分子动力学在植物蛋白、脂质和多糖中的应用进展

孙莹; 方胥伟; 杨斐然; 刘申; 卢冰琳; 赵钜阳; 江连洲

doi:10.13386/j.issn1002-0306.2024060377

分子动力学在植物蛋白、脂质和多糖中的应用进展

孙莹^1,,
方胥伟¹,
杨斐然¹,
刘申¹,
卢冰琳¹,
赵钜阳^1, ,,
江连洲^2, ,

1.
哈尔滨商业大学旅游烹饪学院，黑龙江哈尔滨 150028
2.
东北农业大学食品学院，黑龙江哈尔滨 150030

基金项目: 国家自然科学基金（32372386）；黑龙江省自然科学基金（LH2022C048）。

详细信息

作者简介:
孙莹（1982−），女，博士，副教授，研究方向：食品科学，E-mail：sunying625@163.com

通讯作者:
赵钜阳（1987−），女，博士，副教授，研究方向：多酚与蛋白质相互作用，E-mail：zhaojuyang1987@163.com。

江连洲（1960−），男，博士，教授，研究方向：粮食、油脂及植物蛋白工程，E-mail：jlzname@163.com。

中图分类号: TS219
计量
- 文章访问数: 5
- HTML全文浏览量: 3
- PDF下载量: 0
出版历程
- 收稿日期: 2024-06-26
- 网络出版日期: 2025-04-05

Advances in the Application of Molecular Dynamics to Plant Protein, Lipid and Polysaccharide

1.
Tourism & Cuisine College, Harbin University of Commerce, Harbin 150028, China
2.
College of Food Science, Northeast Agricultural University, Harbin 150030, China

摘要

摘要: 食品组分在加工过程中会发生复杂的变化，通过传统的方法很难从分子层面对试验结果进行预测和分析。分子动力学（Molecular dynamics，MD）模拟是一项高效、低成本和客观的技术。MD模拟作为一种重要的理论计算分析手段，对于深入揭示食品组分之间的相互作用机制起着至关重要的辅助作用，近年来引起了人们的广泛关注。本文介绍了关于MD模拟的基本原理、概念以及评定的相关指标，阐述了MD常用的软件和力场，梳理了MD在植物蛋白、脂质和多糖中的最新进展，以期为MD模拟在食品领域的应用提供新的思路和参考。
- 分子动力学 /
- 相互作用 /
- 蛋白 /
- 多糖 /
- 脂质
Abstract: Food ingredients undergo complex changes during processing, and it is difficult to predict and analyze test results at the molecular level using traditional methods. Molecular dynamics (MD) simulation is an efficient, cost-effective, and objective technique that has attracted much attention in recent years as an important theoretical computational and analytical tool that plays a crucial role in revealing the interaction mechanism between food components. This paper introduces the basic principles and concepts about MD simulation and the related indexes for evaluation, describes the commonly used software and force fields for MD, and combs through the recent advances of MD in plant proteins, lipids and polysaccharides, in order to provide new ideas and references for the application of MD simulation in the field of food.
- molecular dynamics /
- interactions /
- proteins /
- polysaccharides /
- lipids

HTML全文

分子动力学（Molecular dynamics，MD）是一种利用理论和计算机技术相结合来模拟分子运动的方法，其通过经典牛顿力学来模拟计算系统中各分子的运动轨迹。运动学方程如Verlet算法^[1]、速度Verlet算法（Velocity-Verlet）^[2]、蛙跳算法（The leap frog algorithm）^[3]、Beeman算法^[4]、Gear预测与矫正算法^[5]等，可以定义各分子在特定条件和时间下的运动速度和位置，并计算确定分子在空间的运动状态。分子运动力场理论先前已经相对比较完善，限制其发展的主要因素是计算机的算力，但随着计算硬件和软件的快速发展，模拟时间大大延长，模拟系统也越来越大^[6]。目前，分子对接和MD模拟已经成为研究分子间相互作用机制的重要方法，与分子对接相比，分子动力学具有更高的精度，可以在不同温度体系下研究热力学状态的变化^[7]，并且在不同的环境条件下处理更复杂的分子体系，如在涉及多个分子的相互作用，特别是大分子的相互作用方面具有显著优势。

近年来，分子动力学模拟已逐渐应用于食品领域^[8]，并且分子动力学模拟在蛋白质^[9]、脂肪^[10]、碳水化合物^[11]等大分子系统中具有广泛的应用。目前研究植物蛋白的性质和作用往往通过物理化学、结构、功能特性来判断，然而蛋白的具体作用机制需要通过微观层面进行分析，通过实验技术观察微观尺度中原子的运动以及它们如何对周围环境物质作出反应十分困难，而借助计算机模拟即分子动力学来观察记录原子的运动轨迹并进行总结分析则是可行的^[12]。此外，分子动力学模拟还可用于无法进行实验、实验危险或成本高昂的系统^[13]。目前MD在动物蛋白的方面运用较多，如肉类蛋白^[14]、牛奶蛋白^[15]、鸡蛋蛋白^[16]等。但是对于植物蛋白中运用MD技术相对较少，因此本文主要对植物蛋白的互作进行阐述。

脂类和多糖在食品加工过程中会发生复杂的变化，这会影响其功能特性。因此，从分子的角度解释脂类和多糖的物理和化学性质是如何变化至关重要。近些年，脂类的检测技术在不断的发展，电子鼻^[17]、电子自旋共振和气相色谱-质谱^[18]技术在脂质中已有应用，其它一些新兴技术如人工智能^[17]、人工神经网络^[19]和分子动力学^[20]。多糖是由多种单糖组成的聚合物碳水化合物，天然存在于动物、植物和微生物中^[21]。MD在脂类和多糖研究中的应用相对较少，要了解脂类和多糖的结构与其功能性质之间的关系，MD具有明显的优势。本文综述了MD模拟的基本概念、原理以及常见的方法，对MD模拟在食品植物蛋白、脂类和多糖中的研究进展进行总结，以期为该技术在食品领域的广泛应用提供参考和新的见解。

1. 分子动力学

1.1 分子动力学概述

食品领域常用的分子模拟技术方法主要包括量子力学法、蒙特卡罗法、分子对接和分子动力学法。分子动力学于20世纪50年代首次提出，现已广泛应用于物理、化学和生物领域。MD利用具有精确参数的势函数来模拟系统内部原子的相互作用，是用来研究微观级的强大的工具。通过追踪一段时间内分子和原子的运动可以动态地观察系统行为的时间序列演变。从20世纪90年代开始，计算机技术的进步推动了分子模拟技术的快速发展，利用这项技术可以进行模拟分子运用和优化结构。采用分子动力学模拟的方法，详细描述了含大量分子的液体体系的宏观性质，如扩散、配位数、径向分布函数、密度、粘度、平均势能等^[22]。与其它的分子模拟技术相比，MD模拟计算速度快、精度高、具有与试验结果高一致性，不仅可以处理具有数万粒子的系统，还能描述不同温度下分子体系热力学状态的变化，通过选择不同的软件和力场，模拟出最真实的反应体系。MD工作的流程如图1所示。MD的一般流程是先通过建模或直接从数据库获取配体和受体的结构，选择适合的软件和力场，然后将所得分子结构坐标进行转换建立对应的拓扑文件，再选择合适的水模型及添加离子后进行能量最小化处理，最后进行平衡便可启动MD的运行。

图 1 分子动力学模拟的工作流程

Figure 1. Workflow of molecular dynamics simulation

下载: 全尺寸图片幻灯片

MD模拟的系统数量级庞大，因此时间复杂度或空间复杂度较高，使用者需要选择适合的算法进行模拟。目前分子动力学的模拟软件很多，其中应用在生物分子动力学的主流软件有GROMACS^[23]、AMBER^[24]、CHARMM^[25]、LAMMPS^[26]和NAMD^[27]，其各有特点能够满足不同应用的使用需求。在这当中运用最广泛的是由荷兰格罗宁根大学开发的GROMACS软开源软件，所有用户都可以免费使用，它能够与GROMOS、OPLS、AMBER和CHARMM等力场兼容，可用于生物系统的模拟如磷脂双分子层生物膜、蛋白质和药物分子等包含数百万个粒子的系统。此外，由于GROMACS可以高效计算非键效应，因此也可用于非生物系统，如聚合物、有机物质和无机物质等。AMBER同样也是一款非常流行的MD程序，主要用于模拟蛋白质、碳水化合物和核酸等生物大分子。CHARMM是一款用于模拟生物大分子的MD程序，包括能量最小化、分子动力学和蒙特卡罗模拟等功能，该软件使用哈佛大学建立的力场，可提供蛋白质、核酸和碳水化合物在内的各种大小分子的能量计算，包括相互作用能和结合能。LAMMPS是一种广泛使用的MD程序，主要用于模拟软材料和固态材料，在模拟金属体系方面具有很大优势。如今，由于力场和程序的更新以及计算能力的快速提高，更长的模拟时间和更复杂的原子系统模拟将有更大的可行性^[28]。

