近日，我校海洋食品與生物工程學院營養健康與大數據團隊的曾珺教授，在高分辨分離分析代謝組學/脂質組學新方法開發及其在食品健康交叉應用研究方面取得了重要進展。相關成果相繼發表于《Nature Communications》（IF=14.7）、《Journal of Hazardous Materials》（IF=12.2）及《Chinese Chemical Letters》（IF=9.4）等國際知名學術期刊。
隨著食品營養與安全研究向機制解析與精準干預的縱深發展，代謝組學/脂質組學技術已成為揭示食源性因子作用機制的重要研究手段，而復雜食品/生物體系中代謝物種類繁多、結構高度異質，且注釋困難，傳統研究在高通量結構解析方面存在顯著瓶頸。高分辨質譜技術與人工智能的深度融合，為代謝物的高效識別與鑒定開辟了新路徑。針對上述難題，曾珺聯合合作單位，創新性地采用“反向代謝組學”策略，結合對代謝物質譜斷鍵規律的精細解析，發展了系列融合高分辨質譜技術與機器學習的代謝組學/脂質組學研究新方法（Nat. Commun.2025, 16, 4566;Chin. Chem. Lett.2025, doi: 10.1016/j.cclet.2025.111027）。這些新方法顯著提高了代謝物結構注釋的通量、覆蓋度和準確性，為食品健康效應的深入探索提供了更為智能、高效的研究工具。
在上述方法學創新的基礎上，將所發展的方法體系應用于食品健康效應研究中，首次揭示了高脂飲食子代暴露于食品包裝材料來源的新型危害物—雙酚S（BPS）時，所表現出的特異性代謝抵抗機制，白色脂肪與棕色脂肪代謝競爭的失衡，是引發子代肥胖與胰島素抵抗的關鍵驅動因素（J. Hazard. Mater.2025, 485, 136895）。
上述系列研究展現了我校科研團隊在食品健康效應、復雜體系高分辨分析及大數據融合應用等前沿交叉領域的綜合實力。
(文：海洋食品與生物工程學院/編輯：宣傳部）
