科学家发现制作良好植物性蛋白质的“终极方法”

科学家发现制作良好植物性蛋白质的“终极方法”人们普遍认为，减少肉类和奶酪的消费，转而食用植物食品是有益的。然而，当我们在超市的冷藏区面对传统的动物性食品和环保的替代蛋白质之间做出选择时，我们并不总是做出具有环保意识的选择。尽管现在很多植物性食品都有很好的风味，但往往缺乏"正确"的口感。此外，一些植物蛋白替代品在加工过程中会消耗资源，因此并不具有可持续性。但是，如果有可能制造出可持续的、富含蛋白质且口感适宜的食品呢？哥本哈根大学的最新研究为这一设想提供了动力。关键是什么？蓝绿藻。这种蓝绿藻并不是夏天在海中成为毒汤的那种臭名昭著的蓝绿藻，而是无毒的蓝绿藻。在玻璃管中培养微藻的封闭式光生物反应器。图片来源：IGV生物技术公司，CCBY-SA3.0DEED"蓝绿藻是一种活的生物体，我们已经能够让它们产生一种它们无法自然产生的蛋白质。尤其令人兴奋的是，这种蛋白质是以纤维状形成的，有点像肉类纤维。"食品科学系的PoulErikJensen教授说："我们有可能将这些纤维用于植物性肉类、奶酪或其他一些我们追求特殊口感的新型食品中。"在一项新的研究中，詹森和哥本哈根大学等机构的研究人员表明，通过将外来基因插入蓝藻，蓝藻可以作为新蛋白质的宿主生物。在蓝藻体内，这种蛋白质以细线或纳米纤维的形式组织起来。最少的加工-最大的可持续性全世界的科学家都把蓝藻和其他微藻作为潜在的替代食品。部分原因是蓝藻和其他微藻与植物一样，通过光合作用生长，部分原因是它们本身含有大量蛋白质和有益健康的多不饱和脂肪酸。"能够操纵一个活的生物体生产出一种新型蛋白质，并将其自身组织成线，这种程度是很少见的，而且非常有前途。此外，由于蓝藻依靠水、大气中的二氧化碳和太阳光生存，因此它是一种很容易持续生长的生物。这项成果赋予蓝藻作为可持续原料的更大潜力，"专门从事植物性食品和植物生物化学研究的普尔-埃里克-延森（PoulErikJensen）热情洋溢地说道。世界各地的许多研究人员都在努力为植物性食品（如豌豆和大豆）开发富含蛋白质的质地增强剂。然而，这需要大量的加工过程，因为需要将种子磨碎并从中提取蛋白质，以获得足够高的蛋白质浓度。"如果我们能在食品中利用整个蓝藻，而不仅仅是蛋白质纤维，就能最大限度地减少所需的加工量。"詹森说："在食品研究中，我们力求避免过多的加工，因为这不仅会影响食材的营养价值，还会消耗大量能源。"“明天的牛”教授强调说，从蓝藻开始生产蛋白质链还需要相当长的时间。首先，研究人员需要弄清楚如何优化蓝藻蛋白质纤维的生产。但詹森对此持乐观态度："我们需要对这些生物进行改良，以生产更多的蛋白质纤维，同时'劫持'蓝藻为我们工作。这有点像我们劫持奶牛为我们生产大量牛奶。只不过在这里，我们避免了任何有关动物福利的伦理考虑。我们不会在明天就达到目标，因为我们必须学会解决生物体内的一些新陈代谢难题。但我们已经在这个过程中了，我相信我们一定能成功，如果是这样，这就是制造蛋白质的终极方法。"一些国家已经开始工业化种植螺旋藻等蓝藻，主要用于健康食品。生产通常在露天下的“赛道池塘”中进行，或在光生物反应器室中进行，生物在玻璃管中生长。詹森认为，丹麦是建立"微藻工厂"生产加工蓝藻的理想之地。丹麦拥有具备适当技能的生物技术公司和高效的农业部门。"丹麦农业原则上可以生产蓝藻和其他微藻，就像今天生产乳制品一样。可以每天收获或挤出一部分细胞作为新鲜的生物质。通过浓缩蓝藻细胞，你可以得到一种看起来像香蒜酱，但含有蛋白质链的东西。只需极少的加工，它就可以直接加入食品中。"编译自:ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1422274.htm手机版：https://m.cnbeta.com.tw/view/1422274.htm

消委会称以植物奶代牛奶　需从其他膳食摄取蛋白质和钙

消委会称以植物奶代牛奶需从其他膳食摄取蛋白质和钙消委会测试市面5类共39款预先包装植物奶，发现豆奶的平均蛋白质及钙含量最高，至于椰子奶就偏低；超过6成样本标示的营养资料与检测结果不符，当中两个样本声称添加维他命D，但根本验不出，有机会是标签资料出错或未摇匀。食安中心跟进后，已对其中3款产品提出检控。消委会提醒若以植物奶代替牛奶，需从其他膳食摄取足够蛋白质和钙。2023-10-1618:12:57

