水产生物肽作为新兴的功能性食品配料，正受到食品科学、营养学与生物技术领域的广泛关注。本综述从生物来源、结构尺寸和功能属性三个维度对其进行了系统界定，指出将占据巨大生物量的水产加工副产物转化为易于跨膜吸收和受体感知的低分子量寡肽（特别是 < 3 kDa），不仅能发掘出富含独特结构的蛋白质资源，也为环境保护提供了可持续方案。功能上，它们被划分为触发风味的“感官肽”、调节代谢的“生理肽”，以及兼顾适口性与生物活性的“双功能肽”。随着提取工艺的进步，研究不仅证实了这类多肽在抗氧化、降压、抗菌甚至抗癌等方面的广泛生理功能，更提出了极具突破性的“风味-代谢轴”假说。该假说指出，风味感知不仅是纯粹的口感体验，更是全身代谢调节的前瞻性信号 。通过激活广泛分布于口腔、胃肠道及外周组织中的共同G蛋白偶联受体（GPCRs），水产生物肽作为双靶点信号分子，将鲜味感知与血糖稳态、脂质代谢及免疫响应紧密联动。结合AI辅助发现技术，这篇综述成功跨越了感官科学与受体生物学，全面阐释了水产生物肽在推动精准营养与健康导向食品创新中的巨大潜力。
挑战及展望
（1）个性化营养与风味定制
♦ 人工智能正在重塑营养与感官体验的个体化定制方式。深度生成模型和大语言肽模型已能够在体外（in silico）设计同时满足愉悦性与生理功能目标的肽序列。TastePepAI 框架整合了潜变量自适应变分自编码器与毒性预测模块（SpepToxPred），可依据特定风味与安全标准进行条件化生成，实现目标导向的分子设计，而非传统经验筛选。然而，鉴于鱼类和甲壳类等水生生物是全球主要过敏原，仅评估毒性不足以完成全面安全性分析。新设计肽的潜在免疫原性仍是关键风险。因此，将 AlgPred 2.0、AllergenFP 或 AllerTOP 等过敏原预测算法纳入流程至关重要。这些工具基于理化特性与基序比对识别潜在 IgE 结合表位，实现早期“负筛选”。通过耦合毒性与致敏性过滤模块，TastePepAI 可演进为“安全设计”（Safety-by-Design）体系，确保新型水产生物肽既无毒亦低致敏。
♦ 该能力契合“以效益为导向”的发现范式，即算法先定义营养目标（如降钠或调控血糖），再筛选兼具适口性的候选肽。注意力机制嵌入可优化鲜味强度、苦味抑制或 ACE/DPP-IV 抑制等多功能特性，并提高模型可解释性。但需指出，注意力权重仅为统计优化结果，并非生物物理因果证据，仍需剂量反应或定点突变等实验验证。
♦ 当前挑战包括味觉体验的多维性与文化依赖性、数据异质性以及标准化感官数据匮乏。构建统一评价体系的“标准化水产肽感官数据库”势在必行，同时须重视基因与代谢数据的伦理与隐私管理。
（2）加速水产副产物高值化
♦ 利用将鱼皮、骨骼、鳞片和内脏等副产物转化为兼具风味与健康功能的肽类，是可持续创新的重要方向。传统酶解与发酵存在规模化不足与风味波动问题。AI辅助酶解建模可预测肽—受体相互作用并优化水解条件，强化学习有助于酶种选择与产率提升。自溶与微生物发酵虽环保，但酶活与产物一致性受限；AI动力学模型与多组学监测可实现闭环控制。
♦ 多组学结合机器学习，可在感官试验前预测鲜味或苦味强度及抗氧化潜力。工业层面，肽在高温加工中的热稳定性是关键瓶颈。深度学习模型如 DeepSTABp 可预测蛋白熔解温度；锌离子配位等结构工程策略可提高 β-折叠含量并增强热稳定性。未来模型需纳入降解动力学与食品基质作用因素。
