类目筛选(食品学者)
-
研究对象/基质维度
-
谷物/块根/豆与坚果类
-
小麦
-
玉米
-
大米
-
杂粮
-
马铃薯
-
其他根茎类
-
其他谷物与块根
-
豆类与坚果(及籽类)
-
-
肉类/蛋类与水产品
-
畜肉
-
禽肉
-
鱼肉
-
甲壳类
-
软体与贝类
-
内脏及副产物
-
其他肉与水产品
-
蛋类及其制品
-
-
乳及乳制品
-
液态乳
-
发酵乳/酸奶
-
奶酪
-
乳粉
-
乳清及乳清制品
-
其他乳制品
-
-
水果/蔬菜与菌菇类/植物类
-
新鲜水果
-
新鲜蔬菜
-
果蔬汁/浓缩汁
-
果蔬干/果脯/蔬菜干
-
其他果蔬制品/植物类
-
食用菌菇
-
食用花卉
-
-
油脂及油脂制品
-
植物油
-
动物油脂
-
起酥油/人造脂肪
-
油炸食品
-
其他油脂制品
-
-
饮料
-
果蔬饮料
-
茶/茶饮料
-
咖啡饮料
-
乳饮料
-
功能/运动饮料
-
碳酸饮料
-
酒精饮料
-
其他饮料
-
-
糖、焙烤与糖果制品
-
面包
-
蛋糕/糕点
-
饼干/薄脆制品
-
糖果
-
巧克力及含可可制品
-
其他焙烤与糖果制品
-
蜂蜜等天然糖
-
-
发酵食品及酱腌制品
-
大豆发酵制品
-
蔬菜发酵制品
-
发酵豆制品
-
谷物发酵食品
-
肉类发酵制品
-
水产发酵制品
-
其他酱腌/发酵食品
-
-
复合/即食/餐饮食品
-
方便面及速食米面
-
预制菜/即食菜肴
-
冷冻方便食品
-
罐头菜肴
-
餐饮菜品与团餐
-
其他复合食品
-
-
新资源食材
-
昆虫蛋白
-
微藻及藻类产品
-
单细胞蛋白
-
细胞培养肉
-
其他新资源食材
-
-
食品添加剂与配料
-
碳水化合物配料
-
脂肪/油脂配料
-
蛋白质配料
-
乳化剂/稳定剂/增稠剂
-
甜味剂
-
香精香料
-
酸度调节剂/防腐剂/抗氧化剂
-
营养强化剂
-
其他添加剂与配料
-
-
新材料/包装与接触材料
-
塑料材料
-
纸及纸板
-
金属材料
-
玻璃材料
-
生物基/可降解材料
-
多层复合材料
-
探针与分析传感材料
-
其他材料
-
-
食品加工设备与机械系统
-
热处理设备
-
干燥设备
-
挤压/混合/成型设备
-
分选/分级/检验设备
-
灌装/封口/包装设备与生产线
-
清洗/CIP/卫生相关设备
-
输送/搬运/机器人系统
-
其他加工设备与系统
-
-
-
研究主题/科学问题维度
-
加工与新加工技术
-
传统热加工
-
非热加工技术
-
物理辅助加工
-
3D 打印与结构构筑
-
挤压膨化与共挤技术
-
其他加工技术
-
-
保藏与贮藏
-
冷藏与冷冻保藏
-
干燥保藏
-
改良气调/控气贮藏
-
保鲜涂膜与保鲜剂
-
货架期预测与品质劣变动力学
-
其他保藏技术
-
-
品质、结构与理化性质
-
质构与流变性质
-
颜色与外观品质
-
微观结构与成像
-
氧化、褐变等化学变化
-
其他品质相关性质
-
特征风味
-
-
营养与生物功能
-
基本营养价值评价
-
抗氧化/抗炎等功能
-
血糖、血脂与代谢相关功能
-
肠道健康与微生物相关功能
-
其他生物活性与健康效应
-
-
食品安全与风险评估
-
微生物安全
-
化学污染物
-
加工污染物
-
过敏原与毒性问题
-
暴露评估与风险表征
-
其他安全问题
-
-
包装与智能监测
-
包装设计与机械性能
-
活性包装
-
智能/指示型包装
-
包装系统中的监测与标签应用
-
其他包装相关研究
-
-
可持续性与资源高值化
-
副产物与废弃物高值利用
-
能耗/水耗与环境影响分析
-
生命周期评价与碳足迹
-
循环经济与绿色供应链
-
其他可持续性主题
-
-
感官科学与消费者研究
-
感官评价与方法学
-
消费者偏好与接受度
-
市场细分与消费行为
-
标签、营养声称与信息呈现
-
其他感官与消费者研究
-
-
过程控制与数字化
-
过程监测与在线检测
-
过程优化与控制策略
