

吴丽娜|周金宇|王涵|吴俊瑞|穆志深

沈阳农业大学食品科学学院，中国辽宁省110866

摘要

在传统蛋白酶工程领域取得的进展为蛋白酶工程开辟了新的前沿，其中包括高效设计定制化的蛋白酶变体。现代酶工程中的一个核心挑战是设计出适用于特定工业应用的高效蛋白酶。人工智能（AI）现在为这些问题提供了强大的解决方案。通过整合定向进化、理性设计等成熟策略，AI分析酶结构并预测突变结果的能力显著提高了蛋白酶的稳定性和适应性。这种协同作用不仅限于优化，还实现了新型蛋白酶的从头设计。本文综述了这一能力在食品工业中的重要性，因为AI驱动的设计为更安全、更可持续的生产方法铺平了道路，以满足精准食品生产的需求。这些创新共同代表了在提升工业蛋白酶性能和实现其可持续生产方面的重要进展。下一个前沿可能是将AI与多组学数据深度融合，这是扩展蛋白酶应用和提高生物技术食品产品营养价值的必要步骤。多组学与AI引导的从头设计的结合，扩展了蛋白酶在食品生物技术中的应用，满足了工业过程不断变化的需求，同时提升了食品的质量和营养价值。

引言

人工智能（AI）、计算生物学以及规律间隔短回文重复序列–CRISPR相关蛋白（CRISPR–Cas）系统的融合彻底改变了蛋白酶研究。以AI为核心的技术也为食品工业、生物医学和绿色制造领域的问题提供了新的解决途径（Huang等人，2025年；Liu等人，2024年）。蛋白酶是重要的生物催化剂，这种技术协同作用在许多工业和生物医学应用中至关重要（Breimann等人，2025年）。食品工业对改进蛋白酶的需求日益增加，既用于传统食品加工，也用于生物医学应用中的营养强化（Harikrishnan等人，2025年）。

现代酶工程依赖于数据分析和结构精确性的结合。传统上，定向进化依赖于随机突变和人工筛选（Cheng等人，2015年）。这些方法通常速度较慢，且只能测试少量变体。然而，AI和机器学习（ML）彻底改变了这些方法，提高了准确性和效率（Kim等人，2025年）。机器学习可以快速搜索大规模序列库，将随机测试转变为针对性能更好的酶变体的定向搜索。利用预测模型，研究人员无需进行繁琐的实验室工作即可识别出高性能候选者（Tripathi等人，2025年）。

结构预测技术的突破进一步推动了这一领域的发展。像AlphaFold3这样的平台能够高精度地探索蛋白质相互作用和分子组装（Krokidis等人，2025年）。从静态结构到动态模型的转变使我们能够更深入地了解酶在自然环境中的行为。生成模型还促进了完全根据特定工业需求定制的新蛋白质骨架的创建（Strokach & Kim，2022年）。这些工具使得设计自然界中不存在的酶成为可能，从而扩展了它们的工业应用前景。使用CRISPR进行精确基因编辑为工业生产提供了强大的框架（Azeez等人，2024年）。该系统允许进行靶向突变，并将多个基因整合到单个宿主细胞中。这些能力对于构建多功能酶系统和优化微生物工厂至关重要。这种整合确保了通过计算设计能够大规模生产蛋白酶，从而弥合了数字设计与实际制造之间的差距。

基于这些技术进步，可以有效地克服传统酶在食品工业中的关键限制，如热稳定性差和催化效率低（Zlobin等人，2025年）。传统酶通常在高温下不稳定，催化性能低下，这限制了它们的应用并增加了生产成本。AI辅助的蛋白酶工程通过提高酶在工业过程中的稳定性和活性，为克服这些挑战提供了有希望的解决方案（Koh等人，2025年）。

本文为AI驱动的蛋白酶的精准设计提供了全面的路线图，解决了生产瓶颈和安全评估问题。总结了一种新的设计模型，该模型整合了多组学发现、生成建模和精确基因组编辑。这一框架为食品蛋白酶行业提供了一个战略模板，将计算创新与工业可行性相结合。该框架通过优化生产菌株和提高资源效率促进了绿色制造。同时强调了安全设计原则和国际监管规则在未来的生物技术研究中的重要性。

部分摘录

数据驱动的方法：定向进化和序列模型

数据驱动的工程策略可以在不需要先验结构知识的情况下探索序列空间。定向进化通过迭代选择有益变体来模拟自然进化。该方法最早在20世纪90年代初提出（Bloom & Arnold，2009年）。传统的定向进化是一个循环过程。

这一过程从构建基因库开始。

提高蛋白酶的热稳定性和pH耐受性

工业环境对生物催化剂提出了严格的要求。蛋白酶有许多工业应用，但往往在高温或极端pH值下不稳定，这限制了它们的使用寿命。然而，分子生物学和计算生物学的进步使得设计出更适合特定加工条件的更坚固、更稳定的酶成为可能。

应用：改变食品加工及其他领域

蛋白酶在食品加工中的工业应用常常受到食品基质复杂性和严格加工条件的限制。人工智能驱动的精准酶学可以通过使酶的生化特性与肉类、乳制品和烘焙系统的具体功能需求相匹配来克服这些障碍。图4将这些历史性瓶颈与AI驱动工程带来的性能提升进行了对比。

AI驱动的工业蛋白酶生产的未来前景

蛋白酶工程需要数据驱动的发现、精确的基因修饰和严格的工业验证的全面结合。该领域正朝着整体路径设计和可持续工业系统的方向发展，而不仅仅是简单地修改单个酶。

结论

AI、计算生物学和基因组编辑的整合标志着蛋白酶工程的根本性转变。这种协同作用使得从简单修改天然模板向生成性、功能性创新的转变成为可能。先进模型可以用来精确构建适应复杂食品环境的酶。这一策略克服了催化效率和底物特异性方面的限制。然而，一些障碍阻碍了其广泛应用。

作者声明

吴丽娜：概念化、原始草稿撰写。

周金宇：概念化、撰写、可视化、研究。

王涵：软件开发、验证。

吴俊瑞：审稿、编辑。

穆志深：指导。

利益声明

无。

致谢

本工作得到了国家自然科学基金（项目编号32172279）；蒙牛全球研发创新中心乳品科学研究所“汇聚全球最强大脑”项目（202412056000038999）；辽宁振兴人才计划（XLYC2402005；XLYC2213026）；辽宁省科技计划项目（2024JH2/101900005）；以及沈阳农业大学的高层次人才引进研究启动基金项目的支持。