AI 能否比较整个蛋白质组，寻找可持续的替代蛋白？

相似度比较的是整个分布

论文的核心主张是：食品蛋白以混合物形式发挥作用，而不是以单个分子形式发挥作用。凝胶、起泡和乳化来自异质蛋白混合物在食品基质中的集体行为，因此每种原料只挑一个代表性蛋白来比较，就会漏掉真正关键的性质。AlterProtX 因此把每个来源表示为一组预测属性的分布，而不是一个均值或中位数。

整个流程分四步。第一步，编码每个蛋白的序列和结构，并据此预测变性温度（Td），即蛋白解折叠的温度，论文把它当作与加工相关的热行为指标。第二步，用核密度估计把一个来源内所有蛋白的预测 Td 值和六项分子间相互作用属性汇总起来，得到一条平滑分布，而不是一个汇总数字。第三步，用 Wasserstein 距离把非动物来源的分布与动物来源的参考蛋白质组比较；该距离衡量一条分布需要移动多少才能与另一条吻合。第四步，对排名靠前的候选来源筛查致敏潜力和必需氨基酸组成。

读者需要区分蛋白层面的预测和来源层面的排序。Td 模型的输出是每个蛋白一个数值；排序则是两条分布之间的距离。一个来源可以排名很高，而其中并非每个蛋白都像动物蛋白，因为比较的是整个分布的形状和范围。

Td 模型建立在 24,572 个实测蛋白上

热稳定性预测器用 Meltome Atlas 中经实验验证的 Td 值训练，该资源提供跨物种的标准化热稳定性测量。剔除缺少全长序列或所需注释的条目后，整理出的数据集包含 24,572 个蛋白，来自五个生物类别：人、其他动物、植物、真菌以及细菌或古菌。同一蛋白有多个测量值时取中位数。数据按 80% 训练、10% 验证、10% 测试划分，并用分层抽样保持各子集的 Td 分布均衡。

每个蛋白被表示成一张图：残基是节点，边连接序列上相邻（相差不超过三个残基）的残基，或在三维表示中 Cα–Cα 距离不超过 8 Å 的残基。节点特征把 1,024 维的 ProtT5 序列嵌入与理化描述符结合起来，每个残基得到 1,030 维向量。研究用多层感知机或图卷积网络训练了六种输入配置，分别组合不同的序列表示和结构编码。

这一点重要，是因为框架的可信度取决于预测的 Td 对食品相关蛋白是否有意义。论文报告，预测的 Td 趋势与实验报道的豆类蛋白稳定性规律一致，并认为同时使用完整一级序列和原子级三维结构信息，能捕捉包括许多天然食品蛋白特有的 40–50 °C 区间在内的热行为。这项一致性检验是支持性论据，不能替代在食品原料上的直接验证。

50 种来源与五类动物蛋白逐一排序

非动物数据集覆盖 50 种食品相关来源：15 种谷物、14 种海藻、11 种豆类和 10 种蘑菇，按韩国食品医药品安全处的标准筛选。作者没有直接汇编完整的生物体蛋白质组，而是用食品相关的分类标识和功能注释从 UniProt 中整理条目，排除非食品生物和蛋白条目少于 10 个的来源。最终数据集包含 1,345,631 个蛋白。

动物参考数据代表五类食品：蛋清、蛋黄、乳、肉和鱼。这些同样经过整理，而不是直接取整个生物体，使用针对主要食品蛋白类别的关键词，如酪蛋白、乳清蛋白、肌原纤维蛋白、卵白蛋白相关蛋白和胶原蛋白。

对每类动物蛋白，框架找出最相似的 10 种非动物来源。相似度用两个维度可视化：一个轴是 Td 的 Wasserstein 距离，另一个轴是各分子间相互作用属性距离排名的平均值，因此靠近原点的来源既 Td 距离低，又在相互作用属性上排名稳定靠前。论文既报告了各类别特有的匹配，也报告了在多个动物类别中都得分较高的候选来源，并将其解读为在配方和替代方面有更广的潜力。改变核密度估计带宽、评估网格和代表性特征选择的敏感性分析大体保持了排序，但部分目标类别对特征替换更敏感。

分布形状区分了接近与薄弱的候选

最有信息量的结果不是排序本身，而是完整属性分布的对比。针对蛋清和肉，论文画出每类动物蛋白质组的 Td、分子量、等电点和表面疏水性分布，并与最相似和最不相似的非动物来源并列。接近的匹配不仅复现了中位数，还复现了动物分布的整体形状和范围；不匹配的来源则形状明显不同。