分子动力学模拟将原子视为经典粒子并忽略了量子力学效应，使用力场来描述原子间相互作用。力场是用于计算原子间的作用力，它由系统势能和由此产生的力的函数组成。力场包括键合和非键合相互作用的参数，如键拉伸、角度弯曲、扭转旋转以及范德华和静电相互作用^[29]。选择合适的力场对于得到准确的实验结果非常重要，因此表1列出了常用的软件和对应的力场，对于MD模拟得出数据通常通过可视化软件VMD进行分析^[30]。

表 1 MD常见软件和力场

Table 1. Common software and force fields for MD

软件	机构	力场	适用体系	网站
Gromacs	格罗宁根大学	CHARMM /GROMOS/AMBER/OPLS	蛋白质、核苷酸、多糖、磷脂等	https://www.gromacs.org/
Charmm	哈佛大学	CHARMM	蛋白质、核酸、碳水化合物、脂类等	https://www.charmm.org/
Lammps	桑迪亚国家实验室	LAMMPS	液体、固体、气体等	https://www.lammps.org/
Amber	加利福尼亚大学	AMBER	蛋白质、DNA、RNA、碳水化合物、脂肪等	https://ambermd.org/tutorials/
Gromos	格罗宁根大学	CHARMM/AMBER/OPLSAA/GROMOS	蛋白质、核酸、多糖等	https://www.gromacs.org/
Namd	伊利诺伊大学	Amber/CHARMM/Dreiding/Namd	蛋白质、核酸、细胞膜等	http://www.ks.uiuc.edu/Research/namd/
Gaussian	卡内基梅隆大学	Amber/Dreiding/UFF/Gromos	无机、有机、生物分子和晶体	https://gaussian.com/
Yasara	格拉兹大学	AMBER/YAMBER	蛋白质、多糖等	https://www.yasara.org/

下载: 导出CSV

| 显示表格

1.2 分子动力学分析参数

1.2.1 均方根偏差、均方根波动和旋转半径

均方根偏差（root mean square deviation，RMSD）是评估仿真系统是否平衡的关键指标。其反映了复杂的运动，并测量蛋白质结构在特定时间点与其原始构象的平均偏差，通常认为RMSD值越小，表明系统状态越稳定^[31]。均方根波动（root mean square fluctuation，RMSF）能够用于测量蛋白质构象相对于参考坐标系的波动程度，对于蛋白质中的单个残基波动越小，这表明食品化合物结合袋残留物的柔韧性较差，以及复合物具有更好的紧凑性和刚性复杂的结构^[32]。旋转半径（radius of gyration，Rg）能够反应蛋白质尺寸的大小，反映分子内部的紧凑程度，并且能确定蛋白质相对于初始位置的变化。表示分子的柔软度随着模拟时间变化的情况。Rg越小表示体系原子结合的越紧密，蛋白质分子的柔性越低和体积越小，R_g值越大，表明蛋白质复合物的稳定性较低，系统的紧密性和刚性较低^[33]。在分析模拟结果时，通常将RMSD、RMSF和Rg三者进行共同分析，这三者的值越小就说明分子越稳定。Wu等^[34]通过对RMSF和Rg的数据进行分析，RMSF的结果表明辣椒素可以与肌球蛋白结合且复合物在结构上比单独的肌球蛋白更稳定，Rg的结果表明复合物的Rg值始终低于肌球蛋白的Rg值，这意味着复合物变得更加致密，并且它们的内部相互作用得到了加强。同样，Han等^[35]通过结合RMSD、RMSF和Rg三者分析肌红蛋白和绿原酸形成的非共价化合物的稳定性、构象变化，结果表明复合物结合更紧密且保持相对稳定。

${\mathrm{R}}_{\mathrm{g}}=\sqrt{\frac{1}{\mathrm{N}}\sum _{\mathrm{i}=1}^{\mathrm{n}}{\left|\overrightarrow{{\mathrm{r}}_{\mathrm{i}}}-\overrightarrow{{\mathrm{r}}_{\mathrm{c}\mathrm{o}\mathrm{m}}}\right|}^{2}}$

(1)

$\rm RMSD=\sqrt{\frac{1}{\mathrm{N}}{\sum }_{\mathrm{i}=1}^{\mathrm{N}}{\left({\mathrm{r}}_{\mathrm{i},\mathrm{s}\mathrm{i}\mathrm{m}}-{\mathrm{r}}_{\mathrm{i},\mathrm{r}\mathrm{e}\mathrm{f}}\right)}^{2}}$

(2)

式中，R_g中的r_i和r_com分别为原子i和分子中心点的坐标，N为原子数。在RMSD中N是原子数，r_i,sim和r_i,ref分别是第i个原子在模拟结构和参考结构中的坐标^[36]。

1.2.2 径向分布函数和溶剂可及表面积

径向分布函数（radial distribution function，RDF）通常用于表示水分子在距离分子单体中心原子一定距离处的电位密度，从而表示分子周围水密度的变化，RDF是求解粒子在周期性边界盒子的区域密度和全局密度的比值^[37−38]。系统的RDF越小，表明该分子与溶剂相互作用越小。Deng等^[39]研究β-环糊精与C10芳香分子包合物的形成和稳定机制，RDF曲线上在r=0.18 nm和0.93 nm处的两个峰，分别对应水分子进出β-CD空腔的高密度分布，并通过对不同峰值上数值的变化判断是否与水分子发生了相互作用或者产生氢键。

溶剂可及表面积（solvent accessible surface area，SASA）代表分子表面可以被溶液接触的表面积^[40]，取决于分子的一级和二级结构，是估计氨基酸暴露于溶剂的参数。并且可以表征分子的疏水性，具有高SASA值的分子具有高疏水性^[41]。Deng等^[39]通过对β-环糊精的SASA进行分析，结果表明与芳香分子C10形成复合物后，复合物的表面积减小和SASA减小，且所有复合物的SASA都小于β-环糊精。复合物的SASA值降低，表明其溶解度降低。

$\rm SASA=\sum _{\mathrm{i}=1}^{\mathrm{N}}\frac{\mathrm{R}}{\sqrt{{(\mathrm{R}}^{2}-{\mathrm{Z}}_{\mathrm{i}}^{2})}}{\mathrm{L}}_{\mathrm{i}}\left(\frac{\Delta \mathrm{Z}}{2}+{\Delta }'\mathrm{Z}\right)$

(3)

式中，R是半径，L_i是在给定截面i中绘制的弧长，N是截面总数，Z_i是截面i到球心的垂直距离，ΔZ是截面之间的空间，Δ′Z为（ΔZ/2）或（R-Z_j）（以较小者为准）^[42]。

1.2.3 氢键

氢键是蛋白质折叠中必不可少的关键非共价结构力^[43]。氢键能够反映分子之间静电相互作用的大小，此外氢键的数量与蛋白质的折叠密切相关，因此也与分子的不稳定性密切相关^[42]。分子动力学中对于氢键形成条件的定义是采用几何标准来确定，氢供体D与氢接受体A之间的距离r不大于0.3 nm，而且氢供体-氢原子-氢受体之间的夹角α不小于120°时认为有氢键形成，氢键分为分子间氢键和分子内氢键，如图2所示为氢键示意图，其中D-H键一般为共价键，而A-H键则为相互作用力相对较弱的范德华力^[44]。氢键的数目越多，分子内静电相互作用就越大，稳定性就越高。Feng等^[45]利用鲜味受体T1R1/T1R3对发酵鹅骨鲜味肽中氢键数量的变化来判断复合物是否稳定，结果表明GAR9-T1R3、GER9-T1R3和GG10-T1R3配合物中的氢键数量在整个过程中保持稳定在5个或更多，而VE6和T1R3之间形成的氢键在40 ns后几乎不存在。说明T1R3与GAR9、GER9以及GG10之间的疏水相互作用非常强烈，从而产生了高度稳定的复合物。然而，VE6和T1R3之间形成的复合物的稳定性较差。如图1为氢键形成示意图：

