你可能每天都在接触多糖，却很少意识到它与我们的健康密切相关。食品、植物和传统食药资源中，都可能存在具有不同功能的多糖。真正困难的是，科学家如何从复杂的分子结构中找到规律，弄清楚“什么样的结构对应什么样的功能”。

如今，人工智能正在为这一领域带来新的可能。8月19日，河南大学联合 APUS AI实验室 在 Food & Medicine Homology发布论文 “Artificial intelligence-driven paradigms in polysaccharide structure-activity relationships: a new revolution”，系统输出人工智能驱动多糖结构—活性关系研究的新范式。

传统多糖研究通常要经历“提取—结构分析—活性验证”等环节。但多糖结构十分复杂，同一种来源的多糖，仅因品种、提取或加工方式不同，就可能产生不同的结构和功能。

这就像做菜，同样的食材，火候、比例和处理方式不同，最后的味道也会不同。多糖也是如此，只不过影响其功能的“差异”发生在分子层面，往往涉及分子量、组成、连接方式和支化结构等多个因素。面对如此复杂的变量，仅靠经验和反复实验，很难快速找到其中的规律。而AI的加入，有望帮助科研人员整合大量分散的实验数据，从复杂信息中发现隐藏规律，让多糖研究从“经验筛选”走向“数据驱动”，并进一步从“发现有效多糖”走向“理解为什么有效”，甚至探索按照目标功能设计新的多糖。

APUS AI实验室认为，要想让AI真正参与多糖研究，第一步是解决“数据怎么看、怎么用”的问题。当前，不同研究对原料来源、提取工艺、结构检测和活性评价的记录方式并不统一，很多已有数据就像散落在不同实验记录里的“碎片”，很难直接比较和复用。未来，通过建立统一的数据记录和标准，让“样品从哪里来、经过什么处理、是什么结构、检测出了什么、具有什么活性”等信息建立关联，才能为AI学习和发现规律打下基础。

有了数据，还需要解决另一个问题：如何让AI真正“看懂”多糖。

DNA和蛋白质都有相对成熟的序列表示方式，而多糖的结构更加复杂，相同或相似的单糖，通过不同的连接方式、排列方式和分支结构，也可能形成性质不同的多糖。因此，需要将复杂的糖链转化为AI可以识别和计算的数据形式，例如分子图、结构向量以及谱学数据等，让过去主要依赖科研人员经验理解的“糖链结构”，变成机器可以学习的数字对象。

在此基础上，AI还可以帮助科研人员把不同的检测结果放在一起分析。过去，核磁共振、质谱、红外等技术通常需要分别进行分析。未来，多模态AI有望将这些不同来源的信息综合起来，利用不同检测手段之间的互补信息，就像医生结合不同检查结果判断病情一样，从多个角度提高复杂多糖结构解析的效率。进一步结合生成式AI，还可以先提出可能的结构，再用实验数据进行验证和修正，形成“预测—验证—调整”的循环。

而真正更有价值的问题是：AI能不能告诉我们，多糖为什么会产生某种功能？

过去的研究更多是在寻找“结构和功能是否相关”，例如某种分子量较大的多糖是否更容易表现出某种活性。但“相关”并不等于“原因”。未来，AI可以同时分析分子量、组成、连接方式、支化程度等多个因素，并结合可解释AI和因果分析等方法，进一步识别可能真正驱动功能变化的关键结构特征，并结合实验验证这些因果假设。

也就是说，研究目标将从“找到相关性”进一步走向“解释为什么”，为后续的结构优化和功能设计提供更可靠的依据。

当AI进一步从“预测”走向“生成”，多糖研究还可能进入一个更具想象力的阶段——按照功能去设计多糖。

例如，如果希望获得具有免疫调节、益生元或靶向递送等特定功能的多糖，未来可以先明确目标，再利用生成式AI寻找符合条件的候选结构，随后通过合成生物学和实验筛选进行验证，并把实验结果重新反馈给模型，不断优化下一轮设计。

这样一来，多糖研究就可能形成“AI设计—实验验证—数据反馈—持续优化”的闭环，从过去“先发现一种多糖，再研究它有什么功能”，逐步走向“先定义需要什么功能，再反向设计可能的多糖”。

图1  AI糖组学驱动精准营养研究框架

未来，这一领域有望进一步形成连接功能目标设定、AI结构设计、化学或生物合成、结构确认、功能验证与模型迭代的智能闭环，让多糖从“可研究”进一步走向“可预测、可设计、可制造、可验证”。

当然，人工智能并不能替代实验科学。AI模型发现的规律和生成的结构仍然需要经过严格的实验验证和专业判断。真正有价值的AI，不只是让已有实验更快，而是帮助科研人员从复杂数据中发现过去难以识别的新规律、新机制，并进一步将这些知识转化为可验证、可迭代的科学假设。

此次APUS AI实验室与河南大学的合作，也体现了人工智能技术与传统生命科学研究交叉融合的新趋势。随着标准化数据库、可解释模型、因果推断、多模态AI、合成生物学和自动化实验平台不断发展，人工智能有望进一步改变多糖科学的研究逻辑，推动功能多糖研究从经验筛选迈向数据驱动，从相关性分析迈向机制解析，从功能发现迈向理性设计。

AI正在重新定义多糖研究的下一种可能。

作者与项目信息：

该论文共同第一作者为河南大学食用菌加工技术国家研发专业中心的陈什康及麒麟合盛网络技术股份有限公司APUS AI实验室成员。

论文通讯作者为南京中医药大学江苏省中药资源产业化过程协同创新中心的段嘉伦副教授；及河南大学食用菌加工技术国家研发专业中心的康文艺教授。

该研究获得中原领军人才（264200510055）项目支持。

论文访问路径：https://www.sciopen.com/article/10.26599/FMH.2026.9420165

责任编辑：kj005

文章投诉热线:157 3889 8464  投诉邮箱:7983347 16@qq.com