Journal of Chinese Institute of Food Science and Technology
食品安全事关全球公共健康。面对新业态、新资源食品中的新发、突然危害物，食源性致病菌和真菌毒素污染以及化学残留等传统危害物的多重挑战，人工智能（AI）技术的飞速发展提供了新的解决思路。本文系统总结AI技术在食品安全主动防控领域的应用，包括风险预警、毒性预测、快速检测和高效防控。
1
风险因子早期预警
AI技术综合气象统计方法、机理模型和机器学习算法，实现对食品中致病菌、真菌毒素、农残和重金属等风险因子的早期预警。
2
新发、突发危害物毒性预测
将AI与传统毒理学模型相融合，结合迁移学习，实现对危害物的毒性预测和风险评估。
3
快速检测识别元件挖掘
AI除了广泛应用于食品安全和食品品质的快速检测外，还能够辅助抗体和适配体等传统和新型识别元件的高效设计与筛选。
4
生防制剂与高效防控
在主动防控领域，AI与生物信息学、分子生物学和合成生物学相结合，可对抗菌肽、降解酶和噬菌体等进行高效预测与筛选并揭示其防控机制。
1）
抗菌肽
传统抗菌肽的发现方法依赖于实验室小试，耗时且成本高昂。AI辅助的抗菌肽挖掘方法通过处理大规模微生物组数据，能够快速、准确地预测和筛选出大量潜在的抗菌肽。
大规模微生物组挖掘的方法虽然能够利用自然界中已存在的多样性来识别潜在的抗菌肽，但是存在数据质量和完整性问题，假阳性高以及探索空间受限等挑战，因此采用从头设计方法可以更精准地创造新型抗菌肽，减少假阳性并提高设计效率。
2）
降解酶
传统的研究方法通常需要耗费大量时间和经费来进行实验室筛选和改造。AI技术可以辅助降解酶筛选、性能改良以及作用机制研究。通过数据分析和模型建立，AI可以加速挖掘和优化降解酶的过程，并与合成生物学相结合，推动降解酶在食品生产加工实践中的应用。
AI可以分析大量的生物信息学数据，从而快速识别具有降解潜力的酶。通过深度学习模型，也能够高精度地预测蛋白质结构，并识别可能的活性位点和底物结合模式，为发现降解酶提供了新途径。另外，在比较基因组学分析方面，AI还可以识别能够降解特定污染物的微生物，并挖掘对应的降解酶。
AI技术在改造和优化酶的降解能力方面也展现出巨大的潜力。借助机器学习模型，研究人员能够预测酶突变对催化性能的影响，并设计出更高效的突变体。此外，深度学习模型，如ESM-1v和SESNet等可以预测突变对酶稳定性和活性的影响，从而指导酶的改造。结合结构和计算生物学，AI技术还能预测酶活性位点的关键氨基酸残基，进一步指导定点突变和定向进化。
AI还可以模拟酶与底物的相互作用，以揭示酶的催化机制。
AI与合成生物学的结合可以进一步加速降解酶的研发，特别是在设计、优化和应用方面。通过对基因组和代谢途径的工程化改造，合成生物学实现了微生物及其酶系的定向设计与优化。AI则通过分析大量数据，如基因表达和代谢产物浓度等，加快这些代谢途径的优化过程。除了单个降解酶的优化外，合成生物学还包括构建复杂的酶系和代谢网络。利用AI结合合成生物学设计多酶降解系统，并通过调控不同酶的表达水平，成功实现了复杂底物的高效分解，并极大地扩展了降解酶的应用潜力。
3）
噬菌体
AI在探索天然噬菌体的过程中也扮演着越来越重要的角色。它不仅帮助研究者从复杂的宏基因组样本中识别噬菌体，还能从其基因组序列中注释出关键的病毒蛋白，准确预测其宿主并挖掘出潜在的抗菌剂等。
5
展望
面向未来，食品安全问题将更加多样化和复杂化。特别是替代蛋白等新资源食品、跨境食品、电商食品和预制菜等新业态食品，以及极端条件下的太空和深海食品等安全问题，AI技术将持续发挥其巨大潜力。随着大数据以及深度学习、生成式人工智能等技术的发展，AI可以快速识别食品成分并优化食品配方，不仅确保其符合严格的安全标准，还可提升食品的营养价值与口感。同时，建立智能化的监管平台，AI可以实时监控食品生产和流通的各个环节，及时发现并预警潜在的安全隐患，结合计算机视觉技术对食品进行无损检测，确保食品在整个供应链中的安全和品质。AI辅助的新发、突发危害物识别元件和生防制剂筛选、设计和优化，也将进一步提高未来食品安全防控的效率和准确性。未来，AI技术将为应对复杂的食品安全挑战提供更多的创新性解决方案，将在保障全球食品安全方面发挥更加重要的作用。
然而，AI在食品安全领域的应用也面临着诸多挑战。AI技术的应用受到数据共享不足和标准化问题的制约。由于隐私和法律方面的顾虑，数据共享较为困难，因此引发数据孤岛现象。此外，食品供应链数据通常包含多模态信息，如传感器数据、图像数据、文本数据等，且具有时空依赖性。许多农业原材料来自数据意识较为薄弱的发展中或欠发达地区，若无法有效将这些地区纳入AI系统，则算法的性能表现将大打折扣。在极端条件下，数据采集难度大，也将导致AI算法训练数据不足，限制了模型的准确性和泛化性。技术普及、人才短缺、伦理与法律等问题也是不可忽视的重要挑战。未来，政府、企业和科研机构需要共同努力，推动AI技术的健康发展和广泛应用，使其在全球食品安全保障中实现更高效、更全面的应用和创新，助力应对复杂的食品安全挑战。
作者简介
Author profile _
盛利娜 副教授
孙秀兰 教授
盛利娜，江南大学食品学院副教授，主要从事微生物/毒素控制消减技术及工业化研究。主持国家、省部级项目4项，发表SCI论文60余篇，获中国轻工业联合会科技进步一等奖、江苏省科学技术二等奖。
孙秀兰，教授，博导，江南大学食品学院副院长，国家杰出青年科学基金获得者。长期致力于食品安全检测与系统防控研究。主持国家级、省部级项目30余项，发表SCI论文180余篇，授权国家发明专利40余件、国际发明专利4件，以第一完成人获江苏省科学技术一等奖、教育部高等学校技术发明一等奖、中国专利优秀奖等。
本文转载自“中国食品学报”微信公众号，原标题“江南大学盛利娜副教授、孙秀兰教授等 | 人工智能辅助食品安全主动防控研究进展”。转载仅用于学术分享，若有侵权，请后台留言联系修改或删除！
『点赞在看，精彩不断』↓ ↓ ↓
