“你吃进去的，90%尚未被科学理解。AI正在解码。”
营养素的冰山
水面以上 · 已知营养素
~188 种
维生素、矿物质、氨基酸等已被充分研究的化合物
水面以下 · 营养暗物质
139,000+
已记录靶点信息但未被充分研究的食物化合物
占比超过 90%
概念来源
2019年，Barabási实验室在 Nature Food 发表论文， 首次系统性地揭示了食物营养研究中存在的巨大盲区—— 在139,000+种已记录靶点信息的食物化合物中，只有不到10%被充分研究。 这片"暗物质"中隐藏着巨大的干预机会，而传统研究方法难以系统性地挖掘。
~188
已知营养素
被充分研究的化合物
139,000+
食物化合物
已记录靶点信息的化合物
<10%
研究比例
被充分研究的比例
2,658
SEMO覆盖
已纳入算法计算的化合物
SEMO如何解码暗物质
SEMO算法不是逐个研究每种化合物，而是通过网络医学的方法， 系统性地计算每种化合物对你的专属蛋白质网络的调控潜力。 扫描"你的网络对哪一种暗物质有响应潜力"——这是传统研究方法无法实现的。
线粒体网络
硫辛酸（Alpha-Lipoic Acid）
已验证SEMO发现其对COVID-19关键通路有显著调控潜力，后续文献印证其抗炎和抗氧化机制
免疫网络
维生素D3（Calcitriol）
已验证SEMO分析排名靠前，识别其对免疫网络的系统调控作用远超传统认知
COVID-19关键
L-色氨酸（L-Tryptophan）
已验证SEMO在COVID-19分析中识别其为核心调控节点，与色氨酸-犬尿氨酸代谢通路吻合
炎症网络
姜黄素（Curcumin）
挖掘中传统认知为抗氧化，SEMO揭示其对NF-κB炎症网络的多靶点协同调控
与SEMO的连接
SEMO算法将营养暗物质的概念从"理论认知"升级为"工程实践"。 它系统性地扫描你的蛋白质互作网络，在139,000+种化合物中， 找出对你的网络有显著调控潜力的那些—— 无论它们是否已被传统研究充分理解。这就是"AI解码暗物质"。