图 2 氢键形成示意图^[44]

Figure 2. Schematic diagram of hydrogen bond formation^[44]

下载: 全尺寸图片幻灯片

1.2.4 结合能和自由能

在分子动力学中对结合能和自由能的计算通常使用分子力学/泊松-广义波恩表面积（Molecular Mechanics -Generalized BornSurface Area，MM-GBSA），利用MM-GBSA方法分析蛋白质的配体的结合机制，总结合能及其对结合自由能（ΔG_bind）有贡献的各个部分。基于MM-GBSA的结合亲和力计算是在生产模拟轨迹上进行的。MM-GBSA的各部分包括范德华相互作用（ΔE_vdw）、静电相互作用（ΔE_elec）、极性溶剂化能（ΔG_pol）和非极性溶剂化能（ΔG_np）。Liu等^[46]通过对MM/GBSA的结果分析获得了β-乳球蛋白与玉米醇溶蛋白的结合自由能。从结合自由能的能量组成来看，ΔG_pol不利于这两种蛋白质的结合。相反，ΔE_vdw和ΔE_elec则有利于β-LG和玉米蛋白的结合且效果大于ΔG_pol的负面影响，二者的ΔG_bind为负值表明结合过程是自发进行的。玉米醇溶蛋白可同时作用于β-乳球蛋白中的二聚体β-LG-A和β-LG-B，结果表明玉米醇溶蛋白中的P68和G88残基的能量贡献最大。采用MM-GBSA计算模拟体系的结合自由能的公式如下：

$\Delta {\mathrm{G}}_{\mathrm{s}\mathrm{o}\mathrm{l}\mathrm{v}}=\Delta {\mathrm{G}}_{\mathrm{n}\mathrm{p}}+\Delta {\mathrm{G}}_{\mathrm{p}\mathrm{o}\mathrm{l}}$

(4)

$\Delta {\mathrm{G}}_{\mathrm{i}\mathrm{n}\mathrm{t}\mathrm{e}\mathrm{l}\mathrm{n}\mathrm{a}\mathrm{l}}=\Delta {\mathrm{E}}_{\mathrm{v}\mathrm{d}\mathrm{w}}+\Delta {\mathrm{E}}_{\mathrm{e}\mathrm{l}\mathrm{e}\mathrm{c}}$

(5)

$\Delta {\mathrm{G}}_{\mathrm{b}\mathrm{i}\mathrm{n}\mathrm{d}}=\Delta {\mathrm{G}}_{\mathrm{i}\mathrm{n}\mathrm{t}\mathrm{e}\mathrm{l}\mathrm{n}\mathrm{a}\mathrm{l}}+\Delta {\mathrm{G}}_{\mathrm{s}\mathrm{o}\mathrm{l}\mathrm{v}}$

(6)

2. 分子动力学模拟在植物蛋白、脂质和多糖中的应用

2.1 MD在植物蛋白中的应用

大豆分离蛋白（SPI）是一种高纯度蛋白质产品，主要由β-伴大豆球蛋白（7S球蛋白）和大豆球蛋白（11S球蛋白）组成^[47]。SPI具有良好的溶解性、乳化性、持水性、持油性、凝胶性、起泡性等理化特性，是理想的食品加工助剂，因此，该材料已成为食品加工、膜材料制备乃至3D打印的关键原材料来源。Wang等^[48]采用酶法修饰黑米花青素与咖啡酸制备了酰化花青素（Ca-An），并通过实验和计算机模拟研究了Ca-An与SPI的结合机理，Ca-An使用GAFF力场，蛋白质则采用AMBER14SB力场和TIP3P水模型，研究发现11S-Ca-An系统的RMSD值（0.33503 nm）高于7S-Ca-An系统（0.25093 nm），表明11S与Ca-An的结合更稳定（图3A）。7S-Ca-An和11S-Ca-An的R_g在增大后逐渐减小并保持稳定，表明Ca-An的整个结构与蛋白质结合后松弛、收缩，最后达到稳定的紧密状态（图3B）。Xu等^[49]采用实验分析与MD相结合的方法，验证了SPI对新鲜米粉的回生机制，SPI和淀粉使用OPLS-AA模拟力场和TIP3P水模型，为了模拟糊化和回生过程，模拟了直链淀粉-7S/11S体系在95 ℃（368 K）下反应100 ns，使用NVT平衡将其冷却至4 ℃（277 K）后再持续100 ns，结果表明在7S和11S存在下，淀粉的RMSD值分别为1.0和1.7（图3C）。7S或11S结合后，淀粉的SASA更高，具体表现为保水性的提高，淀粉与水的最终稳定接触面积约为未结合蛋白质的1.5倍，这在一定程度上也是因为SPI抑制了淀粉的变形程度。淀粉与7S相互作用的SASA要高于与11S相互作用的SASA（图3D），这是由于7S的亲水性更强，抑制了淀粉的糊化。此外，通过蛋白质-蛋白质相互作用可以改善功能特性，例如溶解度、乳化和凝胶化等，Zhu等^[50]通过Amber软件、AMBER ff19SB力场和OPC水模型，研究水稻谷蛋白与11S球蛋白的相互作用机制以及对二级结构的变化进行分析。MD模拟结果表明，水稻谷蛋白中的Ser-125、Asp-1328、Gln-127、Arg-316、Asn-344、Glu-310、Tyr-126、Gln-310、Ser-302和Asn-449残基在氢键的形成过程中发挥了重要作用，水稻谷蛋白中的Pro-272、Tyr-300、Tyr-126、Tyr-330和Asp-309残基在疏水相互作用的形成过程中发挥了重要作用。

图 3 7S和Ca-An、淀粉与7S、11S的MD模拟^[48−49]

注：A和B分别为7S和Ca-An之间的RMSD和Rg图；C和D分别为7S或11S在95 ℃和4 ℃下MD模拟得到的淀粉分子结合的RMSD和SASA结果。

Figure 3. MD simulation of 7S and Ca-An, starch with 7S and 11S^[48−49]

下载: 全尺寸图片幻灯片

SPI 在新兴的食品科学和材料制造领域中展现出广泛的应用前景。通过MD和实验分析的结合，可以更深入地理解SPI与不同生物分子的相互作用机制，从而优化其在各种应用中的性能和功能。未来的研究可以继续探索SPI与其他食品组分的结合，进一步提升其应用价值。

玉米醇溶蛋白（Zein）是一种来源天然，具有良好的疏水性、抗氧化性和生物相容性的大分子蛋白，近年来Zein成为一种流行的植物蛋白，常被用来开发封装和控制疏水活性物质释放的递送载体。Zein是玉米中的主要贮藏蛋白，有四种构型包括α-Zein、β-Zein、γ-Zein、δ-Zein^[51]。Liu等^[46]使用AMBER ff14SB力场，将模型温度从0 K升至298 K，并通过NVT持续加热50 ps。然后使用NPT进行200 ps模拟。最后，在298 K和1 atm条件下，使用NVT对每个模型进行50 ns MD模拟，结果表明过MM/GBSA技术得到了β-LG与玉米蛋白的结合自由能，β-LG以Zein的P68和G88残基为支撑点，在其他关键残基的参与下，能与Zein非常牢固的结合（图4A）。Liu等^[51]通过分子动力学模拟得出Zein与EGCG结合的关键残基为Y171、Q174和L176。Q174和L176的能量贡献小于−4 kcal/mol。此外，Q133、P162、Q175和L205的贡献超过−1 kcal/mol，它们也起着一定的作用（图4B）。Zhang等^[52]使用AMBER ff14SB力场和TIP3P水模型模拟得出了Zein的残基ALA10、LEU11、LEU14、VAL18、ALA21、THR22、TYR31和LEU64的绝对自由能值均超过1.5 kcal/mol，表明它们是与牛血清蛋白（BSA）稳定相互作用的关键残基，位于BSA的IIB结构域中的关键残基GLU297、LEU299、PRO301、THR303、PHE371和SER440提供了合适的几何空间和能量上有利的化学环境，以供Zein的结合。MM/GBSA计算表明Zein-BSA复合物在热力学上是稳定的（图4C）。通过识别和理解其与各种生物分子的关键相互作用残基，可以更好地设计和优化Zein作为递送载体的功能，提升其在封装和控制活性物质释放方面的效率和稳定性。未来的研究可以进一步探索Zein与其他重要生物分子的相互作用机制，挖掘其更广泛的应用前景。