消委会指39款植物奶样本　豆奶平均蛋白质含量最高

消委会指39款植物奶样本豆奶平均蛋白质含量最高消委会在市面搜集了39款预先包装植物奶样本，包括杏仁奶、椰子奶、米奶、燕麦以及豆奶。测试结果显示，以每100千卡计算，6款豆奶符合高蛋白质食物的定义，豆奶的平均蛋白质含量为5类植物奶中最高，与低脂奶的蛋白质含量接近。16款样本属高钙，若以毫升计含量可能不多以每100千卡计算，消费者需要饮用约3.6杯，才会摄入与1杯低脂奶相若的钙质。测试结果又发现，5款植物奶样本达高维他命D定义，但有两款样本标示添加维他命D，测试结果却没有检出。另外，有19款不论售价较高或较低的植物奶，在总评分方面都获较高评分，反映产品的品质与价格，没有必然关系。2023-10-1611:01:11

人工智能技术可从零开始生成原始蛋白质

人工智能技术可从零开始生成原始蛋白质该实验表明，最初为阅读和写作语言文本而创建的自然语言处理人工智能可以掌握生物学的某些基本概念。这个被称为ProGen的AI程序是由SalesforceResearch开发的，它采用了下标预测法，从氨基酸序列中构建人工蛋白质。科学家们说，这项新技术可能会变得比定向进化（诺贝尔奖得主的蛋白质设计技术）更强大，它将通过加快开发新的蛋白质来为有50年历史的蛋白质工程领域注入活力，这些蛋白质几乎可以用于从治疗药物到降解塑料的任何用途。加州大学旧金山分校药学院生物工程和治疗科学教授詹姆斯-弗雷泽博士说："人工设计的性能比受进化过程启发的设计好得多，"他是这项工作的作者之一，该论文最近发表在《自然-生物技术》上。该论文的前一个版本自2021年7月以来一直在预印本服务器BiorXiv上提供，在那里获得了几十次引用，然后才发表在同行评议的期刊上。"语言模型正在学习进化的各个方面，但它与正常的进化过程不同，"弗雷泽说。"我们现在有能力调整这些属性的生成，以达到特定的效果。例如，一种热稳定性极强的酶或喜欢酸性环境或不会与其他蛋白质相互作用的酶。"为了创建这个模型，科学家们只是将2.8亿种不同的蛋白质的氨基酸序列输入机器学习模型，并让它消化了几周的信息。然后，他们用五个溶菌酶家族的56000个序列以及关于这些蛋白质的一些背景信息对该模型进行了微调。该模型迅速生成了一百万个序列，研究小组根据它们与天然蛋白质序列的相似程度，以及人工智能蛋白质的基础氨基酸"语法"和"语义"的自然程度，选择了100个进行测试。在这第一批由TierraBiosciences公司进行体外筛选的100种蛋白质中，研究小组制作了五种人工蛋白质在细胞中进行测试，并将其活性与鸡蛋白中发现的一种酶进行比较，这种酶被称为鸡蛋白溶菌酶（HEWL）。在人类的眼泪、唾液和牛奶中也有类似的溶菌酶，它们在那里抵御细菌和真菌。其中两种人工酶能够分解细菌的细胞壁，其活性与HEWL相当，但它们的序列彼此之间只有大约18%的相同。这两个序列与任何已知的蛋白质都有大约90%和70%的相同。一个天然蛋白质只要有一个突变就能使其停止工作，但在另一轮筛选中，研究小组发现人工智能生成的酶显示出活性，即使其序列中只有31.4%与任何已知的天然蛋白质相似。人工智能甚至能够学习酶的形状，仅仅通过研究原始序列数据。通过X射线晶体学测量，人造蛋白质的原子结构看起来和它们应该的一样，尽管其序列是以前从未见过的。SalesforceResearch在2020年开发了ProGen，基于他们的研究人员最初开发的一种用于生成英语文本的自然语言编程。他们从以前的工作中知道，人工智能系统可以教自己语法和单词的含义，以及其他使写作有条理的基本规则。"当你用大量数据训练基于序列的模型时，它们在学习结构和规则方面真的很强大，"SalesforceResearch的人工智能研究主任、该论文的资深作者NikhilNaik博士说。"它们可以学习哪些词可以共同出现，也可以学习构成性。"对于蛋白质，设计的选择几乎是无限的。就蛋白质而言，溶酶很小，最多有大约300个氨基酸。但是有20个可能的氨基酸，就有大量的（20300）可能的组合。这比古往今来的所有人类，乘以地球上的沙粒数量，再乘以宇宙中的原子数量还要多。考虑到无限的可能性，该模型能够如此容易地产生工作的酶，这一点非常了不起。ProfluentBio公司的创始人、前SalesforceResearch公司的研究科学家、该论文的第一作者AliMadani博士说："从零开始生成功能性蛋白质的能力表明，我们正在进入一个蛋白质设计的新时代。"这是一个可供蛋白质工程师使用的多功能新工具，我们期待着看到治疗性应用"。完整的作者和资助名单请见该论文。论文中描述的方法的综合代码库可在https://github.com/salesforce/progen上公开获取。...PC版：https://www.cnbeta.com.tw/articles/soft/1346413.htm手机版：https://m.cnbeta.com.tw/view/1346413.htm

