研究成果|基于鲜味变换器计算机学习模型：超声辅助酶解香菇中鲜味肽的筛选及其呈味机制研究

背景：香菇作为全球第二大广泛栽培的食用菌，富含鲜味活性成分，其鲜味肽具有提升食品风味层次的作用。酶解法是提取鲜味肽的常用方法，超声辅助可提高效率，但现有机器学习模型对长链肽预测稳定性不足且与实际生产脱节。研究目的：构建从高效制备到精准识别的完整鲜味肽发现流程，包括优化超声辅助酶解工艺、开发多维特征融合的机器学习模型，并阐明鲜味肽的呈味机制。结论：研究优化了超声辅助双酶水解工艺，显著提高了小分子肽段产率；构建的Umami-Transformer模型实现了94%的预测准确率，筛选出四种鲜味肽并经感官验证；分子对接与动力学模拟揭示了鲜味肽通过氢键等作用稳定结合鲜味受体关键残基的分子机制，为风味调控提供了理论依据。