-
生产管理与数字化工厂
-
其他过程控制与数字化研究
-
-
-
研究方法/证据层级维度
-
理化与结构表征
-
常规理化指标测定
-
质构与流变测试
-
显微与成像技术
-
光谱/色谱/质谱等分析方法
-
其他理化与结构表征
-
-
微生物与发酵实验
-
微生物计数与生长曲线
-
菌种筛选与特性评价
-
发酵工艺与动力学
-
生物膜与耐受性研究
-
其他微生物/发酵方法
-
-
组学与高通量技术
-
基因组学
-
转录组学
-
蛋白质组学
-
代谢组学
-
微生物组/宏基因组学
-
其他组学方法
-
风味组学
-
-
体外模型
-
体外消化模型
-
体外发酵模型
-
细胞模型
-
模拟胃肠/肠道系统
-
其他体外模型
-
-
动物实验/人体试验
-
小动物实验
-
大动物实验
-
人体干预试验
-
观察性人群研究
-
其他体内/人群研究
-
-
统计建模与仿真
-
传统统计分析与回归
-
响应面分析与多因素优化
-
动力学建模
-
数值仿真
-
其他统计建模方法
-
-
问卷/市场与消费者研究
-
问卷设计与实施
-
访谈与质性研究
-
行为实验与选择实验
-
其他消费者研究方法
-
-
标准/法规/数据库分析
-
标准与法规对比分析
-
政策评估与影响分析
-
食品成分/消费数据库分析
-
其他标准法规相关方法
-
-
其他方法
-
专利分析
-
德尔菲法与专家咨询
-
情景分析与情景模拟
-
其他难以归类的方法
-
-
-
关键营养素/成分维度
-
常量营养素(宏量)
-
蛋白质与氨基酸
-
脂质与脂肪酸
-
碳水化合物与糖类
-
-
膳食纤维与抗性淀粉
-
可溶性膳食纤维
-
不溶性膳食纤维
-
抗性淀粉
-
其他膳食纤维类成分
-
-
维生素
-
脂溶性维生素 A/D/E/K
-
维生素 C
-
维生素 B 族
-
其他维生素或前体
-
-
矿物质与微量元素
-
钙
-
铁
-
锌
-
碘/硒等微量元素
-
钠/钾/镁等常量矿物质
-
其他矿物质
-
-
植物化学/生物活性成分
-
多酚与黄酮
-
花青素与类胡萝卜素
-
酚酸类
-
含硫植物化合物
-
其他植物化学物质
-
-
益生菌/益生元/合生元
-
益生菌菌株
-
益生元
-
合生元产品
-
可发酵底物与其他肠道相关成分
-
-
功能性脂类与糖替代品
-
植物甾醇/甾烷醇
-
共轭亚油酸
-
中链脂肪酸
-
糖醇类
-
非营养性甜味剂
-
盐替代品与其他代谢敏感因子
-
-
其他特殊成分
-
咖啡因
-
茶氨酸
-
胆固醇
-
嘌呤
-
其他特殊成分
-
-
深度筛选(计算机学者)
-
模型类型
-
机器学习/统计学习
-
偏最小二乘法
-
支持向量机
-
随机森林
-
K-近邻
-
梯度提升决策树
-
主成分分析/判别分析
-
逻辑回归/贝叶斯
-
智能手机/其他
-
-
深度学习
-
卷积神经网络
-
循环神经网络
-
目标检测网络
-
图像分割网络
-
生成对抗网络
-
图神经网络
-
序列到序列/编码-解码
-
其他深度学习结构
-
-
大模型与 LLM
-
大语言模型
-
视觉基础模型
-
多模态基础模型
-
知识图谱与 LLM 集成
-
垂直领域微调/指令调优
-
检索增强生成
-
-
模型设计/优化策略
-
迁移学习/领域自适应
-
小样本学习
-
模型可解释性
-
模型轻量化/边缘计算
-
特征工程与选择策略
-
超参优化/自动机器学习
-
强化学习
-
-
-
模型任务
-
分类/鉴别/等级评定
-
定量预测/回归分析
-
缺陷/异物检测与定位
-
过程控制与实时优化
-
知识抽取与语义理解
-
设计/生成与推荐
-
模拟与数字孪生
-
-
模型数据
-
来源
-
可见光/RGB/视频数据
-
高光谱/多光谱光谱
-
红外/拉曼光谱数据
-
时序传感器/物联网数据
-
组学数据
-
质构/流变/感官数据
-
文本/知识库/法规数据
-
多模态/融合数据