图 4 β-LG-Zein^[46]、Zein-EGCG、BSA和Zein的MD模拟^[51−52]

注：A：β-LG-Zein复合物的残基能量贡献谱；B：Zein-EGCG复合物的残基能量贡献谱；C：BSA（左）和Zein（右）的残基分解。

Figure 4. MD simulation of β-LG-Zein ^[46], Zein-EGCG, BSA, and Zein^[51−52]

下载: 全尺寸图片幻灯片

花生蛋白（Peanut Protein，PP）具有较高的消化性，营养价值与动物蛋白接近且不含胆固醇^[53]，是一种营养价值高、自然资源丰富、抗营养因子含量少、必需氨基酸含量丰富的优质植物蛋白^[54]。通过MD揭示了不同pH条件下花生蛋白与肉桂酸/槲皮素相互作用的分子机制，有助于理解PP的致敏性和结构稳定性。张驰^[55]选择花生蛋白中重要的致敏性亚基Ara h 1作为分析构象，采用GROMACS软件进行分子动力学模拟，选择Amber全原子力场和TIP3P水分子模型并使用Verlet蛙跳算法计算。通过对RMSD前50 ns的动力学曲线分析，发现不同pH条件下的蛋白C_α骨架在10 ns后趋近平衡，说明10 ns后蛋白构象逐渐稳定。10 ns后的蛋白在从低pH到高pH变化时，RMSD波动值稍有差异，高pH环境下蛋白波动性较大，说明高pH条件不利于蛋白结构稳定（图5A）。对于RMSF曲线，在不同pH条件下，蛋白结构中除去loop结构之外，在480~500位氨基酸残基相较于其他区域波动大，且pH7条件下波动更为明显，故推测此区域的氨基酸为重要功能区域，在350和380位氨基酸残基区域柔性体系波动较大，推测此区域氨基酸的波动会影响蛋白在溶液状态下的结构（图5B）。此外，可以使用MD探索PP对挥发性风味物质的影响机制。Chen等^[56]发现在乙醇的作用下，PP的结构更加紧密和聚集，从而降低了与香味化合物结合的亲和力，显著促进了挥发性风味物质释放。因此，通过MD可以更好地设计稳定性更高、致敏性更低的花生蛋白食品配方以及改变食品的风味，提升其在健康食品产业中的应用价值。未来的研究可以进一步探讨其他环境因素对PP结构和功能的影响。

图 5 不同pH下Ara h 1的RMSD（A）和RMSF（B）图^[55]

Figure 5. RMSD (A) and RMSF (B) plots of Arah1 at different pH^[55]

下载: 全尺寸图片幻灯片

小麦蛋白是从小麦粉中提取的植物源蛋白质，具有高度聚合的状态，根据溶解性不同，可分为清蛋白、球蛋白、醇溶蛋白和谷蛋白^[53]。研究发现小麦糖蛋白（Globulin-1 S allele，GSA）具有显著的致敏性，但其过敏性质尚未得到解析，陈伟^[57]通过CHARMM通用力场（CGenFF）和Charmm 36力场以及TIP3P水模型来探究对小麦致敏原GSA致敏机制。分析了小分子物质橙皮素与GSA结合后能否降低其致敏性以及是否能够保持稳定的状态。根据RMSF、RMSD、Rg和结合能，与单独GSA蛋白相比，GSA和橙皮素形成稳定的复合物具有更高的自由度（图6）。复合物的稳定性进一步证实了GSA与不溶性组分结合可以成为有效的递送系统且较高自由度可能导致蛋白质结构和稳定性的变化，这将影响抗体表位，从而解释致敏性的降低。郑文宇^[58]选择小麦蛋白具有代表性的亚基α-醇溶蛋白通过AMBER力场进行分子动力学模拟，结果表明分子内氢键作用减弱，高分子量亚基向低分子量转移，蛋白的结构充分伸展。从氨基酸微环境的角度，Gln转化为Glu暴露在蛋白表面，色氨酸和酪氨酸向极性环境迁移，蛋白的分子柔性也随之增强。

图 6 添加橙皮素前后GSA的MD模拟^[57]

注：A为RMSD，B为RMSF，C为Rg，D为结合能。

Figure 6. MD simulation of GSA before and after adding hesperidin^[57]

下载: 全尺寸图片幻灯片

综上所述，通过MD技术对植物蛋白如大豆分离蛋白、玉米醇溶蛋白、花生蛋白的分析，说明MD模拟能通过构象的变化来深入理解蛋白质的结构特征和潜在功能特性。但是，大多数蛋白质互作体系的研究仍较为独立，在实际生产加工过程中由于环境诱导的氧化、变性或者聚集也会导致蛋白质分子结构发生变化，因此蛋白质分子结构的变化与食品品质之间的联系尚未完整建立，是今后需要改善的部分。

2.3 MD在多糖中的应用

多糖是自然界中无处不在的生物大分子，其共同的结构特征是通过糖苷键连接多个糖单位^[59−60]，其多样性赋予了广泛的特性和结构适应性，使它们能够在自然界和生物体内发挥不同的功能。多糖的构象是指多糖分子的形状和大小，包括单糖的构象、相对位置、柔韧性和空间结构。这些构象与其结构以及分子内和分子间作用力密切相关。多糖的构象对其功能和性质有重大影响，因此有必要使用MD来模拟和分析不同条件下的构象变化。MD能作为研究多糖分子系统的结构、动态和性质的一项重要手段。

MD能够模拟多糖在加热过程中构象发生的变化，对真实实验进行验证。Ong等^[61]讨论了温度对水溶液中黄原胶的结构和分子相互作用的影响，从MD结果可以得到，随着温度的升高，观察到黄原胶的结构发生延伸，这与真实的实验结果一致。类似的，Liu等^[62]采用GROMOS、GROMOS 56A6_{CARBO_R}的改进版本和TIP3P水模型研究了由葡萄糖和甘露糖组成的白芨多糖在303、343和373K温度下的水溶液中的构象如何发生变化。结果表明温度升高会增强分子链的流动性，从而在一定程度上影响BSP的构象稳定性。二面角的分布范围较窄表示分子保持相对一致的构象，而分布范围较宽则表示构象具有灵活性^[63]。糖苷键的二面角随着温度的升高而增大（图7），其中MB04和GA05以及MB10和GA11的φ值始终徘徊在−130°左右。GA05和MB06的低能构象显示出φ值不断增加的模式，在303、343和373K的温度下从−92.212°过渡到−37.677°。此外，使用MD可以研究多糖的热聚集行为，Yang等^[64]通过模拟升温过程（25℃-75℃）观察甲基纤维素的聚集过程，发现随着温度升高，甲基纤维素与水分子之间相互作用的减少，以及甲基纤维素链之间相互作用的增加，因此导致甲基纤维素发生聚集。通过MD可以探讨不同酯化度多糖与蛋白的相互作用。刘敏等^[65]采用YASARA软件、YASARA2力场和TIP3P水模型，MD模拟结果显示β-酪蛋白与酯化度为67.9%的果胶复合的RMSD值和结合能分别比酯化度为36.1%的果胶复合物少0.15 nm和8×10⁴ kJ/mol，其表现更强的稳定性。在研究蛋白如何作用于多糖可使用MD进行模拟，王超凡^[66]通过MD模拟了具有V型螺旋结构的直链淀粉分子在与玉米醇溶蛋白分子复合时和不存在玉米醇溶蛋白分子时的构象稳定性。模拟结果发现，氢键是维持直链淀粉螺旋结构稳定性和直链淀粉-玉米醇溶蛋白复合物构象稳定性的主要驱动力。

图 7 温度对白芨多糖糖苷键二面角构象的影响^[62]

注：糖苷键编号对应结构：1.MB04-GA05，2.GA05-MB06，3.MB07-GA08，4.GA08-MB09），5.MB10-GA11，6.GA11-MB12。

