近日，能源技术研究平台（DNL20）靳艳研究员团队与大连工业大学、内蒙古伊利实业集团有限公司合作，发展了一种基于机器学习的苦味肽筛选新方法，利用该方法从超高温处理（Ultra High Temperature treated, UHT）牛奶中筛选并验证了导致UHT牛奶发苦的苦味肽。

牛奶中蛋白质在储藏过程中可能会被蛋白酶降解产生肽，能够与细胞膜上的苦味受体结合进而引发苦味感知的肽称为苦味肽。苦味肽还被证明具有多种生物功能，因此复杂基质中苦味肽的高通量筛选对药物和营养研究具有重要的意义。

本工作中，团队构建了扩展的基准数据集和全新的特征因子组合，建立了基于轻量梯度提升机（Light Gradient Boosting Machine, LightGBM）算法的苦味肽分类预测模型（Classification Prediction Model for Bitter Peptide,CPM-BP），在独立测试集中对苦味肽的预测准确率可达90.3％。利用CPM-BP在变质UHT牛奶中预测到180条潜在苦味肽，其中11条为已被报道的苦味肽。利用HEK293T细胞模型验证CPM-BP预测的3条潜在苦味肽，结果显示3条潜在苦味肽均可激活HEK293T细胞表达的苦味受体TAS2R4，证实了CPM-BP可有效预测苦味肽。本工作将机器学习与组学技术相结合提出了一套苦味肽鉴定和预测的完整工作流程，可为功能肽的筛选提供新方法。

相关研究成果以“Identification and prediction of milk-derived bitter taste peptides based on peptidomics technology and machine learning method”为题，于近日发表在《食品化学》（Food Chemistry）上。该工作的第一作者是DNL2001组博士研究生于洋。上述工作得到国家乳业技术创新中心科研攻关项目的支持。（文/图 于洋）

文章链接：https://doi.org/10.1016/j.foodchem.2023.137288