♦ 然而，规模放大仍面临黏度升高、传质受限、膜污染及高能耗干燥等物理瓶颈，下游纯化成本可占总成本 30%–60%。AI通过优化动力学与虚拟筛选降低试错成本。监管方面，原料季节性与地域差异导致批间波动，增加“新食品”或 GRAS 合规难度。建立“结构—功能—安全”可追溯链并与国际指南对接至关重要。总体而言，借助 AI、多组学与绿色工艺整合，水产副产物正由废弃物转变为数字化管理的生化资源。
原文链接https://doi.org/10.1016/j.tifs.2026.105644
（1）个性化营养与风味定制
♦ 人工智能正在重塑营养与感官体验的个体化定制方式。深度生成模型和大语言肽模型已能够在体外（in silico）设计同时满足愉悦性与生理功能目标的肽序列。TastePepAI 框架整合了潜变量自适应变分自编码器与毒性预测模块（SpepToxPred），可依据特定风味与安全标准进行条件化生成，实现目标导向的分子设计，而非传统经验筛选。然而，鉴于鱼类和甲壳类等水生生物是全球主要过敏原，仅评估毒性不足以完成全面安全性分析。新设计肽的潜在免疫原性仍是关键风险。因此，将 AlgPred 2.0、AllergenFP 或 AllerTOP 等过敏原预测算法纳入流程至关重要。这些工具基于理化特性与基序比对识别潜在 IgE 结合表位，实现早期“负筛选”。通过耦合毒性与致敏性过滤模块，TastePepAI 可演进为“安全设计”（Safety-by-Design）体系，确保新型水产生物肽既无毒亦低致敏。
♦ 该能力契合“以效益为导向”的发现范式，即算法先定义营养目标（如降钠或调控血糖），再筛选兼具适口性的候选肽。注意力机制嵌入可优化鲜味强度、苦味抑制或 ACE/DPP-IV 抑制等多功能特性，并提高模型可解释性。但需指出，注意力权重仅为统计优化结果，并非生物物理因果证据，仍需剂量反应或定点突变等实验验证。
♦ 当前挑战包括味觉体验的多维性与文化依赖性、数据异质性以及标准化感官数据匮乏。构建统一评价体系的“标准化水产肽感官数据库”势在必行，同时须重视基因与代谢数据的伦理与隐私管理。
（2）加速水产副产物高值化
♦ 利用将鱼皮、骨骼、鳞片和内脏等副产物转化为兼具风味与健康功能的肽类，是可持续创新的重要方向。传统酶解与发酵存在规模化不足与风味波动问题。AI辅助酶解建模可预测肽—受体相互作用并优化水解条件，强化学习有助于酶种选择与产率提升。自溶与微生物发酵虽环保，但酶活与产物一致性受限；AI动力学模型与多组学监测可实现闭环控制。
♦ 多组学结合机器学习，可在感官试验前预测鲜味或苦味强度及抗氧化潜力。工业层面，肽在高温加工中的热稳定性是关键瓶颈。深度学习模型如 DeepSTABp 可预测蛋白熔解温度；锌离子配位等结构工程策略可提高 β-折叠含量并增强热稳定性。未来模型需纳入降解动力学与食品基质作用因素。
♦ 然而，规模放大仍面临黏度升高、传质受限、膜污染及高能耗干燥等物理瓶颈，下游纯化成本可占总成本 30%–60%。AI通过优化动力学与虚拟筛选降低试错成本。监管方面，原料季节性与地域差异导致批间波动，增加“新食品”或 GRAS 合规难度。建立“结构—功能—安全”可追溯链并与国际指南对接至关重要。总体而言，借助 AI、多组学与绿色工艺整合，水产副产物正由废弃物转变为数字化管理的生化资源。
原文链接https://doi.org/10.1016/j.tifs.2026.105644
