机器学习引导的中国大蝾螈皮肤抗光老化肽：高效制备和机制研究

基本信息

英文标题：Machine learning-guided anti-photoaging peptides from Chinese giant salamander skin: Efficient preparation and mechanistic insights

中文标题：机器学习引导的中国大蝾螈皮肤抗光老化肽：高效制备和机制研究

发表期刊：《Food Chemistry》

影响因子：9.8

作者单位：中国农业大学食品科学与营养工程学院、密西西比州立大学、北京清颜博仕健康管理有限公司

作者信息：

Yongjie Zhou, Huijuan Zhang, Chunyue Zhao, Zixin Fu, Yuting Wang, Sam K.C. Chang, Yan Zhang, Hui Hong, Yongkang Luo, Bo Li, Yuqing Tan

研究背景

皮肤光老化主要由紫外线(UV)辐射引起，表现为皮肤干燥、皱纹、弹性丧失和色素沉着。胶原肽因其良好的生物活性和安全性，被广泛用于抗光老化研究。传统酶解筛选方法耗时耗力，且陆源胶原存在人畜共患病风险。大鲵皮肤(GSS)富含I型胶原，是一种尚未充分开发利用的水产副产物资源。

本研究首次结合机器学习(ML)模型(人工神经网络ANN和随机森林RF)优化大鲵皮肤胶原肽的酶解工艺，旨在高效制备具有抗光老化活性的肽段，并通过网络药理学和分子对接揭示其作用机制。

研究创新点

使用ANN和RF模型预测并优化酶解工艺，ANN模型预测精度最高(R² = 0.96)。

通过遗传算法(GA)优化得到最佳酶解条件，获得高弹性蛋白酶抑制率(EIR = 59.33%)的胶原肽。

在UVB诱导的HaCaT和HSF细胞模型中验证其抗光老化效果，显著提升I型胶原和弹性蛋白表达。

通过网络药理学和分子对接鉴定出关键四肽PFGI，其通过抑制MMP2和激活EGFR调控雌激素信号通路，发挥抗光老化作用。

研究方法

大鲵皮肤预处理与酶解

使用Alcalase、Flavourzyme、Trypsin等多种蛋白酶进行酶解。

通过单因素实验和中心复合设计(CCD)确定关键因素。

机器学习建模与优化

使用ANN和RF模型预测EIR，并结合GA进行优化。

ANN-GA模型表现最佳，预测误差最低(PPE = 2.0%)。

细胞实验验证

使用HaCaT和HSF细胞构建UVB光老化模型。

通过Western blot检测I型胶原和弹性蛋白表达。

肽段鉴定与网络药理学分析

LC-MS/MS鉴定肽段序列，PeptideRanker筛选活性肽。

通过STRING、DAVID等数据库进行PPI网络构建和通路富集分析。

分子对接

使用AutoDock Vina进行肽段与核心靶点(MMP2、SRC、STAT3、EGFR、CASP3)的分子对接。

实验结果

图1：不同胶原水解液对(A)胶原酶、(B)弹性酶和(C)透明质酸酶的抑制率;不同胶原水解液在体外模拟消化后对(D)胶原酶、(E)弹性酶和(F)透明质酸酶抑制率的变化;由Alcalase与胰蛋白酶复合物制备的胶原水解液对(G)胶原酶、(H)弹性酶和(I)透明质酸酶抑制率的变化。

注：ACP：由Alcalase制备的胶原水解液;FCP：由Flavourzyme制备的胶原水解液;NCP：由Novozym®11,039制备的胶原水解液;PCP：由Protamex®1.6×制备的胶原水解液;TCP：由胰蛋白酶制备的胶原水解液。EGCG：表没食子儿茶素没食子酸酯。不同小写字母表示组间存在显著差异(p < 0.05)。

不同模型预测值与实测值的对比

图2：(A)人工神经网络(ANN)预测模型，(B)ANN-遗传算法(GA)适应度函数曲线，以及(C)不同模型经实验验证的弹性酶抑制率。在(C)中，不同的小写字母表示组间存在显著差异(p < 0.05)。

表2不同模型预测能力对比

注：MSE：均方误差;RMSE：均方根误差;MAE：平均绝对误差;MAPE：平均绝对百分比误差;R²：回归系数;PPE：预测误差百分比。

图3：紫外B辐射剂量对(A) HaCaT和(B) HSF细胞活力的影响;(C)紫外线B辐射前后细胞形态变化;不同浓度胶原蛋白水解物对未受辐射(D&E)和经紫外线B辐射(F&G)的HaCaT(D&E)及HSF(F&G)细胞活力的影响。不同小写字母表示组间存在显著差异(p < 0.05)。

图4：(A)HaCaT细胞中I型胶原蛋白与弹性蛋白表达的蛋白质印迹分析结果;(B&C)使用image J软件进行的定量分析结果;(D)HSF细胞中I型胶原蛋白与弹性蛋白表达的蛋白质印迹分析结果;(E&F)使用image J软件进行的定量分析结果。注：数据以均值±标准差表示(n = 3)。不同小写字母表示组间存在显著差异(p < 0.05)。

表3靶向胶原蛋白多肽的计算机模拟筛选分析结果。

图5：(A)胶原蛋白肽预测靶点与皮肤光老化疾病基因交集的维恩图;(B)潜在治疗靶点的蛋白质相互作用(PPI)网络图;(C)5个潜在治疗靶点的GO富集分析及(D) KEGG通路富集分析;(E)分子对接结合能热力图;(F)PFGI与五个核心靶点的三维结合示意图。

注：图(B)中圆圈越大、颜色越深(越接近紫色)，表示该基因越为核心靶点;图(F)中黄色区域代表PFGI，与之结合的蛋白质靶点以绿色棒状呈现，结合位点通过黄色氢键连接，氢键长度标注于键线旁。(关于图例中颜色标注的解释说明，请参阅本文网络版。)

研究结论

ANN-GA优化后的胶原肽在100 mg/mL下EIR达59.33%。

2 mg/mL胶原肽使UVB损伤的HaCaT细胞中I型胶原和弹性蛋白表达分别提升279%和274%。

40 μg/mL胶原肽使HSF细胞中I型胶原和弹性蛋白表达分别提升41%和69%。

鉴定出关键四肽PFGI，其与MMP2、EGFR等核心靶点具有强结合力(结合能 < -7 kcal/mol)。

研究结论

本研究成功利用机器学习优化了大鲵皮肤胶原肽的制备工艺，获得了具有显著抗光老化活性的肽段，并揭示其通过调控雌激素信号通路发挥作用的机制。该策略为水产副产物的高值化利用和功能性食品开发提供了新思路。