综述：加速设计用于食品保鲜的刺激响应型壳聚糖纳米复合材料：一种基于机器学习和聚合物信息学的框架

Fizza Saleem|Amir Hosseinvand

巴基斯坦卡拉奇Ziauddin大学工程科学与管理学院生物医学工程系

摘要

本文深入概述了智能AI引导的壳聚糖基包装系统在食品保鲜方面的变化。壳聚糖是一种可生物降解且具有抗菌性的生物聚合物。作者提出了一种“程序化”或“数据驱动”的思考方式，认为壳聚糖由于其可调性，可以以适应性和创新的方式提供可持续的包装解决方案。在本文中，作者介绍了利用机器学习和聚合物信息学加速实验的方法，据报道实验工作量减少了60%到80%，尽管这些数据基于特征空间，并未在多个实验室或不同来源的壳聚糖上进行验证，同时优化了多个性能参数（拉伸强度、孔径大小和抗菌功能）。作者还列举了一些实例，包括使用纳米填料、生物活性剂和基于外部刺激反应的连接剂的数字工程壳聚糖系统，这些系统能够控制营养素和其他化学物质的释放，并提高了包装系统的自学习能力，以便实时检测食品产品的pH值、湿度水平和微生物污染。最后，本文还涵盖了数字孪生技术、基于机器学习的增强技术以及与工业4.0范式的数字连接系统的融合。总体而言，该综述揭示了最突出的研究需求，例如需要标准化的壳聚糖AI数据集、设备间的数字通信方式（APIs）以及支持材料选择的自主决策的伦理基础。这一路线图将有助于创建能够自我优化的壳聚糖包装系统，从而实现基于下一代食品保鲜技术的透明、可持续和直观的解决方案。

引言

在过去几十年中，人们开始关注基于天然生物聚合物（如壳聚糖）的活性包装技术的发展。如今，它被视为替代石油基塑料的环保选择。作为一种天然生物聚合物，壳聚糖具有多种独特性质，包括天然的抗菌活性、可生物降解性、生物相容性和优异的成膜能力，使其成为食品包装的理想材料。将壳聚糖与生物活性剂、精油或交联剂结合使用，可以进一步提高其在食品包装中的应用潜力[1]。然而，研究人员目前使用的大多数方法仍然主要是经验性的，即依赖于试错过程[2]。通过系统地改变添加剂、增塑剂、混合成分和/或交联剂的浓度，并测量机械强度、水蒸气透过率（WVP）和抗菌活性的变化，研究人员往往需要进行大量试验，但缺乏有效策略来同时满足多个目标，特别是高拉伸强度、低WVP和强抗菌活性。此外，壳聚糖的一些固有局限性，如亲水性、相对有限的热塑性行为、对湿度的敏感性、热稳定性较低、脆性以及加工难度（通常通过挤出、热封或模塑），使得许多基于壳聚糖的薄膜产品不够理想或不适合实际应用[3]。这些限制了壳聚糖薄膜的应用范围，表明需要新的方法来开发能够系统探索广泛多维配方空间的壳聚糖基包装，以满足商业包装性能标准。传统的试错方法难以同时优化多个相互冲突的目标（例如高拉伸强度、低水蒸气透过率和强抗菌活性）。人工智能（AI）为这一多维优化问题提供了有希望的解决方案，更广泛地说，是利用数据来设计新材料，这正在改变材料科学家的工作方式。现在，研究人员不仅在数据收集后使用AI作为分析工具，还将其作为合法的设计和预测辅助工具。此外，聚合物科学中的机器学习（ML）方法使研究人员能够准确预测化学性质，改进现有化合物配方，并通过虚拟正向合成（VFS）和技术驱动的新颖性生成器（Novelty generators）创造新的聚合物[4]。例如，最近的一个ML引导的工作流程示例是使用ML创建用于食品包装的生物基活性薄膜。该流程结合了壳聚糖、淀粉、甘油、蜂蜡、ZnO和各种生物活性提取物，优化了配方，减少了实验/搜索空间（>60%），同时准确预测了机械强度、透过率和抗菌效果（R2值>0.94）[5]。这表明ML可以高效地处理壳聚糖基包装的复杂配方空间，而手动实验则需要数百次试验。基于AI的聚合物设计流程可以替代传统的包装塑料。这种新趋势明显体现了AI在加速可持续材料发现和转化中的应用[6]。与传统的试错方法相比，这种新范式强调基于预测和决策的产品开发，产品的创建由计算机模型和/或实验室测试或实验指导。使用AI开发新的壳聚糖基包装可能比单纯的试错方法更为激进，它超越了反应性或基本的保鲜方式，实现了基于模型预测的同时优化机械、热学、阻隔、抗菌、可生物降解性和可扩展性等标准。在这个框架下，壳聚糖的可调性具有显著优势，因为其分子结构（由脱乙酰程度、分子量、处理所用溶剂的pH值以及与壳聚糖共混的聚合物浓度组成）可以合理参数化，使这些可调参数直接与ML和聚合物信息学描述符（分子描述符、网络连通性、潜在的氢键和亲水性）相关联，为AI探索壳聚糖的广泛化学和组成空间提供了可能，这是手动实验无法实现的[3]。随着基于生物聚合物的包装越来越需要达到或超越传统塑料的性能，这种计算指导不仅具有优势，而且可能是必不可少的。本综述的创新之处在于，它首次将壳聚糖基活性/智能包装的最新进展与AI驱动的聚合物信息学领域相结合。虽然之前的综述要么关注壳聚糖的配方和功能性能（抗菌、抗氧化、机械、阻隔性能）[1]，要么分别探讨ML/AI如何在一般工业环境中优化聚合物复合材料[7]，但专门针对壳聚糖基食品包装的综合性研究尚缺乏。通过连接这些领域，我们的综述为“智能生物聚合物包装”提供了首个路线图：展示了如何将壳聚糖的分子级参数化纳入聚合物信息学流程，如何计算优化生物活性添加剂的选择和纳米复合材料的配方，以及如何通过实验验证设计结果，以满足或超越传统塑料包装的性能，同时保持可生物降解性和食品安全性。

