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 1098 条结果
-
基于相似性评估模型的人类乳磷脂成分与结构及其自然资源的比较研究
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
乳及乳制品 营养与生物功能 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
机器学习/统计学习 定量预测/回归分析 组学数据人乳磷脂(HMPLs)在婴儿的神经发育和成长过程中起着不可或缺的作用。在本研究中,从人乳以及其他天然磷脂来源(包括 5 种动物来源和 2 种植物来源)中检测到了总共 37 种磷脂脂肪酸(PLFA)种类和 139 种磷脂分子种类。此外,还建立了一个针对 HMPLs 的相似性评估模型,包括磷脂类别、PLFA 和磷脂分子种类,以评估其天然替代品。在这些三个维度中,HMPL 替代品的最接近得分分别为 0.89、0.72 和 0.77,分别对应马乳、山羊乳和骆驼乳。综合相似性得分最高的是骆驼乳,为 0.75,而最低得分出现在大豆磷脂上(0.22)。因此,这些结果不仅监测了 HMPLs 及其替代品的立体化学结构,而且还为婴儿配方的开发提供了新的见解。
-
非靶向代谢组学与可解释人工智能:处理和颜色对杜仲皮层针叶醛水平的影响
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
新鲜蔬菜 加工与新加工技术 光谱/色谱/质谱等分析方法 传统统计分析与回归 其他植物化学物质计算机标签
梯度提升决策树 分类/鉴别/等级评定 可见光/RGB/视频数据 组学数据欧肉豆蔻(Eucommia ulmoides)是一种原产于中国的植物,因其药用价值而备受重视,并在食品、保健品和传统中药中有着广泛应用。经过加工的欧肉豆蔻树皮(EC)一直以来都是一种极为珍贵的药物。古代医生在加工欧肉豆蔻树皮方面积累了丰富的经验,尤其是使用姜汁进行加工,这在传统的中医文献中有记载。欧肉豆蔻树皮与姜汁的结合有助于释放和转化活性成分,从而增强药物的效力、改善其口感和保质期。然而,由于姜欧肉豆蔻(G-EC)(由欧肉豆蔻树皮和姜汁加工而成)缺乏质量控制标准,这给其工业和临床应用带来了挑战。本研究使用 CRITIC 和 Box-Behnken 方法优化了 G-EC 的加工过程。代谢组学分析显示,未加工和加工后的 G-EC 之间存在 517 种化学变化,其中尤以肉桂醛(CFA)含量的增加最为显著。可解释的人工智能技术揭示了利用颜色来检测 CFA 含量的可行性,从而为质量指标提供了见解。
-
利用VNIR-SWIR高光谱成像和KRR模型,利用精细特征波长方法检测丹丛茶中的生物活性化合物含量
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
茶/茶饮料 其他品质相关性质 光谱/色谱/质谱等分析方法 其他植物化学物质计算机标签
机器学习/统计学习 超参优化/自动机器学习 定量预测/回归分析 高光谱/多光谱光谱高光谱成像(HSI)为非破坏性地检测茶叶中生物活性化合物的含量提供了机会,而要实现高检测精度,则需要从复杂的高光谱数据中提取有效特征。在本文中,我们提出了一种名为区间波段选择 - 竞争性自适应重加权采样 - 融合(IBS-CARS-Fusing)的特征波长细化方法,用于从可见 - 近红外(VNIR)和短波 - 近红外(SWIR)高光谱图像中提取特征波长。结合所提出的 IBS-CARS-Fusing 方法,建立了一个核岭回归(KRR)模型,用于预测包括叶绿素 a、叶绿素 b、类胡萝卜素、茶多酚和氨基酸在内的生物活性化合物在丹青茶中的含量。结果表明,IBS-CARS-Fusing 方法可使 KRR 模型对这些生物活性化合物的 Rp2 值分别提高 4.77%、4.60%、6.74%、15.52% 和 13.10%,并且模型的 Rp2 值达到了 0.9500、0.9481、0.8946、0.8882 和 0.8622 的较高值。此外,还使用叶化合物面积质量热图来可视化化合物的空间分布。
-
探索空气炸鱼过程中鲑鱼脂质指纹识别(Salmo salar)变化的分子机制,整合机器学习引导的REIMS和脂质组学分析
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
鱼肉 食品安全与风险评估 光谱/色谱/质谱等分析方法 脂质与脂肪酸计算机标签
深度学习 支持向量机 逻辑回归/贝叶斯 分类/鉴别/等级评定 组学数据空气炸制海鲜中的脂质氧化会对人体健康造成威胁。然而,氧化剂环境对不同空气炸制温度(140、160、180 和 200 摄氏度)下海鲜中脂质氧化的影响尚不明确。采用集成机器学习(ML)指导的 REIMS 和脂质组学方法,对不同空气炸制温度(140、160、180 和 200 摄氏度)下的鲑鱼的脂质谱、脂质氧化和脂质代谢途径进行了研究。主要的 ML 方法(神经网络、支持向量机、集成学习和朴素贝叶斯)显示,不同温度下空气干燥的鲑鱼的脂质组学指纹存在显著差异。总共鉴定出 773 种差异表达代谢物(DEMs),包括甘油磷脂(GPs)、甘油酯(GLs)和鞘脂。对 34 种 p 值小于 0.05 且投影重要性值大于 1.0 的 DEM 进行了分析,这些代谢物属于亚油酸代谢、GL 代谢和 GP 代谢途径。相关网络分析表明,某些特定的二甲基亚砜衍生物(磷脂酰胆碱、溶血磷脂酰胆碱、甘油三酯、脂肪酸和磷脂酰乙醇胺)与脂质氧化高度相关。此外,还对挥发性化合物的变动、颜色值、纹理特征以及硫代巴比妥酸反应物质值进行了分析,以证实氧化特性。
-
黄嘌呤氧化酶抑制肽的虚拟筛选:利用机器学习实现抑制机制及活性预测
查看原文2024
Food Chemistry
中科院一区JCR一区食品标签
畜肉 营养与生物功能 统计建模与仿真 传统统计分析与回归 其他特殊成分计算机标签
机器学习/统计学习 定量预测/回归分析 文本/知识库/法规数据黄嘌呤氧化酶(XO)抑制肽能够预防由 XO 引起的高尿酸血症。目前,关于不同长度的 XO 抑制肽的定量构效关系研究仍需进一步丰富。在此,通过虚拟筛选从猪内脏蛋白中获得了 XO 抑制肽。通过机器学习建立了预测模型。虚拟筛选保留了四种长度的肽,分别为 3 - 6 个氨基酸。分子对接识别了它们与 XO 的结合位点,并表明残基 W、F 和 G 是关键氨基酸。建立了相应的 XO 抑制肽数据集。使用最优模型对已报道的肽进行了泛化。结果表明,在泛化测试中,三肽、四肽、五肽和六肽的 R2 值分别为 R2 = 0.81、R2 = 0.82、R2 = 0.83 和 R2 = 0.83。总体而言,这项工作可以作为解释 XO 抑制肽活性机制和预测 XO 抑制肽活性的参考。