Figure 7. Fig.7 Temperature-dependent conformational changes of glycosidic bond dihedral angles in Bletilla striata polysaccharides^[62]

下载: 全尺寸图片幻灯片

2.4 MD在脂类中的应用

油脂中含有大量的甘油三酯，占成品油的95%以上，甘油三酯的组成、比例和结构会显著影响油脂的营养和消化特性。油脂在高温油炸过程中容易氧化，很大一部分是被氧化的甘油三酯单体，而在这当中主要细胞毒性产物为环氧甘油三酯。Li等^[67]通过环氧甘油三酯和甘油三酯揭示了环氧基团对消化的影响，使用Gaussian 16软件和GROMOS54a7力场，利用Packmol软件构建模型，并将模拟盒设置为10×10×10 nm³。MD的结果显示脂肪酶的RMSF在EGT体系中更高，而脂肪酶在这两种体系中的RMSD和Rg值没有明显变化（图8），表明环氧基团会导致脂肪酶过多的构象变化，从而难以保持其结构稳定性，最终导致其活性降低。这可能是由于环氧基团与脂肪酶之间的相互作用削弱了脂肪酶活性位点的空间结构，导致活性位点的灵活性增加。此外，还可以通过MD模拟研究甘油三酯与水分子之间的相互作用。Tascini等^[68]使用GROMACS软件，OPLS和GROMOS力场、TIP4P-2005水模型模拟研究甘油三酯三顺式-6-十六碳烯酮（TG）的结构和界面特性。结果表明，液相中的甘油三酯分子通过甘油基团聚集在一起，形成一个单一的渗流网络，TG-空气界面使脂类定向，疏水尾部倾向于分布在界面，甘油基团则埋藏在内部。Greiner等^[69]使用Gromacs软件和Nath等^[70]提出的力场进行MD模拟研究了一系列的液态一元酸甘油三脂（TAG）的密度和自扩散系数与温度以及压强的关系。结果表明，施加压力会大大增加TAG分子的密度并减少其扩散，这说明压力与冷却可能具有相似的作用。

图 8 333 K时脂肪酶二级结构的MD模拟^[67]

注：A为Rg，B为RMSD，C为RMSF。

Figure 8. MD simulation of the secondary structure of lipase at 333 K^[67]

下载: 全尺寸图片幻灯片

乳液凝胶是一种典型的油滴分散在凝胶基质中的半固体食品体系，这种体系近年来在食品质地、营养成分递送和释放等方面备受关注。为了更好地了解各种乳液体系其中的分子机理，现逐渐使用MD辅助进行分析。Geng等^[71]使用GROMACS软件，但在建立模型之前先使用Gaussian软件在B3LYP/6-31gG（d）水平上选择原花青素的聚合度为2和6的PA分子（即PA2和PA6）和中链甘油三酯分子的结构进行了密度泛函理论优化，来研究中链甘油三酯与原花青素颗粒的界面行为。结果表明油水体系中的原花青素分子可自发驻留并聚集在界面上，它们与水和油的相互作用降低了界面张力（图8），并且与其实验结果一致。目前，用于制备皮克林乳液的油相种类繁多，不同油相的脂肪酸组成的差异可能影响皮克林乳液的稳定性以及影响脂溶性生物活性物质的递送效应。因此，Zheng等^[72]使用GROMACS软件、CHARMM36力场和SPC216水模型，揭示了不同比例橄榄油和食用茶油的脂肪酸与虾青素之间的相互作用，通过分析分子运动轨迹和弱相互作用力，阐明了不同橄榄油/食用茶油相比体系下虾青素与脂肪酸分子的聚集结合情况和主要结合力，MD结果表明在橄榄油/食用茶油相比为7:3时的体系比其他比例体系更稳定，且脂肪酸和虾青素之间的相互作用可能使虾青素有更高的保留率和生物可利用性。

图 9 原花青素在油-水体系中的MD模拟^[71]

注：A1：PA2构象；B1：PA6构象；A2：PA2在0 ns时的构象；B2：PA6在0 ns时的构象；A3：PA2在100 ns时的构象；B3：PA6在100 ns时的构象。

Figure 9. MD simulation of proanthocyanidins in oil-water system^[71]

下载: 全尺寸图片幻灯片

3. 结论

本文基于MD的基本原理及优势，综述了该技术在植物蛋白、多糖和脂类中的应用研究进展。MD模拟技术在在分子生物学、药物设计、材料科学等领域已有显著的影响力，但是在食品领域仍处于初步的阶段。MD模拟技术作为一种能够精确研究分子间相互作用、结构以及构象变化的有力工具，对于全面理解分子性质，以及其与其他物质之间的相互作用机制具有重要的潜力价值。但是MD模拟也存在着一些局限性，目前大多数MD模拟环境都相对简单，而忽略了一些现实中的影响因素，这使得模拟的准确性降低。计算机算力正不断的提升，但是仍需要较长的时间和较大的空间来进行模拟。因此，为了提高MD模拟的精确度和速度，还需要进一步对模拟环境系统的构建进行改进。此外，对于MD的使用具有较高的学习成本，且需要较高级别的服务器来运行，这在一定程度上也限制其在食品领域的应用。但不可否认，MD模拟未来将具有很大的潜力成为一项强大的工具，用于研究植物蛋白与食品其他成分的相互作用关系以及开发新型食品。随着MD模拟技术在软件和算法的不断升级优化、以及计算机科学的发展，未来利用MD模拟技术对植物蛋白、多糖和包括大分子、小分子在内的其他物质进行多元复合模拟的准确度和效率有望得到更大的提升。

图 1 分子动力学模拟的工作流程

Figure 1. Workflow of molecular dynamics simulation

下载: 全尺寸图片幻灯片

图 2 氢键形成示意图^[44]

Figure 2. Schematic diagram of hydrogen bond formation^[44]

下载: 全尺寸图片幻灯片

图 3 7S和Ca-An、淀粉与7S、11S的MD模拟^[48−49]

注：A和B分别为7S和Ca-An之间的RMSD和Rg图；C和D分别为7S或11S在95 ℃和4 ℃下MD模拟得到的淀粉分子结合的RMSD和SASA结果。

Figure 3. MD simulation of 7S and Ca-An, starch with 7S and 11S^[48−49]

下载: 全尺寸图片幻灯片

图 4 β-LG-Zein^[46]、Zein-EGCG、BSA和Zein的MD模拟^[51−52]

注：A：β-LG-Zein复合物的残基能量贡献谱；B：Zein-EGCG复合物的残基能量贡献谱；C：BSA（左）和Zein（右）的残基分解。

Figure 4. MD simulation of β-LG-Zein ^[46], Zein-EGCG, BSA, and Zein^[51−52]

下载: 全尺寸图片幻灯片

图 5 不同pH下Ara h 1的RMSD（A）和RMSF（B）图^[55]

Figure 5. RMSD (A) and RMSF (B) plots of Arah1 at different pH^[55]

下载: 全尺寸图片幻灯片

图 6 添加橙皮素前后GSA的MD模拟^[57]

注：A为RMSD，B为RMSF，C为Rg，D为结合能。

Figure 6. MD simulation of GSA before and after adding hesperidin^[57]

下载: 全尺寸图片幻灯片

图 7 温度对白芨多糖糖苷键二面角构象的影响^[62]

注：糖苷键编号对应结构：1.MB04-GA05，2.GA05-MB06，3.MB07-GA08，4.GA08-MB09），5.MB10-GA11，6.GA11-MB12。

Figure 7. Fig.7 Temperature-dependent conformational changes of glycosidic bond dihedral angles in Bletilla striata polysaccharides^[62]

下载: 全尺寸图片幻灯片

图 8 333 K时脂肪酶二级结构的MD模拟^[67]

注：A为Rg，B为RMSD，C为RMSF。

Figure 8. MD simulation of the secondary structure of lipase at 333 K^[67]

下载: 全尺寸图片幻灯片

图 9 原花青素在油-水体系中的MD模拟^[71]

注：A1：PA2构象；B1：PA6构象；A2：PA2在0 ns时的构象；B2：PA6在0 ns时的构象；A3：PA2在100 ns时的构象；B3：PA6在100 ns时的构象。

Figure 9. MD simulation of proanthocyanidins in oil-water system^[71]