节选

作为数据响应型生物聚合物的壳聚糖

壳聚糖是目前最灵活的生物聚合物之一，可用于活性/智能包装。其化学结构使其易于“定制”（调整）和功能化。最近的研究再次证实，壳聚糖可以被归类为“可编程”聚合物（即其性质可以根据配方或通过复合材料或纳米填料技术进行定量改变）

ML驱动的壳聚糖薄膜功能性能预测

机器学习框架正在改变功能性壳聚糖薄膜的开发方式，使研究人员能够同时优化机械强度、阻隔性能和抗菌活性。新型模型表明，与传统的完全因子实验相比，先进模型可以更快更准确地描述多糖、增塑剂、疏水添加剂和生物活性材料之间的非线性相互作用

使用AI控制的壳聚糖包装进行食品保鲜预测

时间本身并不能决定食物是否会变质；这是环境因素（如湿度和温度）、环境效应因子（如微生物）和包装材料性能（如透过率）之间复杂相互作用的结果。通常，保质期是根据静态条件和安全边际预测的；这些假设导致对变质风险的过高估计，从而导致大量食物浪费。目标

AI引导的壳聚糖基活性包装中的可控释放机制

AI驱动的智能可控释放系统的引入为包装领域开辟了新的方向，科学家现在可以依靠证据而不是直觉或过去的实验来创建和测试材料。壳聚糖是一种天然存在的物质，来自虾和蟹的外壳，含有许多功能性基团（氨基和羟基），为嵌入活性剂（如抗菌剂、抗氧化剂）提供了高度适应性强的平台

未来方向

AI在壳聚糖薄膜设计早期的应用才刚刚开始成形。为了提高稳定性，开发结合不确定性量化（例如使用高斯过程）并根据壳聚糖的分子量和脱乙酰过程（批次间可能有所不同）校准壳聚糖薄膜批次的未来模型将是关键改进。采用主动学习（模型根据知识选择要运行的实验）

结论

壳聚糖生物聚合物、人工智能（AI）和工业4.0框架的整合正在推动智能包装的新发展。下一代基于壳聚糖的自主包装系统不仅会对环境变化做出反应；这些系统还将利用AI驱动的迭代学习过程在其整个生命周期内自我优化。例如，基于壳聚糖的包装将不断调整抗菌释放速率、气体透过率等

资助

本研究未获得外部资助。

CRediT作者贡献声明

Amir Hosseinvand：撰写——审稿与编辑、可视化、验证、监督。Fizza Saleem：撰写——审稿与编辑、初稿撰写、软件、资源、方法论。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。