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
-
通过低温真空炸法和基于机器学习的预测模型提升裹糊牡蛎的保质期及质量动力学
查看原文2025
Food Chemistry
中科院一区JCR一区Junbo Chu, Songyi Lin, Xiuping Dong, Bo Liu, Haiyou Dong & Simin Zhang
食品标签
软体与贝类 货架期预测与品质劣变动力学 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 定量预测/回归分析 质构/流变/感官数据作为一种广泛食用的预制食品,炸牡蛎在裹糊炸牡蛎中保持营养和感官品质是个重要问题。炸锅、空气炸锅和真空炸(VF)等方法被用于制作裹糊炸蚝。以0.2%(w/w)的比例加入瓜尔胶(GG)和黄原胶(XG),以减少VF加工过程中真空压力波动引起的表面裂纹。结果显示,GG和XG结合VF显著保留了牡蛎的营养,同时减少了脂质和蛋白质的氧化。基于最佳优化的熏制牡蛎加工参数,开发了两种预测模型。模型1使用多维变量预测MAPE 2.88%和R的保质期20.9992,显示出高精度。模型2/3以储存温度/时间为输入,以质量指数为输出,有效捕捉了新鲜度的变化。本研究旨在为海鲜的开发、加工和质量控制提供理论框架。
-
鲜味肽与鲜味受体T1R1/T1R3-VFT相互作用的计算研究
查看原文2025
Food Science and Human Wellness
中科院一区JCR一区Hengli Meng, Zhiyong Cui, Yingqiu Li, Yanyang Yu, Shui Jiang & Yuan Liu
食品标签
动力学建模 蛋白质与氨基酸计算机标签
深度学习 模拟与数字孪生 合成/仿真数据为主配体-受体相互作用的研究对食品风味感知领域具有重要意义。本研究采用计算机模拟技术,探究鲜味肽与鲜味受体T1R1/T1R3捕蝇草结构域(VFT)的相互作用机制。通过分子建模、分子对接及分子动力学模拟,分析了鲜味肽与T1R1/T1R3捕蝇草结构域之间的结合位点、构象变化及结合自由能。利用AlphaFold2构建的受体模型合理性最优。分子对接结果表明,鲜味肽主要依靠氢键作用与T1R1捕蝇草结构域结合,关键结合残基包括苏氨酸149、精氨酸151和天冬氨酸108。鲜味肽的结合可形成稳定性更高的复合体系,带正电荷氨基酸对整体结合自由能具有正向贡献。本研究为深入阐释鲜味物质与鲜味受体的相互作用机制提供了理论依据。
-
人工智能技术辅助酶预测与理性设计
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Yuhang Wang, Shuangxin Han, Yi Wang, Quanfeng Liang, & Wei Luo
食品标签
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/生成与推荐酶的结构决定其功能,因此阐明酶结构是解析催化机制和实现理性设计的基础。人工智能的发展引发了技术变革,为酶学理论研究和酶工程技术进步注入了新活力。本文概述了 AI 应用于酶结构解析和功能预测的发展过程及主要方法,并重点讨论基于 AI 的酶理性设计,详细介绍代表性 AI 算法和案例研究。在 AI 技术支持下,对酶结构、功能及二者关系的理解将更加深入和高效,从而推动酶工程在多个领域的广泛应用。
-
智能手机辅助荧光探头结合侧流测定,用于食品和生物体的Cys检测
查看原文2025
Food Chemistry
中科院一区JCR一区Yingying Xu, Jianmin Wang, Xue Hai, Jian Zhang & Jianhong Wang
食品标签
品质、结构与理化性质 过程监测与在线检测 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
主成分分析/判别分析 智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据将荧光探针、智能手机与侧向流动分析法(LFA)相结合构建新型检测体系,可满足半胱氨酸(Cys)快速、便捷、现场即时分析的需求。本研究设计合成了基于氟硼二吡咯(BODIPY)骨架的BDP-SINO探针,该探针检测半胱氨酸时具有高信噪比(363倍)与超快响应速度(1.0分钟)。同时,BDP-SINO可成功用于各类液态及固态萃取样品中半胱氨酸的含量检测。借助智能手机,负载BDP-SINO的试纸条与微孔滤膜可实现对半胱氨酸的便携式、实时可视化及定量检测。此外,将智能手机、线性判别分析(LDA)与侧向流动分析法联用,为半胱氨酸的定性检测搭建了全新检测平台。另外,BDP-SINO具备良好的生物相容性,可实现活细胞及小鼠体内半胱氨酸的荧光成像检测。综上,基于BDP-SINO构建的检测体系可在多种应用场景下实现对半胱氨酸的识别检测。
-
微生物组学与机器学习辅助方法揭示高温大曲中的氨基酸特征模式
查看原文2025
Food Chemistry
中科院一区JCR一区Chao Fang, Gailing Shi, Qing He, Shuang Xing, Peng Chen, Feng Shi, Zhiguo Liu, Ping Tang, Liangcai Lin & Cuiying Zhang
食品标签
其他酱腌/发酵食品 品质、结构与理化性质 微生物组/宏基因组学 蛋白质与氨基酸计算机标签
机器学习/统计学习 特征工程与选择策略 定量预测/回归分析 组学数据氨基酸是高温大曲中至关重要的氮源,可显著影响高温大曲的品质。本研究通过分析发酵参数与微生物群落结构,探究了氨基酸的变化规律。研究采用相关性分析与机器学习方法,从糖多孢菌属、芽孢杆菌属、乳杆菌属和枝芽孢杆菌属中筛选出6个关键扩增子序列变异体(ASVs)。功能预测结果表明,这些扩增子序列变异体在翻曲第一、第二阶段的氨基酸代谢通路中表现出较强的酶活特性,与实际观测到的代谢表型特征相符。集成机器学习模型可有效预测高温大曲中绝大多数氨基酸的含量,决定系数(R²)介于0.70至0.95之间,且通过独立的高温大曲样本集验证了模型的稳定性。本研究为传统发酵食品代谢物谱的预测与调控提供了研究思路与技术方法。