下载: 全尺寸图片幻灯片

表 1 MD常见软件和力场

Table 1 Common software and force fields for MD

软件	机构	力场	适用体系	网站
Gromacs	格罗宁根大学	CHARMM /GROMOS/AMBER/OPLS	蛋白质、核苷酸、多糖、磷脂等	https://www.gromacs.org/
Charmm	哈佛大学	CHARMM	蛋白质、核酸、碳水化合物、脂类等	https://www.charmm.org/
Lammps	桑迪亚国家实验室	LAMMPS	液体、固体、气体等	https://www.lammps.org/
Amber	加利福尼亚大学	AMBER	蛋白质、DNA、RNA、碳水化合物、脂肪等	https://ambermd.org/tutorials/
Gromos	格罗宁根大学	CHARMM/AMBER/OPLSAA/GROMOS	蛋白质、核酸、多糖等	https://www.gromacs.org/
Namd	伊利诺伊大学	Amber/CHARMM/Dreiding/Namd	蛋白质、核酸、细胞膜等	http://www.ks.uiuc.edu/Research/namd/
Gaussian	卡内基梅隆大学	Amber/Dreiding/UFF/Gromos	无机、有机、生物分子和晶体	https://gaussian.com/
Yasara	格拉兹大学	AMBER/YAMBER	蛋白质、多糖等	https://www.yasara.org/

下载: 导出CSV

参考文献(72)

