南洋理工大學葉慧助理教授團隊國際食品頂刊發(fā)文：智能食品安全：機器學習驅動的乳液脂質氧化預測新策略
隨著食品工業(yè)的快速發(fā)展，如何有效延長食品保質期、提升食品安全性成為研究熱點。脂質氧化是影響食品質量的關鍵因素，特別是在乳液體系（如牛奶、奶油、嬰兒配方奶粉、沙拉醬等）中，脂質氧化會影響風味、營養(yǎng)價值，并可能產生有害化合物。因此，精準預測脂質氧化過程，優(yōu)化食品配方，提高儲存穩(wěn)定性至關重要。
近日，新加坡南洋理工大學葉慧助理教授團隊在食品領域頂級期刊《Trends in Food Science & Technology》上發(fā)表了題為《Machine Learning-Driven Predictive Modeling for Lipid Oxidation Stability in Emulsions: A Smart Food Safety Strategy》的綜述性論文（一區(qū)，IF: 15.1）。該研究通過文獻綜述的方法，引入機器學習（Machine Learning，ML）技術，利用數(shù)據(jù)挖掘和建模方法，構建乳液脂質氧化預測模型，以實現(xiàn)快速、準確、低成本的食品質量評估。
研究背景
富含多不飽和脂肪酸的食用油氫化對食品工業(yè)構成了重大挑戰(zhàn)，因其給經濟、營養(yǎng)、風味、安全性和儲存等方面帶了直接影響。乳液（如牛奶、嬰兒配方奶粉、奶油、沙拉醬等）是日常飲食中最常見的脂質類型。乳液可簡要分為水包油（W/O）乳液、油包水（O/W）乳液，以及多重乳液，即由一個乳液被包裹在另一個乳液內組成。
然而，乳液在各種應用中的使用面臨多個挑戰(zhàn)，包括加工、包裝和儲存過程中的不穩(wěn)定性。其中最主要的限制，尤其是在食品科學領域中，是乳液的氧化降解。乳液與油脂經歷相同的初始脂質氧化機制。但與油脂不同的是，乳液具有更為復雜的體系，由于水-油界面的存在，乳液相比于油脂更易氧化，水相中的促氧化劑（如過渡金屬離子）與油相中的不飽和脂肪酸發(fā)生相互作用。關于乳液的綜述研究表明，通過改變界面層的特性（例如增加厚度、抗氧化活性、電荷和不同表面活性劑）可提高乳液的氧化穩(wěn)定性1。與此同時，關于相同因素在乳液氧化穩(wěn)定性中的影響，存在大量矛盾的結論，這意味著乳液中的脂質氧化的核心因素以及不同因素的相互作用仍未得到充分解釋。
人工智能（AI）技術近年來在解決傳統(tǒng)程序中的主觀性和時耗性等問題上展現(xiàn)了潛力。尤其是計算機視覺分析與ML方法結合使用，如自動化圖像分析和移動顯微鏡，在為各種應用開發(fā)不受地點和專業(yè)知識限制的快速、經濟高效的系統(tǒng)方面受到了廣泛關注2。有研究表明，可利用ML和深度學習（DL）摸醒，結合自動圖像特征提取來描述藥用乳液液滴的形成3。同時，數(shù)據(jù)挖掘和計算機視覺圖像分析技術的最新發(fā)展使包括食品工業(yè)在內的眾多工業(yè)流程能夠快速、準確、客觀地評估產品質量。盡管有些研究報道了基于ML的乳液穩(wěn)定性模型（如人工神經網絡），但很少有研究使用ML來探索乳液氧化穩(wěn)定性的核心影響因素以及各因素之間的關系。
因此，本綜述探討了影響乳液氧化穩(wěn)定性的關鍵因素，強調了類似參數(shù)的不同研究結果之間的差異。本綜述還探討了在食品領域應用ML的最新進展。這項工作的目的是展示ML在應對乳液系統(tǒng)所面試的挑戰(zhàn)中可發(fā)揮的變革性作用。通過促進對氧化過程的理解和控制，ML有潛力支撐高質量的生產并推動工業(yè)食品生產的創(chuàng)新。
McClements和Decker的綜述為解釋乳液體系中的脂質氧化奠定了基礎，強調了界面特性、油滴動力學和水的相互作用。此后，分析技術的進步完善了氧化機制、促氧化劑和抗氧化劑的分布、界面分子排列、膠體結構效應以及氧化中間產物的運輸。當光、熱、自由基、金屬離子或光敏色素攻擊不飽和脂質的雙鍵時，就會發(fā)生脂質氧化。這一過程包括酶促氧化、非自由基光氧化或自由基介導的自氧化（如圖2所示），其中自氧化是乳液脂質氧化的研究重點。
