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 712 条结果
-
从深海贻贝 Gigantidas platifrons 水解物中发现新型 FXIa 抑制肽:AI 引导筛选、抗凝活性与机制解析
查看原文2026
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Yuhong Ouyang, Hao Chen, Jing Wang, Ning Wu, Lihua Geng, Quanbin Zhang, & Yang Yue
食品标签
鱼肉 软体与贝类 食品安全与风险评估 营养与生物功能 蛋白质与氨基酸计算机标签
机器学习/统计学习 设计/生成与推荐 合成/仿真数据为主开发靶向凝血因子 XIa(FXIa)的抗凝剂,是降低血栓风险并减少出血并发症的有前景策略,但深海来源 FXIa 抑制肽仍较少被探索。本研究发现,深海贻贝 Gigantidas platifrons 的胃蛋白酶水解物可通过延长活化部分凝血活酶时间(APTT),并在斑马鱼血栓模型中减少红细胞和血小板聚集而表现出抗凝作用。研究结合生物活性导向分离和 AI 辅助虚拟筛选,鉴定出三种新型 FXIa 抑制肽:VVTRVVR、TVTRLSD 和 VSQPRSTL,IC50 分别为 523、683 和 695 μM。这些肽选择性抑制 FXIa,而不影响 FXa 或凝血酶,并能延长 APTT。AlphaFold3 建模、分子动力学模拟和量子化学计算显示,其结合稳定性主要由 S1 口袋中 Asp189 的静电相互作用驱动。该工作为发现海洋来源抗凝肽提供了计算筛选与实验验证结合的策略。
-
基于机器学习优先级排序的水产食品中抗生素残留研究:揭示由 BCL2 介导的、暴露驱动的基因毒性风险
查看原文2026
Food Chemistry: X
中科院一区JCR一区Huangqu Zhu, Kaili Zhou, Yuanzhi Li, Qingqiong Zhou, Mingjun Peng, Xinlan Wu, Xinwu Mao & Qiaoyuan Yang
食品标签
其他肉与水产品 暴露评估与风险表征 细胞模型计算机标签
机器学习/统计学习 模型可解释性 缺陷/异物检测与定位水产食品中的抗生素残留具有基因毒性风险。传统监测仅关注单一残留限量(MRL)达标情况,往往忽略多残留复合累积风险。本研究构建了可解释机器学习(ML)框架,整合监测数据(3719份样品、17种抗生素)并结合机制验证,对2021−2023年广州地区抗生素残留进行风险排序。通过聚类与排序分析暴露水平与计算机模拟危害预测,恩诺沙星、磺胺甲恶唑与3‑氨基‑2‑恶唑烷酮被列为高风险物质,并利用可解释AI(SHAP)解构风险驱动因素。在L‑02肝细胞中,高风险混合物显著降低细胞活力(70.21±7.49%)、提高凋亡率(7.12±2.75%)并诱发DNA损伤(尾DNA% 5.25±1.03%)(均p<0.05)。BCL2过表达可显著缓解该损伤(尾DNA% 2.90±2.65%,p<0.05),证实其作为关键功能介导因子的作用。本研究建立的“从监测到机制”研究流程,为识别机制生物标志物与优先实施食品安全干预措施提供了数据驱动范式,优于传统仅基于合规性的监测模式。
-
人工智能唤醒食品包装:综合进展、挑战与未来展望
查看原文2026
Trends in Food Science & Technology
中科院一区JCR一区Xiaoxue Jia, Xiaoan Li, Mazen O. Alharbi, Peihua Ma, Mohammad Rashedi Ismail-Fitry, Shuangmei Xia, Ya Zhang, Yi Li & Qin Wang
食品标签
新材料/包装与接触材料 食品安全与风险评估 货架期预测与品质劣变动力学 包装设计与机械性能 智能/指示型包装 其他可持续性主题计算机标签
机器学习/统计学习 深度学习 定量预测/回归分析 过程控制与实时优化背景:人们对食品安全、环境可持续性以及消费者期望的担忧日益加剧,这正推动着包装从传统的被动式系统向主动式系统转变。人工智能(AI)已成为增强食品包装性能的变革性工具,它通过实现数据驱动的设计、实时监测和预测性质量控制,减少了食品浪费,并为循环经济目标提供了支持。