[1]	VERLET L. Computer “experiments” on classical fluids. I. thermodynamical properties of lennard-jones molecules[J]. Physical Review,1967,159(1):98−103. doi: 10.1103/PhysRev.159.98
[2]	MARTYS N S, MOUNTAIN R D. Velocity verlet algorithm for dissipative-particle-dynamics-based models of suspensions[J]. Physical Review E,1999,59(3):3733−3736. doi: 10.1103/PhysRevE.59.3733
[3]	HOCKNEY R W, GOEL S P, EASTWOOD J W. Quiet high-resolution computer models of a plasma[J]. Journal of Computational Physics,1974,14(2):148−158. doi: 10.1016/0021-9991(74)90010-2
[4]	BEEMAN D. Some multistep methods for use in molecular dynamics calculations[J]. Journal of Computational Physics,1976,20(2):130−139. doi: 10.1016/0021-9991(76)90059-0
[5]	GRAGG W B, STETTER H J. Generalized multistep predictor-corrector methods[J]. Journal of the ACM,1964,11(2):188−209. doi: 10.1145/321217.321223
[6]	GENG H, CHEN F, YE J, et al. Applications of molecular dynamics simulation in structure prediction of peptides and proteins[J]. Computational and Structural Biotechnology Journal,2019,17:1162−1170. doi: 10.1016/j.csbj.2019.07.010
[7]	刘祥雨, 覃小丽, 钟金锋. 采用分子动力学模拟研究温度对乳球蛋白稳定性的影响[J]. 食品与发酵工业,2020,46(7):89−96. [LIU X Y, QIN X L, ZHONG J F. Effect of temperature on the stability of lactoglobulin:a molecular dynamics simulation[J]. Food and Fermentation Industries,2020,46(7):89−96.] LIU X Y, QIN X L, ZHONG J F. Effect of temperature on the stability of lactoglobulin: a molecular dynamics simulation[J]. Food and Fermentation Industries, 2020, 46（7）: 89−96.
[8]	SINGH A, VANGA S K, ORSAT V, et al. Application of molecular dynamic simulation to study food proteins:A review[J]. Critical Reviews in Food Science and Nutrition,2018,58(16):2779−2789. doi: 10.1080/10408398.2017.1341864
[9]	KIM W, WANG Y, SELOMULYA C. Emerging technologies to improve plant protein functionality with protein-polyphenol interactions[J]. Trends in Food Science & Technology,2024,147:104469.
[10]	NIAN B, XU Y J, LIU Y. Molecular dynamics simulation for mechanism revelation of the safety and nutrition of lipids and derivatives in food:State of the art[J]. Food Research International,2021,145:110399. doi: 10.1016/j.foodres.2021.110399
[11]	于桐桐, 饶雷, 赵靓, 等. 分子动力学模拟及其在碳水化合物中的应用[J]. 中国食品学报,2024,24(3):306−320. [YU T T, RAO L, ZHAO L, et al. Molecular dynamics simulations and their application to carbohydrates[J]. Journal of Chinese Institute of Food Science and Technology,2024,24(3):306−320.] YU T T, RAO L, ZHAO L, et al. Molecular dynamics simulations and their application to carbohydrates[J]. Journal of Chinese Institute of Food Science and Technology, 2024, 24（3）: 306−320.
[12]	WU J, GAO T, GUO H, et al. Application of molecular dynamics simulation for exploring the roles of plant biomolecules in promoting environmental health[J]. Science of The Total Environment,2023,869:161871. doi: 10.1016/j.scitotenv.2023.161871
[13]	LOPES D, JAKOBTORWEIHEN S, NUNES C, et al. Shedding light on the puzzle of drug-membrane interactions:Experimental techniques and molecular dynamics simulations[J]. Progress in Lipid Research,2017,65:24−44. doi: 10.1016/j.plipres.2016.12.001
[14]	CAO C, ZHANG J, KONG B, et al. Underlying the mechanisms of incorporation of κ-carrageenan on the formation of low-salt myofibrillar protein gels during heating process:Perspective on the dynamic changes of protein structures and molecular interactions[J]. Food Hydrocolloids,2024,155:110205.
[15]	WANG H, KE L, ZHOU J, et al. Multi-spectroscopic, molecular docking and molecular dynamic simulation evaluation of hydroxychloroquine sulfate interaction with caseins and whey proteins[J]. Journal of Molecular Liquids,2022,367:120460. doi: 10.1016/j.molliq.2022.120460
[16]	AGALYA P, PIRES DE OLIVEIRA I, LESCANO C H, et al. Effect of pH and cosolvent sucralose on the solvation profile of ovalbumin:Ultrasonic and molecular simulation studies[J]. Food Hydrocolloids,2022,125:107386. doi: 10.1016/j.foodhyd.2021.107386
[17]	JIA W, LI Y, QU R, et al. Automatic food detection in egocentric images using artificial intelligence technology[J]. Public Health Nutrition,2019,22(7):1168−1179.
[18]	CHEN H, WANG Y, CAO P, et al. Thermal oxidation rate of oleic acid increased dramatically at 140 ℃ studied using electron spin resonance and GC–MS/MS[J]. Journal of the American Oil Chemists’ Society,2019,96(8):937−944. doi: 10.1002/aocs.12213
[19]	GONZALEZ-FERNANDEZ I, IGLESIAS-OTERO M A, ESTEKI M, et al. A critical review on the use of artificial neural networks in olive oil production, characterization and authentication[J]. Critical Reviews in Food Science and Nutrition,2019,59(12):1913−1926. doi: 10.1080/10408398.2018.1433628
[20]	STARKE L J, HUB J S. Molecular dynamic simulations of hydrophobins:Pure-protein bilayers and lipid-protein interactions[J]. Biophysical Journal,2022,121(3):329a.
[21]	CHEN N, JIANG T, XU J, et al. The relationship between polysaccharide structure and its antioxidant activity needs to be systematically elucidated[J]. International Journal of Biological Macromolecules,2024,270:132391. doi: 10.1016/j.ijbiomac.2024.132391
[22]	韩超, 李成帅. 分子模拟在膜分离方面的应用研究进展[J]. 山东化工,2021,50(15):71−72. [HAN C, LI C S. Research progress on the application of molecular simulation in membrane separation[J]. Shandong Chemical Industry,2021,50(15):71−72.] doi: 10.3969/j.issn.1008-021X.2021.15.027 HAN C, LI C S. Research progress on the application of molecular simulation in membrane separation[J]. Shandong Chemical Industry, 2021, 50（15）: 71−72. doi: 10.3969/j.issn.1008-021X.2021.15.027
[23]	VAN DER SPOEL D, LINDAHL E, HESS B, et al. GROMACS:Fast, flexible, and free[J]. Journal of Computational Chemistry,2005,26(16):1701−1718. doi: 10.1002/jcc.20291
[24]	CASE D A, CHEATHAM T E, DARDEN T, et al. The Amber biomolecular simulation programs[J]. Journal of Computational Chemistry,2005,26(16):1668−1688. doi: 10.1002/jcc.20290
[25]	BROOKS B R, BRUCCOLERI R E, OLAFSON B D, et al. CHARMM:A program for macromolecular energy, minimization, and dynamics calculations[J]. Journal of Computational Chemistry,1983,4(2):187−217. doi: 10.1002/jcc.540040211
[26]	FRANTZDALE B, PLIMPTON S J, SHEPHARD M S. Software components for parallel multiscale simulation:an example with LAMMPS[J]. Engineering with Computers,2010,26(2):205−211. doi: 10.1007/s00366-009-0156-z
[27]	PHILLIPS J C, HARDY D J, MAIA J D C, et al. Scalable molecular dynamics on CPU and GPU architectures with NAMD[J]. The Journal of Chemical Physics,2020,153(4):044130. doi: 10.1063/5.0014475
[28]	NGAI K L, VALENTI S, CAPACCIOLI S. Molecular dynamic in binary mixtures and polymer blends with large difference in glass transition temperatures of the two components:A critical review[J]. Journal of Non-Crystalline Solids,2021,558:119573. doi: 10.1016/j.jnoncrysol.2019.119573
[29]	BARBHUIYA S, DAS B B. Molecular dynamics simulation in concrete research:A systematic review of techniques, models and future directions[J]. Journal of Building Engineering,2023,76:107267. doi: 10.1016/j.jobe.2023.107267
[30]	HUMPHREY W, DALKE A, SCHULTEN K. VMD:Visual molecular dynamics[J]. Journal of Molecular Graphics,1996,14(1):33−38. doi: 10.1016/0263-7855(96)00018-5
[31]	MEN D, DAI J, YUAN Y, et al. Exploration of anti-osteoporotic peptides from Moringa oleifera leaf proteins by network pharmacology, molecular docking, molecular dynamics and cellular assay analyses[J]. Journal of Functional Foods,2024,116:106144. doi: 10.1016/j.jff.2024.106144
[32]	MASAND V H, SK M F, KAR P, et al. Identification of food compounds as inhibitors of SARS-CoV-2 main protease using molecular docking and molecular dynamics simulations[J]. Chemometrics and Intelligent Laboratory Systems,2021,217:104394. doi: 10.1016/j.chemolab.2021.104394
[33]	FU M, GAO J, MAO K, et al. Interaction mechanism between surface layer protein and yeast mannan:Insights from multi-spectroscopic and molecular dynamics simulation analyses[J]. Food Chemistry,2024,433:137352. doi: 10.1016/j.foodchem.2023.137352
[34]	WU Z, XU J, RUAN J, et al. Probing the mechanism of interaction between capsaicin and myofibrillar proteins through multispectral, molecular docking, and molecular dynamics simulation methods[J]. Food Chemistry:X,2023,18:100734.
[35]	HAN M, SUN C, BU Y, et al. Exploring the interaction mechanism of chlorogenic acid and myoglobin:Insights from structure and molecular dynamics simulation[J]. Food Chemistry,2024,438:138053. doi: 10.1016/j.foodchem.2023.138053
[36]	XU R, GU Y, ZHENG L, et al. Interactions of soluble type II collagen with anionic polysaccharides of different molecular weight:A microthermal and molecular dynamics study[J]. Food Hydrocolloids,2024,151:109816. doi: 10.1016/j.foodhyd.2024.109816
[37]	ATTRI S, YADAV B S, B. YADAV R, et al. Effect of addition of methionine and histidine on physicochemical and rheological characteristics of water chestnut starch as revealed by molecular dynamic simulations[J]. Food Research International,2024,175:113724. doi: 10.1016/j.foodres.2023.113724
[38]	黄娟, 李陶婷, 于海燕, 等. 分子模拟在环糊精包合反应中的应用研究进展[J]. 食品科学,2023,44(23):406−418. [HUANG J, LI T T, YU H Y, et al. Recent advances in the application of molecular simulation in research on cyclodextrin inclusion[J]. Food Science,2023,44(23):406−418.] doi: 10.7506/spkx1002-6630-20221115-181 HUANG J, LI T T, YU H Y, et al. Recent advances in the application of molecular simulation in research on cyclodextrin inclusion[J]. Food Science, 2023, 44（23）: 406−418. doi: 10.7506/spkx1002-6630-20221115-181
[39]	DENG C, CAO C, ZHANG Y, et al. Formation and stabilization mechanism of β-cyclodextrin inclusion complex with C10 aroma molecules[J]. Food Hydrocolloids,2022,123:107013. doi: 10.1016/j.foodhyd.2021.107013