-
-
量级
-
小规模数据集
-
中等规模数据集
-
大规模数据集
-
超大规模/工业级数据集
-
公开数据集
-
合成/仿真数据为主
-
-
标签记录(食品学者)
标签记录(计算机学者)
共 93 条结果
-
基于1H NMR和UPLC-HRMS的代谢组学方法评估Touriga Nacional葡萄酒的葡萄成熟度与浸渍时间及其与化学稳定性的相关性
查看原文2022
Food Chemistry
中科院一区JCR一区Elenilson G. Alves Filho, Lorena Mara A. Silva, Thamires O. Lima, Paulo R.V. Ribeiro, Cristine S. Vidal, Erika S.S. Carvalho, Janice I. Druzian , Aline T.B. Marques & Kirley M. Canuto
食品标签
酒精饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 多酚与黄酮计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定国产多瑞加(Touriga Nacional)是在巴西东北部圣弗朗西斯科河谷产区适应性优良的葡萄牙葡萄品种。然而,受葡萄酸度偏低、酚类物质成熟度不足所导致的化学稳定性差等问题限制,该品种所酿葡萄酒仅适用于短期饮用。为此,本研究采用超高效液相色谱 - 高分辨质谱联用技术、核磁共振波谱法,结合化学计量学方法(主成分分析 PCA、偏最小二乘判别分析 PLS-DA),评估两个采收季中葡萄成熟度与浸渍时间对葡萄酒化学组成的影响,并探究上述试验因素如何作用于葡萄酒化学稳定性。结果表明,葡萄成熟度是影响酒体的主导因素。总体而言,2 月采收的未成熟葡萄、搭配短时间浸渍工艺所酿葡萄酒中,酚酸与短链有机酸含量显著更高(p<0.05);而采用 7 月采收的过熟葡萄、延长浸渍时间后,葡萄酒中原花青素及其他类黄酮含量显著上升。此外,以过熟葡萄酿造的葡萄酒稳定性更优,且这类酒体中半乳糖醛酸含量更高。
-
基于非挥发性有机酸的白酒风味组学策略用于区分不同类型白酒
查看原文2022
Food Chemistry
中科院一区JCR一区Guangnan Wang, Xuebo Song, Lin Zhu, Qing Li, Fuping Zheng, Xiaojie Geng, Lianghao Li, Jihong Wu, Hehe Li & Baoguo Sun
食品标签
酒精饮料 特征风味 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 分类/鉴别/等级评定 组学数据本研究采用衍生化法结合气相色谱 - 质谱联用技术(GC-MS),对 12 种主流香型白酒中的非挥发性有机酸(NVOA)进行分析,共定量检测出 38 种非挥发性有机酸。同时,基于这 12 种香型白酒的非挥发性有机酸含量,构建了风味组学分析策略,成功实现白酒香型的区分判别。研究采用偏最小二乘判别分析(PLS-DA)模型(括号内依次为解释变异量、预测能力),分别针对不同分类维度开展分析:发酵工艺(0.931,0.870)、曲药(0.921,0.834)、发酵容器(0.899,0.810)及原料(0.951,0.909)。基于上述分类维度,模型均实现了良好的样本分离效果,分类准确率接近 100%,可完美区分不同香型白酒。通过投影重要性变量(VIP)法筛选出 17 种潜在标志物,并结合热图与系统聚类分析进一步验证,结果表明非挥发性有机酸对白酒香型具有极强的区分能力。
-
基于化学计量学和便携式近红外光谱的啤酒中二甘醇快速筛查方法
查看原文2022
Food Chemistry