范围与方法:本综述对人工智能驱动的食品包装创新进行了全面且综合的分析。它介绍了关键的人工智能技术,包括机器学习、深度学习和生成模型,并探讨了这些技术在九个关键领域的应用:材料设计与优化、食品安全与新鲜度监测、化学迁移与毒性预测、包装工艺自动化、供应链与物流优化、个性化包装设计、回收与减废、碳足迹评估以及信息与可追溯系统。此外,本综述还指出了主要的技术、法规、经济和消费者相关挑战,并提出了未来的研究方向,以指导从实验室研究向商业应用的过渡。
主要发现与结论:人工智能在改善包装材料性能、实现智能腐败与质量监测、确保化学安全性以及优化制造和供应链方面已展现出巨大潜力。然而,数据可获得性有限、复杂的法规要求、高昂的实施成本以及对增强消费者信任的需求等障碍仍然十分显著。未来的研究应优先关注为复杂食品系统开发先进材料、可生物降解和可回收的传感器平台、可解释且节能的人工智能模型、标准化的评估框架,以及实现经济可行性和消费者参与的策略。总体而言,人工智能驱动的智能包装为实现安全、智能和可持续的食品系统提供了一条充满希望的途径。 -
基于计算机虚拟筛选、体外实验与机器学习的一体化技术流程用于山羊肝中抗氧化肽及联产脂质的快速发掘
查看原文2026
Food Research International
中科院一区JCR一区Dongjing Wu, Sirong Huang, Na Zhang, Mohammed Gagaoua, Yuhao Zhang & Yu Fu
食品标签
内脏及副产物 抗氧化/抗炎等功能 副产物与废弃物高值利用 常规理化指标测定 光谱/色谱/质谱等分析方法 其他理化与结构表征 蛋白质组学 蛋白质与氨基酸 脂质与脂肪酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 组学数据 质构/流变/感官数据富含优质蛋白质的山羊肝脏是肉类加工过程中的副产品,目前尚未得到充分利用。传统的酶解及筛选方法存在提取效率低、产量不稳定等问题。本研究旨在构建一套从山羊肝脏中快速发掘抗氧化肽及副产物脂质的一体化技术流程。本研究选用木瓜蛋白酶作为最优蛋白酶,酶解时间为5小时。通过肽组学与机器学习技术实现了抗氧化肽的鉴定及基于活性的预测,最终发现两种新型抗氧化肽(WGF和GPLF),其对DPPH自由基清除活性的IC₅₀值分别为1244 μM和2534 μM。分子对接与动力学模拟结果表明,这两种肽均通过氢键、范德华力及水介导作用与Keap1稳定结合,提示其可能通过Keap1-Nrf2通路发挥潜在抗氧化活性。气相色谱-质谱联用(GC–MS)分析显示,饱和脂肪酸与不饱和脂肪酸的含量分别为25.33±0.02%和74.67±0.04%。本研究建立了从山羊肝脏中提取抗氧化肽及副产物脂质的一体化流程,为未来基于生物活性肽的包装体系开发提供了理论依据。
-
鲜味肽的计算发现:从基于序列的智能模型到结构–功能机制解析
查看原文2026
Current Research in Food Science
中科院一区JCR一区Xiaolong Li, Xinwei Luo, Sijia Xie, Yijie Wei, Feitong Hong, Yuqing Jiang, Xinrui Zhong, Xueqin Xie, Caiyi Ma, Yuduo Hao, Fuying Dao, Kun Yang, Hao Lin, Hongyan Lai, & Hao Lyu
食品标签
特征风味 营养与生物功能 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
机器学习/统计学习 深度学习 分类/鉴别/等级评定 设计/生成与推荐 文本/知识库/法规数据 多模态/融合数据 合成/仿真数据为主鲜味肽是一类天然存在的生物活性肽,具有独特的鲜味特征,并在食品工业中展现出良好的应用前景。然而,基于感官评价、色谱和质谱的传统鉴定方法通常耗时、成本较高且通量较低。近年来,人工智能的发展为鲜味肽的大规模高效筛选提供了计算框架。本文综述人工智能驱动的鲜味肽预测以及分子对接所揭示的结构–功能机制方面的最新进展,系统介绍现有鲜味肽数据库、特征表示策略和前沿人工智能模型,包括机器学习、深度学习及多模型融合方法。此外,文章讨论了利用分子对接阐明鲜味肽与味觉受体,尤其是T1R1/T1R3受体之间相互作用的相关研究,为鲜味肽的理性设计提供机制依据。最后,本文总结人工智能辅助鲜味肽研究目前面临的挑战并展望未来发展方向,为鲜味肽在食品工业中的智能化开发与应用提供指导。