新的研究表明植物性肉类替代品往往缺乏营养价值

新的研究表明植物性肉类替代品往往缺乏营养价值查尔姆斯理工大学生物和生物工程系的安-索菲-桑德伯格教授。资料来源：查尔姆斯大学主要由植物性食物组成的饮食，如根茎类蔬菜、豆类、水果和蔬菜，通常对气候的影响较小，而且还与健康益处有关，如降低与年龄有关的糖尿病和心血管疾病的风险，这在一些大型研究中已经得到证明。但是，关于人们的健康如何受到食用基于所谓质地植物蛋白的产品的影响的研究却少得多。在查尔姆斯大学的新研究中，食品和营养科学部的一个研究小组分析了在瑞典销售的44种不同的肉类替代品。这些产品主要由大豆和豌豆蛋白制造，但也包括发酵大豆产品豆豉和菌类蛋白，即来自真菌的蛋白质。"在这些产品中，我们看到了营养成分的巨大差异，以及从健康角度看它们的可持续性。一般来说，估计从这些产品中吸收的铁和锌是非常低的。这是因为这些肉类替代品含有高水平的植酸盐，这些抗营养物质会抑制人体对矿物质的吸收，"该研究的主要作者CeciliaMayerLabba说，她最近通过了关于从动物蛋白转为植物蛋白的营养限制的论文答辩。身体错过了必要的矿物质植酸盐自然存在于豆类和谷类中--当蛋白质被提取用于肉类替代品时，它们就会积累起来。在进行矿物质吸收的胃肠道中，植酸盐与必要的膳食矿物质形成不溶性化合物，特别是非血红素铁（植物性食物中的铁）和锌，这意味着它们不能在肠道中被吸收。"铁和锌还会在蛋白质提取中积累。这就是为什么产品成分中列出了高含量，但矿物质与植酸盐结合，不能被人体吸收和利用，"CeciliaMayerLabba说。查尔姆斯理工大学生物和生物工程系的CeciliaMayerLabba博士妇女缺铁是一个普遍的全球性问题。在欧洲，10%到32%的育龄妇女受到影响，在瑞典，几乎每三个中学少女中就有一个受到影响。妇女也是社会中最有可能转向以植物为基础的饮食的群体，并且吃的红肉最少，而红肉是铁的主要来源，在消化道中容易被吸收。'很明显，当涉及到肉类替代品中的矿物质时，可被人体吸收的数量是一个非常重要的考虑因素。你不能只看成分表。我们研究的一些产品强化了铁，但它仍然受到植酸盐的抑制。我们相信，只对那些可以被人体吸收的营养物质进行营养声明，可以激励行业改进这些产品，"查尔姆斯大学食品和营养科学教授、该研究的共同作者Ann-SofieSandberg说。食品工业需要新方法由发酵大豆制成的豆豉在可被人体吸收的铁含量方面与其他肉类替代品不同。这是预料之中的，因为豆豉的发酵过程中使用了分解植酸的微生物。菌蛋白因其高锌含量而脱颖而出，不含任何已知的吸收抑制剂。然而，据研究人员称，目前仍不清楚我们的肠道如何能够分解霉菌蛋白的细胞壁，以及这反过来如何影响营养物质的吸收。"植物性食品对于向可持续食品生产过渡非常重要，植物性肉类替代品有巨大的发展潜力。该行业需要思考这些产品的营养价值，并利用和优化已知的加工技术，如发酵，但也要开发新的方法来增加各种重要营养物质的吸收，"塞西莉亚-迈尔-拉巴说。植物蛋白的生产市场上现有的大多数植物蛋白产品都是基于从栽培的植物（如大豆）中提取的蛋白质，并与植物的其他成分分离。然后将蛋白质置于高压和高温下，使蛋白质重组，即所谓的纹理化，这样就可以实现产品与其他成分的结合，使其更有肉感和嚼劲。查尔姆斯的研究表明，今天可用的肉类替代品的营养价值往往是不足的，这取决于原材料的选择（通常是进口大豆）和加工条件（抗营养素含量），以及添加剂（脂肪质量和盐）。一顿含有150克肉类替代品的饭菜中，盐的摄入量占每日建议摄入量的60%，根据北欧营养建议，盐的摄入量为6克。...PC版：https://www.cnbeta.com.tw/articles/soft/1339815.htm手机版：https://m.cnbeta.com.tw/view/1339815.htm

