功能性多糖作为食品配料已被广泛应用，但其发展仍受到结构高度异质性、结构–功能关系不明确以及低效的试错式生产流程的限制。本文综述系统整合了人工智能（AI）如何推动功能性多糖研究向食品级配料与配方转化的最新进展。我们将相关研究进展归纳为三个阶段的框架：（1）效率提升阶段：通过机器学习模型优化提取与发酵过程，并结合光谱指纹实现快速分析；（2）机制驱动的假设生成阶段：利用深度定量构效关系（Deep-QSAR）、基于图的学习方法以及可解释模型，逐步揭示结构基序与功能特性之间的定量关联，包括与健康相关的肠道微生物介导效应；（3）设计辅助阶段：人工智能支持对多糖进行精准调控的工程设计与配方开发，以实现特定的食品功能。通过将计算方法与实验验证相结合，本文为多糖的发现提供了系统性的研究路线图，并讨论了其转化过程中面临的关键挑战——包括数据匮乏与标准化问题、模型的泛化能力与可解释性，以及监管层面的接受度。同时，本文还提出了面向AI驱动的多糖发现与应用的实用策略。
1.提出“AI驱动精准设计”新范式：突破传统试错式筛选模式，构建以目标功能为导向的多糖设计策略，实现从“经验优化”向“结构–功能定向设计”的转变。
2.构建结构–功能–机制一体化解析框架：融合Deep-QSAR、图神经网络及可解释AI技术，首次系统性揭示多糖关键结构基序（如糖苷键类型、分子量分布）与生物活性之间的定量关系。
3.建立AI–实验闭环加速研发体系：通过“模型预测—结构设计—实验验证—反馈优化”的迭代流程，大幅提升功能性多糖开发效率与成功率，推动高通量筛选向理性优化转变。
4. 提出面向食品应用的多糖工程化路径：将AI预测与流变性能调控、配方设计及3D食品打印等应用场景相结合，实现多糖在精准营养、功能食品及清洁标签产品中的定向开发与应用。
天然多糖广泛存在于植物、真菌和海洋生物中，因其优异的理化性质（如可降解性、增稠性、凝胶性和成膜性）以及多样的生物活性（如抗氧化、免疫调节和肠道菌群调控），在食品和医药领域展现出重要应用潜力，尤其作为益生元在功能食品和精准营养中具有突出价值。然而，多糖研究面临显著挑战：其高度结构异质性（复杂分支、糖苷键多样性和分子量分布广泛）使结构解析困难，被称为糖生物学中的“暗物质”；同时，结构–功能关系不清晰，限制了机制认知；此外，传统提取与生产依赖经验驱动的单因素优化方法，效率低且难以兼顾产率与活性。这些问题使多糖研究长期停留在试错式范式，亟需向数据驱动和理性设计转变。
图1|人工智能在食品体系功能性多糖研究中的应用概览。
人工智能（AI），尤其是机器学习与深度学习，为突破上述瓶颈提供了新路径。AI可在生产端实现提取、发酵及过程控制的高效优化，并结合光谱技术实现多糖的快速定量与表征；在机制层面，通过Deep-QSAR、图神经网络（如SweetNet）及可解释AI方法，逐步揭示结构基序与生物活性之间的关联，并辅助解析多糖–微生物–宿主的复杂互作网络；在应用层面，AI还能预测流变性质并指导配方设计，如食品3D打印中的性能优化。总体而言，AI正推动多糖研究从经验优化走向机制解析与精准设计，但其实际应用仍面临数据规模不足、模型可迁移性有限及标准化与验证体系缺乏等关键挑战。
图2|维恩图式框架展示了人工智能如何在三个相互耦合的领域重塑功能性多糖研究。
人工智能正在推动功能性多糖从传统“试错筛选”向精准设计范式转变。基于快速结构表征、Deep-QSAR活性预测及多糖–微生物–宿主机制解析，研究者可以以目标功能为导向反向设计多糖结构，实现定向开发（如肠道健康、免疫调节或特定流变性能）。例如，通过可解释AI识别关键结构基序（如特定糖苷键、分子量范围），可指导酶法修饰或分子剪切，实现结构–功能精准匹配；同时结合光谱数据与机器学习模型，可快速预测流变性质，加速吞咽障碍食品或3D打印食品等配方设计。整体流程表现为“AI预测→结构设计→实验验证→反馈优化”的闭环，大幅提升研发效率与成功率。重点：①目标导向设计替代经验筛选；②结构基序驱动功能优化；③AI–实验迭代加速开发。
图3|基于机器学习的多糖光谱指纹分析的一般流程，用于实现多糖的鉴别与定量分析。
然而，AI驱动的多糖工程在产业转化中仍面临多重瓶颈。首先是数据匮乏与标准化不足，缺少同时关联结构与功能的高质量数据；其次是模型可解释性与可靠性不足，需结合SHAP、Grad-CAM及不确定性评估提升可信度；第三是实验验证能力滞后，难以匹配AI高通量预测，且存在放大效应差异；此外，还包括监管与消费者接受度问题，监管强调机制与安全性证据，消费者对“AI优化成分”存在认知障碍。未来需构建标准化数据库、发展可解释AI工具、提升高通量实验能力，并加强跨学科协作，推动AI从理论工具走向实际食品工业应用。重点：①数据与标准化是核心瓶颈；②可解释性与不确定性决定模型落地；③实验与工业转化存在“最后一公里”问题；④监管与消费者认知影响商业化。
图4|人工智能驱动的生物活性多糖筛选与作用机制解析流程：基于可解释AI技术构建的数据收集、模型构建、性能评估及相互作用分析的一体化框架。
总体而言，人工智能正在引领功能性多糖研究从传统经验驱动向数据驱动与理性设计的深度转型。通过整合结构解析、构效关系建模与机制推断，AI不仅显著提升了多糖开发效率，还实现了以目标功能为导向的精准设计，为功能食品的个性化与高性能化提供了新路径。然而，其产业化应用仍受限于数据体系不完善、模型可解释性不足以及实验验证与规模化之间的不匹配。未来，只有在标准化数据建设、可解释AI发展、高通量实验平台构建及跨学科协同推进等方面取得突破，才能真正推动AI驱动的多糖工程从理论探索走向食品工业的广泛应用。
图5|人工智能引导的面向食品应用的功能性多糖精准定向开发框架及其关键转化瓶颈。
本文全文可点击下载.pdf
溦时光
专注于发布合成生物学|酶工程领域最新进展
Bilibili|苦瓜师兄(ID:324322190)
小红书|苦瓜师兄(ID:27928645）
感谢关注，欢迎交流
欢迎添加微信“Helion-682”进微信学术交流群
真人图书馆|文献分享|技术教学|科研问题交流|会议发布|招聘信息