[40]	MITTERNACHT S. FreeSASA:An open source C library for solvent accessible surface area calculations[J]. F1000Research,2016,5:189. doi: 10.12688/f1000research.7931.1
[41]	LU S, WANG H, KANG R, et al. Impact of pH and NaCl on the molecular conformation of myosin and myosin microgel and underlying mechanism:A comprehensive study using spectroscopy and molecular dynamics simulation[J]. LWT,2023,189:115517. doi: 10.1016/j.lwt.2023.115517
[42]	MÜLLER W A, SARKIS J R, MARCZAK L D F, et al. Molecular dynamics study of the effects of static and oscillating electric fields in ovalbumin[J]. Innovative Food Science & Emerging Technologies,2022,75:102911.
[43]	ZHOU H, WANG F, NIU H, et al. Structural studies and molecular dynamic simulations of polyphenol oxidase treated by high pressure processing[J]. Food Chemistry,2022,372:131243. doi: 10.1016/j.foodchem.2021.131243
[44]	杜丛. 天然皮革微观结构及热稳定性研究[D]. 武汉:武汉纺织大学, 2015. [DU C. Study on microstructure and thermal stability of natural leather[D]. Wuhan:Wuhan Textile University, 2015.] DU C. Study on microstructure and thermal stability of natural leather[D]. Wuhan: Wuhan Textile University, 2015.
[45]	FENG X, WANG R, LU J, et al. Taste properties and mechanism of umami peptides from fermented goose bones based on molecular docking and molecular dynamics simulation using umami receptor T1R1/T1R3[J]. Food Chemistry,2024,443:138570. doi: 10.1016/j.foodchem.2024.138570
[46]	LIU C, LÜ N, SONG Y, et al. Interaction mechanism between zein and β-lactoglobulin:Insights from multi-spectroscopy and molecular dynamics simulation methods[J]. Food Hydrocolloids,2023,135:108226. doi: 10.1016/j.foodhyd.2022.108226
[47]	JOHN H, CHANDRA P, GIRI S K, et al. Effect of processing methods on 11S/7S protein and nitrogen solubility index of soy protein isolate[J]. Journal of The Institution of Engineers (India):Series A,2021,102(4):989−994.
[48]	WANG X, JIA L, XIE Y, et al. Deciphering the interaction mechanism between soy protein isolate and fat-soluble anthocyanin on experiments and molecular simulations[J]. International Journal of Biological Macromolecules,2024,266:131308. doi: 10.1016/j.ijbiomac.2024.131308
[49]	XU L, WANG T, SHAN Y, et al. Soybean protein isolate inhibiting the retrogradation of fresh rice noodles:Combined experimental analysis and molecular dynamics simulation[J]. Food Hydrocolloids,2024,151:109877. doi: 10.1016/j.foodhyd.2024.109877
[50]	ZHU P Y, MA C M, YANG Y, et al. Elucidating the interaction mechanism of rice glutelin and soybean 11S globulin using multi-spectroscopy and molecular dynamics simulation methods[J]. Food Chemistry,2024,442:138615. doi: 10.1016/j.foodchem.2024.138615
[51]	LIU C, LÜ N, REN G, et al. Explore the interaction mechanism between zein and EGCG using multi-spectroscopy and molecular dynamics simulation methods[J]. Food Hydrocolloids,2021,120:106906. doi: 10.1016/j.foodhyd.2021.106906
[52]	ZHANG Z, LI R, TANG H, et al. Interactions and characterization of Zein-BSA nanoparticles:Multi-spectral analysis and molecular simulations[J]. Journal of Molecular Liquids,2023,391:123293. doi: 10.1016/j.molliq.2023.123293
[53]	李滢溪, 张丽芬, 赖少娟, 等. 花生蛋白稳定乳液研究进展及应用现状[J]. 食品研究与开发,2022,43(11):198−204. [LI Y X, ZHANG L F, LAI S J, et al. Research progress and application status of peanut protein-based emulsions[J]. Food Research and Development,2022,43(11):198−204.] doi: 10.12161/j.issn.1005-6521.2022.11.026 LI Y X, ZHANG L F, LAI S J, et al. Research progress and application status of peanut protein-based emulsions[J]. Food Research and Development, 2022, 43（11）: 198−204. doi: 10.12161/j.issn.1005-6521.2022.11.026
[54]	庞磊, 郑嘉宜, 刘伯业. 花生蛋白改性技术研究进展[J]. 食品安全质量检测学报,2022,13(21):7042−7048. [PANG L, ZHENG J Y, LIU B Y. Research progress on the modification technology of peanut protein[J]. Journal of Food Safety & Quality,2022,13(21):7042−7048.] PANG L, ZHENG J Y, LIU B Y. Research progress on the modification technology of peanut protein[J]. Journal of Food Safety & Quality, 2022, 13（21）: 7042−7048.
[55]	张驰. 多酚与花生蛋白相互作用及其对花生蛋白致敏性的影响[D]. 重庆:西南大学, 2022. [ZHANG C. The interaction of polyphenols with peanut protein and its effect on the allergenicity of peanut protein[D]. Chongqing:Southwest University, 2022.] ZHANG C. The interaction of polyphenols with peanut protein and its effect on the allergenicity of peanut protein[D]. Chongqing: Southwest University, 2022.
[56]	CHEN L, YANG Y, HU X, et al. Unraveling the role of peanut protein in baijiu-peanut pairing flavor complexity:A focus on ethanol-induced denaturation[J]. Food Chemistry,2025,463:141181. doi: 10.1016/j.foodchem.2024.141181
[57]	陈伟. 基于小麦蛋白globulin-1 S allele致敏性质分析的靶向消减技术研究[D]. 杭州:浙江工商大学, 2023. [CHEN W. Research on targeted reduction technology based on the analysis of sensitizing properties of wheat protein globulin-1 S allele[D]. Hangzhou:Zhejiang Gongshang University, 2023.] CHEN W. Research on targeted reduction technology based on the analysis of sensitizing properties of wheat protein globulin-1 S allele[D]. Hangzhou: Zhejiang Gongshang University, 2023.
[58]	郑文宇. 水化定向调控天然低共熔溶剂超高脱酰胺改性小麦蛋白的机制研究[D]. 佛山:佛山科学技术学院, 2022. [ZHENG W Y. Mechanism of directional regulation of hydration on wheat glutensuper-deamidated by natural deep eutectic solvent[D]. Foshan:Foshan University, 2022.] ZHENG W Y. Mechanism of directional regulation of hydration on wheat glutensuper-deamidated by natural deep eutectic solvent[D]. Foshan: Foshan University, 2022.
[59]	HUANG G, CHEN F, YANG W, et al. Preparation, deproteinization and comparison of bioactive polysaccharides[J]. Trends in Food Science & Technology,2021,109:564−568.
[60]	ZHENG J, SHANG M, DAI G, et al. Bioactive polysaccharides from Momordica charantia as functional ingredients:A review of their extraction, bioactivities, structural-activity relationships, and application prospects[J]. Critical Reviews in Food Science and Nutrition, 2023:1−24.
[61]	ONG E E S, O’BYRNE S, LIOW J L. Molecular dynamics study on the structural and dynamic properties of xanthan gum in a dilute solution under the effect of temperature[C]//Proceedings of the 2nd International Conference on Applied Sciences (ICAS-2). Ho Chi Minh City, Vietnam, 2018:030008.
[62]	LIU J Z, WANG L, JIANG L J, et al. In sight the behavior of natural Bletilla striata polysaccharide hydrocolloids by molecular dynamics method[J]. International Journal of Biological Macromolecules,2024,266:131245. doi: 10.1016/j.ijbiomac.2024.131245
[63]	VAN DER WEL P C A. Dihedral angle measurements for structure determination by biomolecular solid-state NMR spectroscopy[J]. Frontiers in Molecular Biosciences,2021,8:791090. doi: 10.3389/fmolb.2021.791090
[64]	YANG Y, WU W, LIU H, et al. Aggregation behaviors of thermo-responsive methylcellulose in water:A molecular dynamics simulation study[J]. Journal of Molecular Graphics and Modelling,2020,97:107554. doi: 10.1016/j.jmgm.2020.107554
[65]	刘敏, 罗国柳, 覃小丽, 等. 果胶酯化度对酪蛋白-果胶相互作用及其复合物性能的影响[J]. 食品与发酵工业,2023,49(24):80−87. [LIU M, LIU G L, QIN X L, et al. Interaction and properties of the noncovalent of casein-pectin complexes:Effect of esterified degree of pectin[J]. Food and Fermentation Industries,2023,49(24):80−87.] LIU M, LIU G L, QIN X L, et al. Interaction and properties of the noncovalent of casein-pectin complexes: Effect of esterified degree of pectin[J]. Food and Fermentation Industries, 2023, 49（24）: 80−87.
[66]	王超凡. 玉米淀粉-玉米醇溶蛋白核壳微粒的体外抗消化特性及其分子机理研究[D]. 泰安:山东农业大学, 2024. [WANG C F. Study on in vitro Anti digestive Properties and the Potential Molecular Mechanism of Corn Starch-Zein Microparticles[D]. Taian:Shandong Agricultural University, 2024.] WANG C F. Study on in vitro Anti digestive Properties and the Potential Molecular Mechanism of Corn Starch-Zein Microparticles[D]. Taian: Shandong Agricultural University, 2024.
[67]	LI X, LIU Y J, NIAN B B, et al. Molecular dynamics revealed the effect of epoxy group on triglyceride digestion[J]. Food Chemistry,2022,373:131285. doi: 10.1016/j.foodchem.2021.131285
[68]	TASCINI A S, NORO M G, CHEN R, et al. Understanding the interactions between sebum triglycerides and water:a molecular dynamics simulation study[J]. Physical Chemistry Chemical Physics,2018,20(3):1848−1860. doi: 10.1039/C7CP06889A
[69]	GREINER M, REILLY A M, BRIESEN H. temperature- and pressure-dependent densities, self-diffusion coefficients, and phase behavior of monoacid saturated triacylglycerides:toward molecular-level insights into processing[J]. Journal of Agricultural and Food Chemistry,2012,60(20):5243−5249. doi: 10.1021/jf3004898
[70]	NATH S K, ESCOBEDO F A, DE PABLO J J. On the simulation of vapor–liquid equilibria for alkanes[J]. The Journal of Chemical Physics,1998,108(23):9905−9911. doi: 10.1063/1.476429
[71]	GENG S, HAN F, LÜ X, et al. Formation mechanism of Pickering emulsion gels stabilized by proanthocyanidin particles:Experimental and molecular dynamics studies[J]. Food Chemistry,2023,418:135904. doi: 10.1016/j.foodchem.2023.135904
[72]	ZHENG J, DING L, YI J, et al. Revealing the potential effects of oil phase on the stability and bioavailability of astaxanthin contained in Pickering emulsions:In vivo, in vitro and molecular dynamics simulation analysis[J]. Food Chemistry, 2024:139935.

施引文献(11)

期刊类型引用(5)

1.	陈聪，薛桥丽，胡永金，魏美娟，陈中爱. 云南木姜子醇提物抑菌活性及其稳定性研究. 食品工业科技. 2023(16): 147-154 . 本站查看
2.	段雪娟，黄煜强，张潼，韩雅莉，吴克刚，黄庶识. 肉桂醛熏蒸对金黄色葡萄球菌胞内生物大分子的影响. 中国食品学报. 2023(10): 90-100 . 百度学术
3.	张文艳，李俊杰，艾玲松，李茂东，赵仲霞，师睿. 青花椒总生物碱对金黄色葡萄球菌抑菌活性研究. 工业微生物. 2023(06): 50-54 . 百度学术
4.	王建梅，王国盼，陆安静，秦琳，鲁艳柳，白朝钧，何芋岐，谭道鹏. 金钗石斛提取物对5种耐药菌的体外抑菌活性评价. 遵义医科大学学报. 2022(03): 334-338 . 百度学术
5.	黄藩，王迎春，叶玉龙，龚雪蛟，黄颖博，熊元元. 变温萎凋技术对贡眉白茶品质的影响. 中国农学通报. 2022(19): 159-164 . 百度学术