AI for Food Allergies：面向生物医学研究的开放数据集集合

Hugging Face 宣布了 AI for Food Allergies 项目，这是一个社区驱动的研究倡议，旨在弥合人工智能与生物医学科学之间的鸿沟，以提升对食品过敏的理解、预测和治疗。该项目的主要成果是发布 Awesome Food Allergy Datasets，这是首个开放的、经过精细注释的数据集集合，分类用于支持过敏原性、临床免疫学和监管食品安全的 AI 研究。

AI 与食品过敏研究的交叉点

人工智能正通过超越简单的序列比对，转向能够预测免疫反应的深度学习模型，改变食品过敏研究的格局。目前的前沿应用包括：

  • Molecular Prediction: 深度学习模型如 ProtBERT、ESM-2 和 AllergenBERT 分析氨基酸序列，以识别生化模式和表位相似性。像 AllergenAI 这样的工具使用卷积神经网络发现对 IgE 结合至关重要的基序，减少数月实验的需求。
  • Therapeutics and Drug Discovery: AI 通过图神经网络和 transformer 实现药物-靶点相互作用（DTI）建模。利用 DAVIS 和 PDBbind 等数据集，研究人员可以进行化合物的虚拟筛选，以抑制 IgE–FcεRI 结合或调节炎症通路。
  • Clinical Diagnostics: 机器学习模型结合皮肤点刺结果、血清特异性 IgE 水平和患者病史，提供可解释的食品过敏概率，从而降低高风险口服食物挑战的必要性。
  • Consumer Safety: 自然语言处理（NLP）和计算机视觉（CV）被用于大规模读取配料标签，检测隐藏的过敏原（例如，将 “tahini” 映射为芝麻），并实时监控 FDA/USDA 的召回信息流。

Awesome Food Allergy Datasets 集合

为了解决生物医学数据的稀缺和碎片化问题，AI for Food Allergies 项目策划了一个综合资源，分为三个互补层次：

1. 蛋白质与分子致敏性层

该层使模型能够从蛋白质序列转向结构再到免疫反应。它整合了：

  • Allergen Repositories: 来自 WHO/IUIS Allergen Nomenclature Database、AllergenOnline、AllerBase 等的数据提供已验证的序列和交叉反应注释。
  • Structural and Quantum Data: 像 SDAP 2.0、PDBBind+ 和 QM9 这样的资源提供分子表面、结合亲和力和静电描述符，帮助 AI 理解蛋白质为何与 IgE 抗体相互作用。
  • Pharmacological Databases: 整合 DAVIS、DrugCentral 和 STITCH，可用于研究过敏原与药物之间的交叉反应并识别免疫调节疗法。

2. 临床、免疫学与治疗层

该层聚焦于人类数据，以建模致敏、耐受性和治疗演变：

  • Immunology: 免疫表位数据库（IEDB）和 AlgPred 2.0 绘制 B 细胞和 T 细胞表位以及抗体结合区域。
  • Patient Outcomes: 临床数据集如 Food Anaphylaxis ML Dataset (TIP) 以及大规模队列如 HealthNuts 和 CHILD 提供遗传和微生物背景。
  • Therapy Simulation: 针对过敏原免疫治疗（AIT）试验的模拟数据集，使研究人员能够在无患者风险的情况下建模长期脱敏反应。
  • Multi-omics: 人类代谢物数据库（HMDB）和 GWAS 数据使得研究基因与代谢如何塑造过敏性疾病成为可能。

3. 食品、配料与监管层

该层将实验室科学与现实食品安全相连接：

  • Product Databases: 来自 Open Food Facts 和 FSA Allergen Database Service 的多语言数据描述了消费品及其标签标准。
  • Adverse Event Tracking: 来自 CAERS（CFSAN Adverse Event Reporting System）以及政府召回来源（FDA、USDA、CFIA）的数据追踪未声明的过敏原事件。
  • Label Corpus: 一个多语言语料库，将本地术语标准化为规范过敏原，并使用合成图像训练视觉模型在真实超市环境（眩光、模糊、弯曲表面）下读取包装。

访问与未来方向

该集合托管在 Hugging Face datasets repository 上，并可通过专用交互空间进行搜索。项目通过 GitHub 仓库维护，以鼓励社区贡献。

展望未来，该倡议旨在从数据收集转向实际研究项目。社区计划解决的关键科学问题包括：

  • 开发早期诊断，以在食品过敏显现前进行预测。
  • 设计更有效的免疫疗法，以实现长期耐受。
  • 通过智能分子设计，研发低致敏性食品。

Sources