但遺憾的是，由于均質系統(tǒng)的復雜性，對自氧化過程中第一階段發(fā)生的理化變化的深入研究并不多。這需要對油包水型乳液中脂質氧化初始階段背后的不明確過程進行更多的研究。鑒于氧化早期階段（既氫過氧化物形成之前）是由自由基推動的，因其監(jiān)測自由基是研究氧化早期階段的一種可行方法。電子順磁共振（EPR）是一種非常靈敏的監(jiān)測自由基的方法，Huang等人通過結合傳統(tǒng)和創(chuàng)新技術（包括EPR），構建人工神經網絡來識別動力學模型中的自由基。這一結果表明，ML可通過監(jiān)測起始階段的自由含量，從而預防乳液中的脂質氧化。
乳液氧化穩(wěn)定性主要由以下因素決定：界面特性（界面張力、電荷、界面強度）、外部因素（pH值、乳化時間、制備方法、氧含量、熱、光、過渡金屬離子、抗氧化劑和電解質）和內部因素（乳化劑類型和濃度、油相類型、連續(xù)相粘度和油水比）內部因素：乳液的氧化穩(wěn)定性與油相中脂肪酸的組成密切相關。例如，富含PUFAs的核桃油乳液比橄欖油乳液更易氧化。研究發(fā)現(xiàn)，部分油脂（如菜籽油）具有較高的抗氧化性，而亞麻籽油由于n-3PUFA含量高，穩(wěn)定性較差。同時乳化劑的選擇對乳液的理化穩(wěn)定性至關重要。蛋白質、小分子乳化劑（如卵磷脂）以及Pickering乳化劑（如二氧化硅納米粒子）均可用于提高乳液穩(wěn)定性。研究表明，多糖-蛋白復合乳化劑可形成較厚的界面層，提高乳液的長期穩(wěn)定性。
外部因素：初級氧化劑（如酚類化合物）通過氫供體作用終止自由基鏈式反應，次級抗氧化劑（如EDTA）通過螯合金屬離子減少氧化誘導。研究發(fā)現(xiàn)，水溶性蛋白可通過共價和非共價作用與脂質氧化產物（如醛類）相互作用，提供額外的抗氧化保護。乳液的pH值會影響金屬離子的分布，從而改變脂質氧化速率。例如，在pH3.0的環(huán)境下，乳清蛋白乳液的乳化性能較強，但更易受到氧化。研究發(fā)現(xiàn)，乳液中的Fe3+濃度較高，脂質氧化速率較快，因此降低乳液中的金屬離子含量是控制脂質氧化的關鍵。研究表明，在較低溫度（如冷藏條件）下，因氧溶解度提高，會導致氧化速率加快。
界面特性：厚界面層能夠有效阻隔親水性促氧化物質，如金屬離子，從而降低脂質氧化速率。研究發(fā)現(xiàn)，部分蛋白（如酪蛋白）形成較厚的界面層，比形成薄界面層的蛋白（如乳清蛋白、大豆蛋白）更能抑制脂質氧化。乳液界面層的剪切流變性與擴張流變性直接影響乳液的穩(wěn)定性。降低界面張力有助于抑制液滴聚集，提高乳液均一性。通過調整乳化劑種類（如多糖、蛋白復合物）可優(yōu)化界面層特性，提高抗氧化能力。
機器學習可分為監(jiān)督學習（supervised learning）、無監(jiān)督學習（unsupervised learning）和深度學習（deep learning）。監(jiān)督學習（如SVM、RF）主要用于食品質量預測，如啤酒風味分析。無監(jiān)督學習（如PCA、K-means）可用于食品分類，如食品摻假檢測。深度學習（如CNN、RNN）在食品圖像分析、風味預測等領域表現(xiàn)突出。機器學習在乳液氧化研究中的可行性：研究表明，基于ML的氧化穩(wěn)定性預測模型可優(yōu)化乳液配方，減少實驗成本，提高生產效率。例如，研究者利用神經網絡模型預測Pickering乳液的界面特性，成功優(yōu)化了乳液穩(wěn)定性。此外，ML可用于乳液圖像分析，通過顯微圖像識別液滴形態(tài)，預測乳液分層和聚集情況。這意味著，ML在預測和防止乳液氧化中具有較高的可行性。
結論
脂質氧化是食品工業(yè)關注的重要問題，它會導致食品質量下降、安全性降低以及營養(yǎng)成分的流失。在乳液體系中，脂質氧化受到多種因素的影響，綜述介紹了監(jiān)督學習、無監(jiān)督學習和深度學習等ML算法在食品科學中的應用，展現(xiàn)了ML在優(yōu)化乳液制備、提升氧化穩(wěn)定性、延長貨架期中的巨大潛力。綜述建議進一步探索ML在乳液體系中的應用，期待ML與乳液研究的深度融合將推動食品工業(yè)的發(fā)展，成為食品工業(yè)的核心工具，助力高質量、長期性食品的開發(fā)，推動食品行業(yè)向智能化、精確化方向邁進。
原文鏈接 https://www.sciencedirect.com/science/article/abs/pii/S0924224425001086