微软开源新型蛋白质生成人工智能 EvoDiff

微软开源新型蛋白质生成人工智能EvoDiff但是，从计算和人力资源的角度来看，目前在实验室设计蛋白质的过程成本高昂。它需要提出一种能在体内执行特定任务的蛋白质结构，然后找到一种可能"折叠"到该结构中的蛋白质序列（组成蛋白质的氨基酸序列）。(蛋白质必须正确折叠成三维形状，才能实现其预期功能）。其实不一定非要这么复杂。本周，微软公司推出了一个通用框架EvoDiff，该公司声称可以根据蛋白质序列生成"高保真"、"多样化"的蛋白质。与其他蛋白质生成框架不同的是，EvoDiff不需要目标蛋白质的任何结构信息，省去了通常最费力的步骤。微软高级研究员凯文-杨（KevinYang）说，EvoDiff开源后，可用于创建新疗法和给药方法的酶，以及用于工业化学反应的新酶。"我们的设想是，EvoDiff将扩展蛋白质工程的能力，使其超越结构-功能范式，走向可编程、序列优先的设计，"EvoDiff的共同创建者之一杨在接受TechCrunch电子邮件采访时说。"通过EvoDiff，我们证明了我们可能实际上并不需要结构，而是'蛋白质序列就是你所需要的一切'，从而可控地设计出新的蛋白质"。EvoDiff框架的核心是一个640参数模型，该模型是根据所有不同物种和功能类别蛋白质的数据训练而成的。(参数"是人工智能模型从训练数据中学到的部分，基本上定义了模型处理问题的技能--在本例中就是生成蛋白质）。训练模型的数据来自序列比对的OpenFold数据集和UniRef50，后者是UniProt数据集的一个子集，UniProt是由UniProt联盟维护的蛋白质序列和功能信息数据库。EvoDiff是一种扩散模型，其结构类似于稳定扩散和DALL-E2等许多现代图像生成模型。EvoDiff可以学习如何从几乎完全由噪声组成的起始蛋白质中逐渐减去噪声，从而使其缓慢地、一步一步地接近蛋白质序列。EvoDiff生成蛋白质的过程。扩散模型已越来越多地应用于图像生成以外的领域，从设计新颖的蛋白质（如EvoDiff），到创作音乐，甚至合成语音。"如果说[从EvoDiff]中能得到什么启发的话，我认为那就是我们可以--也应该--通过序列来生成蛋白质，因为我们能够实现通用性、规模和模块化，"EvoDiff的另一位共同贡献者、微软高级研究员阿瓦-阿米尼（AvaAmini）通过电子邮件说。"我们的扩散框架让我们有能力做到这一点，也让我们能够控制如何设计这些蛋白质，以实现特定的功能目标。"对于阿米尼的观点，EvoDiff不仅能创造新蛋白质，还能填补现有蛋白质设计中的"空白"。例如，如果蛋白质的某一部分与另一种蛋白质结合，该模型就能围绕这一部分生成符合一系列标准的蛋白质氨基酸序列。由于EvoDiff是在"序列空间"而非蛋白质结构中设计蛋白质，因此它还能合成最终无法折叠成最终三维结构的"无序蛋白质"。与正常功能的蛋白质一样，无序蛋白质在生物学和疾病中发挥着重要作用，比如增强或降低其他蛋白质的活性。需要指出的是，EvoDiff背后的研究还没有经过同行评审--至少目前还没有。参与该项目的微软数据科学家萨拉-阿拉姆达里（SarahAlAMDari）承认，在该框架投入商业应用之前，"还有很多扩展工作要做"。阿拉姆达里通过电子邮件说："这只是一个6.4亿参数的模型，如果我们将其扩展到数十亿参数，我们可能会看到生成质量的提高。虽然我们展示了一些粗粒度策略，但要实现更精细的控制，我们希望EvoDiff以文本、化学信息或其他方式为条件，指定所需的功能。"下一步，EvoDiff团队计划测试该模型在实验室中生成的蛋白质，以确定它们是否可行。如果可行，他们将开始下一代框架的工作。...PC版：https://www.cnbeta.com.tw/articles/soft/1384011.htm手机版：https://m.cnbeta.com.tw/view/1384011.htm