《Scientific Reports》：Prioritizing neglected food species in nutritional studies using expert-knowledge and explainable AI
編輯推薦：
這項研究旨在解決如何有效優先研究那些在營養學上被忽視的物種（NUS）的難題。研究人員針對巴西的369個被忽視食物物種，整合專家知識與可解釋人工智能（LightGBM和SHAP值分析），確定了影響食物成分研究與消費研究優先級的關鍵因素。結果表明，食譜數量與物種在各州的分布狀況是預測優先級的兩個最顯著特征。該研究強調了文化用途與本地可獲得性在塑造營養研究重點中的作用，為彌補數據缺口、將這些物種納入可持續食品系統提供了新思路。
在全球糧食系統面臨同質化、營養缺乏與生態壓力的背景下，食物生物多樣性（Food Biodiversity）的重要性日益凸顯。它不僅是保障人類營養健康的潛在寶庫，也是構建更具韌性和可持續性食品系統的基石。然而，在數以萬計的可食用物種中，絕大多數都處于“被忽視”或“未被充分利用”的狀態。針對這些被忽視和未被充分利用物種（Neglected and Underutilized Species, NUS）的研究面臨著嚴峻挑戰：研究資源有限，研究能力分布不均，且需要在生態保護、文化傳承與公共健康等多重目標間艱難平衡。那么，在資源有限的情況下，究竟應該優先研究哪些物種？哪些因素能夠有效指導這種優先排序，以確保研究投入能帶來最大的科學與社會價值？為了回答這些緊迫問題，一項以巴西為模型的研究應運而生。
巴西作為一個生物多樣性極為豐富的熱帶大國，其境內的被忽視食物物種種類繁多，是探索上述問題的絕佳樣本。研究人員首先進行了一項詳盡的清查工作，共識別出跨越六大類別（藻類、水生動物、野生陸生脊椎動物、昆蟲、蘑菇和植物）的369個被忽視食物物種。這項清單不僅揭示了物種構成的多樣性——其中以植物（占29.5%）和野生陸生脊椎動物（占24.4%）為主，也凸顯了當前營養數據存在的巨大空白，尤其是在藻類、昆蟲和野生脊椎動物領域。更令人印象深刻的是，研究團隊從烹飪傳統中挖掘出超過36,000份使用這些被忽視物種的食譜，為量化其文化嵌入性提供了寶貴數據。
面對如此龐雜的物種清單，傳統的專家經驗排序可能帶有主觀性，而純粹的數據驅動模型又缺乏可解釋性。為此，研究團隊創新性地采用了一種混合方法，將領域專家的寶貴知識與前沿的可解釋人工智能（Explainable AI）技術相結合。核心目標是識別出能夠有效預測一個物種是否應被優先選作食物成分研究或消費研究對象的決定性特征。為了實現這一目標，研究構建了兩個獨立的預測模型，分別對應“食物成分研究優先級”和“消費研究優先級”這兩個目標變量。模型所考慮的特征（或稱因子）廣泛涵蓋了物種的生物學特性、生態分布、文化使用情況等多個維度，例如物種的分類群、在各州的分布記錄數量、對應的食譜數量等。
在技術方法層面，研究主要應用了以下幾種關鍵技術：首先，通過系統的文獻與數據庫檢索，建立了巴西被忽視食物物種的詳細清單與屬性數據庫。其次，利用網絡爬蟲與數據挖掘技術，從公共食譜網站大規模收集并量化了物種相關的食譜數據，作為文化使用強度的代理指標。最后，也是研究的核心，是應用機器學習中的梯度提升決策樹算法（具體為LightGBM框架）來構建優先級預測模型，并進一步采用SHAP（SHapley Additive exPlanations）值分析這一可解釋AI技術，來量化每個特征對于模型預測結果的影響程度與方向，從而揭示驅動優先級決策的關鍵因素。
被忽視食物物種清單
研究人員系統性地編制了一份包含369個物種的清單，涵蓋藻類、水生動物、野生陸生脊椎動物、昆蟲、蘑菇和植物。分析表明，植物和野生陸生脊椎動物構成了清單的主體。同時，研究指出在營養數據方面存在顯著缺口，特別是在上述幾個類群中。
被忽視食物物種的烹飪用途
通過數據挖掘，研究識別出超過36,000份使用被忽視食物物種的食譜。這一發現量化了這些物種在巴西飲食文化中的廣泛存在和重要性，為后續分析提供了關鍵的“文化使用”量化指標。
預測食物成分研究優先級的特征
針對食物成分研究優先級的預測模型取得了較高的擬合優度（R2為0.677）。SHAP值分析顯示，食譜數量和物種在巴西不同州的分布記錄數量是預測一個物種是否應優先進行營養成分分析的兩個最具影響力的正面特征。這意味著，一個物種在傳統食譜中使用越廣泛、在各地越常見，就越有可能被研究者優先考慮進行其營養成分的詳細測定。
預測消費研究優先級的特征
對于消費研究優先級模型，其預測性能更優（R2達到0.782）。同樣地，食譜數量和州分布記錄數再次成為最具影響力的預測因子。這表明，在決定優先研究哪些物種的消費模式、可接受度及潛在健康影響時，其文化滲透度（通過食譜體現）和地理可及性仍然是核心考量。
各類別物種的優先級特征
深入不同生物類別的分析發現，對于植物而言，食譜數量是預測其消費研究優先級的唯一重要特征。對于野生脊椎動物，州分布數對食物成分研究優先級的影響最大。而對于昆蟲，其優先級則與它們所屬的目（生物分類單元）密切相關。
研究結論與討論
本研究的核心結論明確指出，在資源受限的條件下，優先考慮那些已經深深融入當地飲食文化（體現為豐富的食譜）且在本地易于獲取（體現為廣泛的分布）的被忽視食物物種進行營養學研究，是一種高效且合理的策略。食譜數量和分布范圍這兩個特征，跨越了食物成分和消費研究兩個不同維度，始終發揮著最關鍵的作用。這一發現深刻揭示了文化實踐與本地可及性在無形中塑造營養學研究議程的強大力量。
此項研究的意義重大。在方法論上，它成功示范了如何將領域專家知識（用于特征選擇與結果解讀）與可解釋人工智能（用于模型構建與因子重要性量化）相結合，為復雜環境下的研究優先級排序提供了一個透明、數據驅動且可推廣的新框架。在實踐層面，研究結果為巴西及其他具有豐富生物多樣性的熱帶地區的政策制定者、研究資助機構和科學家提供了明確的行動指南：應加大對那些具有深厚文化根基和廣泛可得性的被忽視物種的研究投入。最終，這項工作為推動填補關鍵營養數據空白、將生物多樣性資源有效整合到區域和國家食品系統中、從而促進可持續膳食和全球糧食安全，奠定了堅實的科學基礎。該論文已發表于《Scientific Reports》期刊。