中科院一区JCR一区A.C.C. Fulgêncio, Glaucimar Alex Passos Resende, Marden Claret Fontoura Teixeira, Bruno Gonçalves Botelho & Marcelo Martins Sena
食品标签
酒精饮料 化学污染物 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据近期某巴西啤酒品牌多批次产品发生二甘醇(DEG)污染事件,引发广泛社会反响,已造成至少 7 人死亡。本文建立了一种基于便携式近红外光谱结合 偏最小二乘判别分析(PLS-DA) 的直接检测方法,用于啤酒样品中二甘醇的快速测定。该判别模型以 100 份未污染啤酒样品与 100 份二甘醇加标样品构建,二甘醇质量浓度范围为10~1000 mg·L⁻¹,共计 200 份不同品牌、不同风格的啤酒样品。研究通过假阳性率、假阴性率、灵敏度、特异度、准确率、符合度与一致性等方法学评价指标对该方法进行验证。方法的判定限(CCα)为 52 mg・L⁻¹,检测能力(CCβ)为 106 mg・L⁻¹。本方法无需消耗化学试剂与溶剂,适用于啤酒行业质量管控及法医鉴定工作。
-
小麦来源对‘Blanche’小麦精酿啤酒挥发性成分的影响:一项化学计量学研究
查看原文2022
Food Chemistry
中科院一区JCR一区Riccardo De Flaviis, Veronica Santarelli, Delvana Mutarutwa, Marialisa Giuliani & Giampiero Sacchetti
食品标签
小麦 酒精饮料 品质、结构与理化性质 风味组学计算机标签
偏最小二乘法 分类/鉴别/等级评定精酿啤酒的香气是影响其整体可接受性与饮用口感的关键因素,原料会直接决定啤酒中挥发性有机化合物(VOCs)组成与香气特征。本研究分析了采用 不同产地(品种与种植地点) 的普通小麦(Triticum aestivum L.),并按梯度添加量制备的小麦精酿啤酒的挥发性有机化合物轮廓。PLS2 分析结果表明,小麦添加比例是影响 VOCs 组成的主要因素,而品种(维托里奥 Vittorio、索利纳 Solina)与种植海拔(海拔 70、500、1200 m)对 VOCs 变异的影响相对较小。偏最小二乘判别分析(PLS-DA)可依据 VOCs 轮廓对两个品种小麦酿造的啤酒进行区分,其中2 - 乙基己醇作为品种特异性标志物,仅在索利纳小麦酿制的啤酒中检出。
-
基于UPLC-QTOF-MS与化学计量学的中国红葡萄酒非靶向代谢组学分析及其地理来源追溯
查看原文2022
Food Chemistry
中科院一区JCR一区Yuan Pan, Hui-Wen Gu, Yi Lv, Xiao-Li Yin, Ying Chen, Wanjun Long, Haiyan Fu & Yuanbin She
食品标签
酒精饮料 光谱/色谱/质谱等分析方法计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 组学数据特定产区酿造的干红葡萄酒,其产地鉴别具有重要意义,而我国葡萄酒行业中产地虚假标注的问题屡有曝光。本研究建立了基于 超高效液相色谱 - 四极杆飞行时间质谱(UPLC-QTOF-MS) 的非靶向代谢组学方法,用于国产干红葡萄酒的产地判别。主成分分析(PCA)结果显示,我国三大知名产区的葡萄酒样品间存在显著差异。通过正交偏最小二乘判别分析(OPLS-DA)成对建模,筛选出导致产地差异的代谢物,在正、负离子电离模式下分别初步鉴定出40 种和46 种差异代谢物作为化学标志物。基于上述已鉴定标志物构建热图与 OPLS-DA 模型,对不同产区的外部验证样品成功实现区分,识别率高达96.7%。该研究表明,基于 UPLC-QTOF-MS 的非靶向代谢组学技术在国产干红葡萄酒的产地溯源方面具有巨大应用潜力。