多糖

其中，AI糖组学可将膳食多糖结构与个体肠道菌群、代谢组和宿主表型等数据进行联合分析，构建“

图示以AIGlycomics为核心，将多糖结构、肠道菌群、宿主表型和数据库等多源信息进行整合，经人工智能和机器学习构建“

在生成式人工智能支持下，可以从免疫调节、益生元、靶向递送等目标功能出发，反向设计具有特定分子量区间、糖苷键组合、支化模式和侧链修饰的候选多糖结构。

复杂多糖结构解析往往面临分离困难、谱峰重叠和人工归属工作量大等问题。

多糖结构—

的闭环，为提高复杂多糖结构解析效率提供新的方法学方向。

过程：模型首先提出候选多糖结构，再预测候选结构对应的理论谱图，并与实际实验数据进行比较，由此形成“

文章围绕人工智能在多糖结构—

文章总结了当前多糖结构数字化的多种策略，包括将单糖组成、糖苷键类型、支化程度和修饰程度转化为固定长度数值向量；

这些数字化表示方式为机器学习、图神经网络及基础模型从复杂多糖结构中学习关键结构特征提供了基础。

从数据标准走向智能闭环：多糖研究迎来新的发展阶段

文章提出，未来多糖研究可能逐步突破传统“

这一思路意味着，多糖研究未来可能由“

人工智能的发展为解决这一问题提供了新的研究工具，同时也推动多糖研究由局部数据分析向完整研究链条的数字化重构转变。

长期以来，多糖研究主要依赖“

信息链，使不同实验室、不同批次和不同来源的多糖数据能够被追踪、比较和重新分析，为人工智能模型的外部验证和跨研究应用提供基础。

建立AI-ready多糖数据标准，解决人工智能研究的“

活性关系研究中的应用与发展趋势，系统梳理了多糖数据标准化、结构数字化表达、多模态谱学解析、构效关系建模、分子相互作用预测、生成式设计以及精准营养等关键方向，并进一步提出从标准化数据建设走向“

构建多糖数字化表达体系，让复杂糖链能够被人工智能识别

按功能设计多糖”

文章认为，人工智能赋能多糖科学的核心并非简单增加一种预测算法，而是推动研究模式实现三方面转变：由经验驱动向数据驱动转变，由孤立分析向全链条整合转变，由被动结构表征向功能导向理性设计转变。

文章进一步提出DigitalTwinGut（数字孪生肠道）的前沿设想，通过整合个体肠道菌群组成、代谢特征和宿主信息，在计算机中建立个体化肠道生态模型，并在实际营养干预之前模拟不同多糖可能产生的作用，实现营养配方的虚拟筛选和优化。