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 289 条结果
-
电磁膜分离过程中外加电流条件如何调节肽迁移与组分生物活性:一种基于机器学习的全面肽组学方法
查看原文2025
Food Research International
中科院一区JCR一区Aurore Cournoyer, Mathieu Bazinet, Jean-Pierre Clément, Pier-Luc Plante, Ismail Fliss & Laurent Bazinet
食品标签
内脏及副产物 非热加工技术 循环经济与绿色供应链 其他组学方法 蛋白质与氨基酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定 组学数据 中等规模数据集工业废水因其环境影响而成为全球关注的重要问题。然而,富含蛋白质的废水可以通过酶水解来释放生物活性肽,从而实现价值化。但是,实现选择性分子分馏并最终提高肽的生物活性需要昂贵的膜级联过程。在本研究中,使用了一种复杂的猪血水解物作为模型溶液,其中含有150种特征明确的肽且仅表现出抗真菌活性,以评估电流模式(连续电流、脉冲电场和极性反转)以及脉冲/暂停-反转脉冲持续时间(10秒/1秒和1秒/1秒)组合在电磁膜分离肽过程中的影响。数据分析得到了基于机器学习的肽组学方法的辅助,旨在确定肽的45种物理化学特征中哪些可以解释其在电渗析过滤膜过程中的迁移或未迁移现象。结果首次证明,电流条件可以调节回收肽的群体及其相关组分的生物活性。机器学习模型识别出了与肽迁移相关的主要特征,从而为潜在的肽选择性迁移现象提供了初步解释。对于连续电流、脉冲电场10秒/1秒和极性反转10秒/1秒条件,等电点和分子量最为重要。对于脉冲电场1秒/1秒条件,等电点、分子量和GRAVY亲疏水值起主要作用。最后,对于极性反转1秒/1秒条件,分子量、GRAVY值和酪氨酸含量是关键特征。此外,连续电流、脉冲电场10秒/1秒和极性反转10秒/1秒条件能够产生两个可再利用的组分:一个具有抗菌活性的回收组分和一个保留抗真菌活性的进料组分,这符合循环经济的概念。
-
探索关键质量指标,并开发利用近红外光谱法评估海鲈(Lateolabrax japonicus)质量评估的无损检测方法
查看原文2025
Food Chemistry
中科院一区JCR一区Ting Ma, Hong Lin, Limin Cao, Jianxin Sui, Qing Wang & Kaiqiang Wang
食品标签
鱼肉 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据本研究采用化学计量学方法,探究花鲈(Lateolabrax japonicus)感官评价与理化指标之间的关联。通过主成分分析、聚类分析及皮尔逊相关性分析,筛选出三项关键指标:蛋白质含量、b值和肥满度。利用灰色关联分析法对这三项核心品质指标进行权重赋值,构建得到花鲈品质综合评价模型:Y = 0.911 × 蛋白质(g/100 g) + 0.742 × b值 + 0.747 × 肥满度。此外,研究将近红外光谱技术与化学计量学相结合用于花鲈品质评价,借助正交偏最小二乘判别分析可精准区分不同产地的花鲈。针对关键品质指标蛋白质含量建立偏最小二乘回归预测模型,其决定系数R²P达0.926。本研究为开发水产品品质快速、经济且可靠的检测评价方法提供了新思路。
-
基于机器学习的郫县豆瓣鲜味肽探索:虚拟筛选、分子对接及翻译后修饰的启示
查看原文2025
Food Chemistry
中科院一区JCR一区Sen Mei, Liangyu Zhang, Yajie Li, Xiaoqian Zhang, Weili Li & Tao Wu
食品标签
发酵豆制品 品质、结构与理化性质 动力学建模 蛋白质与氨基酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定 组学数据郫县豆瓣(PXDB)独特的鲜味特征主要归因于其独特的肽段;然而,其结构特征、感觉机制及衰老过程中的生物合成途径仍不甚明了。本研究采用机器学习方法研究1至2岁陈酿的PXDB中的鲜味肽。我们鉴定了117种肽,预测其中69种具有鲜味潜力。感官分析确认了VEGGLR鲜味阈值极低(0.22 mmol/L)。分子对接进一步阐明了VEGGLR通过盐桥和氢键与T1R1/T1R3受体的相互作用,增强了鲜味感知。观察到的翻译后修饰,包括蛋白N6U2M1/N6UWT4上的磷酸化和乙酰化,暗示其在鲜味肽生物合成中具有潜在调控作用。这些发现为PXDB鲜味的形成提供了关键的分子层面见解,加深了我们对其风味化学的理解。
-
利用机器学习鉴定牡蛎水解物中新型鲜味肽及其味觉特性背后的机制
查看原文2025
Food Chemistry
中科院一区JCR一区Baifeng Fu, Minbo Li, Zhihui Chang, Junjie Yi, Shuzhen Cheng & Ming Du
食品标签
软体与贝类 品质、结构与理化性质 蛋白质与氨基酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定 质构/流变/感官数据过量摄入钠会带来极大的健康风险,因此研究人员开始探索鲜味肽作为减少钠摄入量的潜在替代物质。本研究采用机器学习方法对鲜味肽(PQFAPEED、EEHPVLLTEA、DQAIPNKPEE)展开研究,测得其感官阈值分别为0.24、0.30和0.29毫克/毫升。分子对接研究表明,氢键与疏水相互作用是这类鲜味肽结合鲜味受体T1R1/T1R3的关键作用方式,同时鉴定出Val714、Leu852、Gln853和Glu855为关键氨基酸残基。将DQAIPNKPEE与3毫克/毫升氯化钠复配后,其咸味感知效果与5毫克/毫升氯化钠高度相近。此外,DQAIPNKPEE与PQFAPEED被证实具有增盐活性,研究还确定Ala283、Glu284、Glu286、Arg294、Arg330和Arg583是人跨膜通道样蛋白4(TMC4)的关键氨基酸残基。这类鲜味肽可替代氯离子激活TMC4蛋白,进而产生咸味感知。本研究证实了机器学习可高效筛选牡蛎源鲜味肽,并适用于探究鲜味肽与味觉受体的相互作用机制。
-
利用傅里叶变换近红外光谱(FT-NIRS)和机器学习预测多种大豆品种的全粒和磨碎种子成分
查看原文2025
Food Chemistry
中科院一区JCR一区Guillaume Lassalle, Stéphane Michaux, Philippe Pollien, Isabelle Privat & Claire Denis
食品标签
豆类与坚果(及籽类) 品质、结构与理化性质 光谱/色谱/质谱等分析方法 维生素 矿物质与微量元素 蛋白质与氨基酸 脂质与脂肪酸 多酚与黄酮计算机标签
偏最小二乘法 支持向量机 智能手机/其他 定量预测/回归分析 红外/拉曼光谱数据大豆正越来越多地被纳入人类饮食,凸显了确定其成分的重要性。尽管傅里叶变换近红外光谱(FT-NIRS)已成为一项有前景的技术,但目前使用的模型仍限于宏观成分的确定。本研究探讨利用FT-NIRS和机器学习预测大豆宏量组成、脂肪酸和氨基酸、微量营养素、维生素、植酸、异黄酮、胰蛋白酶抑制剂以及五十多种挥发性有机化合物(VOCs)的可行性。我们的模型实现了蛋白质、脂质、多元不饱和脂肪酸、亚油酸以及多达15种氨基酸、4种微量营养素、5种维生素和14种挥发性有机化合物(0.60 < R)的可接受到高度准确的定量2<为0.96%和5.3%