两个例子支撑了这一论证。小麦（Triticum aestivum）在四项分布上都与蛋清蛋白高度接近，作者指出这与此前实验报道的可比起泡性能一致。花菜蘑菇（Sparassis crispa）与肉源蛋白高度吻合，反映出其表面疏水性均衡、结构紧凑度适中。

作者用这些案例论证：单值汇总可能误判功能等效性，因为两个平均 Td 相同的来源，其蛋白在温度范围内的分布仍可能不同。这是机制层面的解释，而不是实测的功能测量：论文没有报告这些来源新的凝胶或起泡实验，并明确表示目前没有经实验验证的阈值，可以用蛋白质组层面的相似度来定义功能等效。

致敏性筛查改变了强候选的排序

完成相似度排序后，框架用 ALLERDET 预测蛋白层面的致敏性。该工具结合受限玻尔兹曼机与决策树分类器，把每条序列标为可能致敏或非致敏。预测结果按生物汇总：预测致敏蛋白多于非致敏蛋白的来源被归为高致敏潜力，否则为低。

结果显示各食品类别差异明显，许多豆类和谷物物种含有比例较高的预测致敏蛋白。同一来源内部也有差异：虽然 Oryza sativa 总体上被预测致敏潜力较高，但若干亚种的预测致敏性明显更低，作者将其视为品种选育的机会。对代表性候选来源，预测的致敏蛋白与 WHO/IUIS 过敏原数据库条目做了比对；小麦的预测致敏蛋白比例明显高于藜麦和花菜蘑菇。

论文明确指出，这只是优先级排序标准，不是安全性判定。论文表示，要全面评估致敏性，还需要蛋白消化率、丰度、暴露途径和临床验证，之后才能认为某种原料适合实际应用。

营养数据能确认候选，也能否决候选

第三道筛选把各必需氨基酸含量（毫克/克蛋白）与 FAO/WHO 参考氨基酸模式比较。藜麦（Chenopodium quinoa）是蛋黄蛋白排名第一的替代来源，在全部九个评分类别上都达到或超过参考模式；论文结合它与蛋黄蛋白的高蛋白质组相似度和低预测致敏潜力，支持对其进一步评估。

小麦是蛋清蛋白排名第一的替代来源，其赖氨酸含量低于参考模式，这与赖氨酸是小麦中公认的限制性氨基酸一致。结合其有临床记录的致敏性，作者认为在评估候选来源时，营养品质和安全性应与良好的功能相似度一并权衡。

花菜蘑菇是肉蛋白排名第一的替代来源，相似度高、预测致敏潜力低，但没有完整的氨基酸组成数据，因此无法做营养评估。作者用这个案例提出一个具体观点：当营养信息不完整时，仅凭良好的功能相似度和安全性证据不足以完成候选排序。论文还指出，仅靠氨基酸组成不能完全反映蛋白质量，因为消化率和生物利用度也影响体内营养价值，并建议未来纳入 DIAAS 等基于消化率的指标。

排序是相对优先级，不是功能保证

该框架的预期用途是在实验验证和针对具体应用的测试之前做早期筛选。作者称它支持透明、可解释的候选来源优先级排序，而不是最终原料选择，并把功能、致敏性和营养之间的权衡描述为需要合起来读、而不是各自独立解读的证据。

若干限制界定了这一用途。生物体层面的蛋白质组来自公共数据库，不能完全代表可食用原料，因为原料组成会随组织类型、品种、环境条件、提取和加工而变化；作者指出，目前还没有标准化的大规模资源能提供跨多种食品来源的原料级蛋白质组。致敏性预测是计算得出的，需要临床和暴露证据。营养维度只依赖氨基酸组成，没有纳入消化率。由于不存在经实验验证的功能等效阈值，排序应被理解为在所分析搜索空间内的相对次序。

实际结论是一个筛选顺序，而不是一个胜出者。藜麦展示了在蛋黄蛋白上通过全部三道筛选的候选；小麦展示了功能匹配被赖氨酸限制和有记录的致敏性抵消的候选；花菜蘑菇展示了在氨基酸数据出现之前无法完整评估的候选。论文的贡献是让这些权衡变得明确，并能在 50 种来源之间比较，而不是宣布某一种来源可以直接替代动物蛋白。

本文引用的文献