多组学联合机器学习揭示风干带鱼脂质-蛋白互作氧化机制

原文：Analysis of lipid-protein interactive oxidation and underlying pathways in aquatic products via multi-omics and machine learning: a case study of air-dried hairtail.
期刊：Food chemistry: X（影响因子 8.2） |  PubMed | PMC 全文（含 PDF）

带鱼（Trichiurus lepturus）是我国沿海重要的经济海产鱼类，富含多不饱和脂肪酸与必需氨基酸。传统风干是延长其货架期、提升风味与营养价值的常用加工方式。然而，在风干过程中，脂质与蛋白质会发生氧化：适度氧化可改善质地与风味，但过度氧化不仅产生异味和有害化合物，还会造成营养损失。长期以来，水产加工中“脂质—蛋白质交互氧化”的分子机制并不清晰，限制了精准品质控制策略的开发。

核心发现：锁定6个氧化生物标志物与关键通路

近期发表于《Food Chemistry: X》（影响因子 8.2）的一项研究，以风干带鱼为案例，整合脂质组学、TMT 蛋白质组学与挥发性化合物数据，并引入七种机器学习模型，系统解析了风干过程中脂质与蛋白的交互氧化网络。

研究团队比较了新鲜带鱼（FH，0 h）与风干带鱼（FAH，48 h）样本，每组设6个重复。通过多维差异筛选与建模，最优 XGBoost 模型在测试集上取得 AUC 0.98、准确率 0.90 的优异表现（图3展示了模型分类性能）。借助机器学习与多组学联合分析，研究者鉴定出6个与脂质—蛋白交互氧化相关的生物标志物：受体表达增强蛋白 6 样蛋白（receptor expression-enhancing protein 6-like）、谷胱甘肽 S-转移酶 1 样蛋白（glutathione-S-transferase 1-like）、过氧化物酶体生物发生因子 19（peroxisome biogenesis factor 19）、蛋白谷氨酰胺 γ-谷氨酰转移酶 2 样亚型 X2（protein-glutamine gamma-glutamyltransferase 2-like isoform X2），以及两种脂质分子 dMePE (18:4/16:0) 和 PE (20:1/18:1)。

进一步通路分析显示，这些氧化标志物主要参与铁死亡（ferroptosis）和蛋白激酶 A（protein kinase A）通路。研究还提出，风干带鱼中的脂质—蛋白交互氧化过程由 TG2（转谷氨酰胺酶 2）交联凝胶网络所促进，印证了“转谷氨酰胺酶介导的交联在连接脂质与蛋白氧化通路中起核心作用”的假设。

方法亮点：多组学+机器学习的数据创新

该研究在数据预处理阶段利用主成分分析与聚类热图区分差异及氧化特征（图1），并通过数据增强与质量评估手段（图2）提升小样本组学数据的建模稳定性。相比传统仅依赖羰基值、巯基含量、POV、TBARs 等整体化学指标的做法，机器学习能够整合脂质组、蛋白组与挥发物多维数据，动态捕捉关键生物标志物的变化，避免单一组学或传统指标的局限。

应用意义：为靶向抗氧化干预提供新靶点

这项研究不仅阐明了风干带鱼中脂质与蛋白“互为促进”的氧化循环分子基础，也为水产加工过程中的品质监控提供了新型分子靶点和理论依据。未来，基于这些标志物与通路，有望开发针对性的抗氧化干预策略，在保留风干水产品风味的同时抑制过度氧化带来的安全与营养风险。

关键图表

本文图片转载自 PMC 开放获取全文，仅供学习参考，请以原文为准。