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 167 条结果
-
使用机器学习方法研究具有增强健康脂肪酸的牛肉中鱼腥味的挥发性化合物指纹特征
查看原文2024
Meat Science
中科院一区JCR一区W. Barragán-Hernández, Ó. López-Campos, J.L. Aalhus & N. Prieto
食品标签
畜肉 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 支持向量机 随机森林 逻辑回归/贝叶斯 分类/鉴别/等级评定 组学数据采用机器学习分类方法对具有健康增强脂肪酸谱的牛肉中鉴定出的鱼腥味进行判别。随机森林方法的表现优于逻辑回归、偏最小二乘判别分析以及支持向量机(线性和径向)方法(P < 0.001);受试者工作特征曲线:99.8%,敏感性:99.9%,特异性:93.7%,正确分类了100%的鱼腥味肉样和82%的非鱼腥味肉样。随机森林算法识别出20种挥发性化合物,这些化合物负责区分鱼腥味和非鱼腥味肉样。其中,七种挥发性化合物(十五烷、十八烷、γ-十二内酯、十二醛、(E,E)-2,4-庚二烯醛、2-庚酮和乙苯)被选为鱼腥味指纹的重要贡献者,所有这些都与脂质氧化有关。这种鱼腥味指纹可以促进对具有增强健康脂肪酸的牛肉进行快速监测,以避免因鱼腥味导致的消费者不满。
-
基于机器学习的双通道CRISPR/Cas12a微滴无扩增核酸传感器在食品真伪检测中的应用
查看原文2024
ACS Nano
中科院一区JCR一区Zhiying Zhao, Roumeng Wang, Xinqi Yang, Jingyu Jia, Qiang Zhang, Shengying Ye, Shuli Man & Long Ma
食品标签
畜肉 禽肉 食品安全与风险评估 其他安全问题 光谱/色谱/质谱等分析方法计算机标签
随机森林 分类/鉴别/等级评定 可见光/RGB/视频数据开发新型肉类物种真实性检测技术势在必行。我们在此研发了一个名为CC-drop(CRISPR/Cas12a数字化单分子微滴生物传感器)的机器学习支持双通道微滴生物传感平台,用于肉类物种真实性检测。该策略使我们能够快速识别和分析食品中的动物源性成分。该生物传感器基于CRISPR/Cas12a的荧光点亮检测技术,核酸信号可被Cas12a-crRNA二元复合物识别,从而扳机旁观者报告单链(ss)DNA的顺式切割,在此过程中核酸信号可被转化并放大为荧光读数。通过将反应体积从皮升级降至超局部化微滴反应器,我们构建了可容纳上述反应的检测体系,从而进一步提高灵敏度,甚至实现了无需扩增的核酸检测。此外,我们还开发了一款智能手机应用程序,结合基于面积、荧光强度和计数等参数的随机森林机器学习模型,以确保图像记录和处理的准确性,样本到结果的分析时间控制在80分钟以内。值得注意的是,该生物传感器能够精准检测深加工肉制品中通常存在DNA片段化的ND1(猪源性特异基因)和IL-2(鸭源性特异基因),平行对比实验显示其结果比传统实时聚合酶链式反应更稳定可靠。总体而言,该生物传感器有望在未来用于食品真伪鉴别及其他核酸快速检测领域。
-
利用高通量测序结合基于超高层色谱系(UHPLC-MS/MS)的非靶向代谢组学,解析冷藏猪肉的腐败特性
查看原文2024
Food Chemistry
中科院一区JCR一区Zhengkai Yi, Xingning Xiao, Wei Cai, Zhaoyang Ding, Jiele Ma, Wentao Lv, Hua Yang, Yingping Xiao, & Wen Wang
食品标签
畜肉 食品安全与风险评估 光谱/色谱/质谱等分析方法 其他特殊成分计算机标签
随机森林 分类/鉴别/等级评定 组学数据冷藏猪肉的变质过程会导致营养物质的流失以及腐败细菌产生腐败代谢产物,但这一过程中的微生物与代谢产物之间的相互作用尚不明确。本研究采用 16S rRNA 高通量测序和基于超高效液相色谱 - 串联质谱(UHPLC-MS/MS)的非靶向代谢组学方法,揭示了冷藏过程中猪肉的核心微生物群落和代谢产物谱。通过随机森林模型分析,筛选出了 45 个潜在的生物标志物。代谢途径分析表明,包括生物胺代谢、戊糖代谢、嘌呤代谢、嘧啶代谢、磷脂代谢和脂肪酸降解在内的 11 个途径可能是猪肉变质的潜在机制。相关性分析显示,9 种代谢物——组胺、酪胺、色胺、D-葡萄糖酸、UDP-葡萄糖、黄嘌呤、谷氨酰胺、磷脂酰胆碱和十六烷酸——是变质的生物标志物,其中假单胞菌、沙雷氏菌和光细菌发挥了重要作用。这项研究为冷藏猪肉在变质过程中微生物及代谢特征的变化提供了新的见解。
-
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Qian Chen, Yuxi Ge, Xiaoyu He, Shanshan Li, Zhengfeng Fang, Cheng Li, & Hong Chen
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。
-
欧洲食品安全局来源归因模型(SAM)的应用,以比较2018–2020年期间意大利与国内生产相关的人类沙门氏菌病的主要来源
查看原文2024
Food Control
中科院一区JCR一区Giulia Cento, Marzia Mancin, Veronica Cibin, Laura Villa, Antonia Ricci, Laura Ciot, Giorgia Fabbri, Angelo Sardella, Carmen Losasso, & Lisa Barco
食品标签
畜肉 禽肉 蛋类及其制品 食品安全与风险评估 标准/法规/数据库分析计算机标签
逻辑回归/贝叶斯 分类/鉴别/等级评定 公开数据集沙门氏菌是欧洲主要食源性病原体之一,存在于多条食品生产产业链中。明确最常见的感染源头,有助于制定针对该病原体的有效防控方案。本研究采用欧洲食品安全局搭建的贝叶斯模型,将2018—2020年意大利本土人感染沙门氏菌病例溯源至四类潜在食用动物传染源,分别为蛋鸡鸡蛋、肉鸡、育肥火鸡与生猪,并结合本国生产情况开展分析。本次研究选取的传染源均为检出该病原体频次最高的品类。研究依据现行法规,采用常规监测体系前期收集的血清分型数据:家禽类样本取自初级养殖环节,生猪样本取自屠宰场胴体样本。模型分析结果显示,结合本国产能来看,在研究周期内生猪是造成人类感染沙门氏菌的首要食用动物传染源,其次为肉鸡、蛋鸡鸡蛋与火鸡。此外,2020年本土饮食摄入带来的沙门氏菌相对感染风险评估结果表明:食用等量猪肉的感染风险是食用鸡蛋的3.5倍;摄入猪肉带来的感染风险几乎为食用鸡肉的两倍。该研究结论值得重点关注:一方面印证了意大利多年来在家禽养殖领域推行的全国性防控措施成效显著;另一方面也提示,相关部门可探索将同类防控方案推广应用至生猪养殖群体。