内蒙古农业大学孙志宏团队建立人工智能乳酸菌发酵剂菌株筛选方法

随着全民健康意识不断提升，发酵乳因其具有丰富的营养和良好的保健功能，受到国内外消费者的青睐。发酵剂是发酵乳制品生产的技术核心，被称为发酵乳产业的“芯片”，研究和开发具有自主知识产权的发酵剂尤为重要。

近日，内蒙古农业大学孙志宏团队在《中国科学：生命科学》英文版发表研究论文，该工作围绕乳酸菌发酵剂开展，是基于人工智能筛选发酵剂新方法的探索。

我国发酵乳所用发酵剂菌种85%依赖进口，主要来自美国杜邦、丹麦科汉森等国外公司。存在市场产品同质化严重、产业高质量发展受限的问题，制约了我国发酵乳产业的自主创新能力。发酵乳是我国乳品工业未来发展的新动能，夯实的乳品科技核心基础，实现“奶罐”供应更丰盈，科学解决发酵乳加工技术的自给自足问题，合理布局产业化势在必行。

该研究围绕乳酸菌发酵剂开展，发酵剂之间的相互作用对发酵乳制品的工艺特性和感官质量有着重要的影响，德氏乳杆菌保加利亚亚种和嗜热链球菌是组成发酵乳发酵剂的主要菌种，二者在乳环境中协同生长，它们的共培养决定了发酵过程的效率和最终产品的质量。

由于乳酸菌的菌株特异性，传统的最佳发酵剂组合的实验筛选方法既费时又费力，为了应对这一挑战，该研究构建了一个计算机预测综合框架，用于预测362株（图1）德氏乳杆菌保加利亚亚种与嗜热链球菌（共计32761个不同组合）之间的相互作用。该框架由两个独立的模型组成，第一个模型是基于KEGG数据的协同聚类预测模型，它通过应用三种不同的聚类算法来处理未标记的数据，并结合已知标签数据的分布来进行预测。第二个模型是LbStIPred_SimLapRLS，这是一个基于k-mer分析数据和基因存在与缺失矩阵的拉普拉斯正则化最小二乘预测模型，该模型采用半监督学习策略，综合考虑了基因组成和代谢途径信息，通过拉普拉斯正则化最小二乘法来预测潜在的相互作用。这两个模型独立运行，分别生成预测结果，然后取交集作为最终的预测结果（图2）。为了验证模型的预测性能，进行了发酵乳实验验证。从预测结果中随机选取正负组合进行发酵测试，实验结果显示模型的准确率为85%，表明所提出方法具备可靠的预测性能。同时，考虑了发酵剂的代谢相互作用，揭示了发酵过程中乳品发酵剂互利共生和协同作用的潜在机制，包括半胱氨酸、核黄素、磷壁酸和胞外多糖的生物合成等（图3）。

图1. 该研究所用362株乳酸菌的地理来源

图2. 计算机模型预测发酵剂组合的流程框架图

图3. 乳中发酵剂菌株互利共生和协同作用的潜在机制

该研究是发酵剂筛选新方法的探索，可实现从大量自然野生型乳酸菌菌株到产业化菌株的聚焦，直接有效缩短乳酸菌资源开发利用产业化进程，有望突破发酵剂菌种菌株匮乏的现状。此外，该研究基于半监督学习设计的两种模型，为其他微生物领域在标签样本稀少情况下的相互作用研究提供了有价值的参考。发酵剂筛选模型的应用将为复配发酵剂开发奠定理论基础，加快发酵乳瓶颈技术的突破，为发酵乳产品多元化开发的提供直接的物质基础和创新驱动，具有广阔的产品开发和应用前景。

了解详情，请阅读原文：

Predicting Lactobacillus delbrueckii subsp. bulgaricus-Streptococcus thermophilus Interactions Based on a Highly Accurate Semi-Supervised Learning Method
SCIENCE CHINA Life Sciences
doi：10.1007/s11427-023-2569-7