01 / 01

类目筛选(食品学者)

清除筛选
  • 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)

清除筛选
  • 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)

清除全部筛选
暂无筛选

标签记录(计算机学者)

暂无筛选

共 2456 条结果

  • 基于人类微生物组的食品健康效应机器学习预测

    2025
    Journal of Agricultural and Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Nanako Inoue, Tomokazu Shibata, Ryusuke Sawada, & Yoshihiro Yamanishi

    食品标签

    复合/即食/餐饮食品 血糖、血脂与代谢相关功能 肠道健康与微生物相关功能 微生物组/宏基因组学 益生菌/益生元/合生元

    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

    食物吸收依赖体内微生物活动。探索食品功能性时,需要同时考虑食品化合物及其经微生物代谢产生的代谢物。本研究开发了一种机器学习方法,利用微生物和代谢数据预测食品功能。预测基于 70478 种食品组成化合物、24255 种代谢物的化学性质,以及它们与疾病相关通路中靶蛋白的相互作用。研究识别出 941 种食品与 83 种疾病之间的潜在功能关联,并提供了机制层面的见解,尤其是与微生物相关的机制。微生物介导的食品对疾病的影响可按食品类型分类;例如,各食品类别中与疾病相关的微生物提示,拟杆菌门可能参与血脂异常,厚壁菌门可能参与帕金森病。该方法有助于识别疾病相关微生物、发现益生元食品,并突出食品干预在预防医学中的潜力;同时也可用于阐明由微生物代谢物介导的食品-疾病相互作用新机制。

  • 便携式中红外光谱结合化学计量学检测曲霉感染花生中的有毒代谢物和黄曲霉毒素

    2025
    LWT
    中科院一区
    JCR一区
    查看原文

    Siyu Yao, Jake Fountain, Gonzalo Miyagusuku-Cruzado, Megan West, Victor Nwosu, Eric Dowd, M. Monica Giusti, & Luis E. Rodriguez-Saona

    食品标签

    豆类与坚果(及籽类) 化学污染物 过敏原与毒性问题 光谱/色谱/质谱等分析方法 其他特殊成分

    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 中等规模数据集

    开发了一种基于便携式中红外光谱的非破坏性快速检测方法(约1分钟),用于检测受曲霉感染的花生中的黄曲霉毒素,有效解决了生物样品筛查的挑战。在本研究中,共有274颗花生仁接种了黄曲霉(A. flavus,NRRL 3357和AF13)菌株。通过便携式傅里叶变换红外(FT-IR)系统采集接种花生仁的光谱数据,并进一步通过化学计量学进行分析。接种花生中黄曲霉毒素水平的参考结果由超高效液相色谱-串联质谱(uHPLC-MS/MS)分析确定。有趣的是,在A. flavus感染的花生仁中检测到了黄曲霉毒素M1,并通过其碎片化模式得以确认。由OPLS-DA(正交偏最小二乘判别分析)和SIMCA(软独立建模分类相似性)开发的监督分类算法在识别黄曲霉毒素含量超过3 ppb的真菌污染方面均达到了较高的敏感性(94.7%)。此外,由PLSR(偏最小二乘回归)开发的回归算法,在定量分析单颗花生中的总黄曲霉毒素水平方面显示出较强的回归相关性(Rpre = 0.85)和出色的残差预测偏差(RPD = 6.2)。将该FT-IR系统与先进的预测算法结合,为检测感染黄曲霉的花生中的黄曲霉毒素并定量其含量提供了快速、用户友好且无创的解决方案。该提议的方法将提供在工厂中"随时"进行常规黄曲霉毒素筛查的可行性,提供一种成本效益高且可扩展的替代方案,以取代劳动密集型的湿化学方法(如uHPLC-MS/MS)。这项研究还将激发食品安全应用中非破坏性和高通量筛查技术的进一步创新。

  • 利用指示剂染料和机器学习对蔬菜中细菌污染进行高效的纸基比色检测

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Snehanjan Acharyya, Bipasha Sarkar, Lekhashree L.K. & Soumyo Mukherji

    食品标签

    新鲜蔬菜 微生物安全 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 可见光/RGB/视频数据

    细菌导致的食品污染及其引发的腐败问题在供应链中一直存在,这造成了大量浪费和经济损失。同样,由于不良或不卫生的农业操作及分销方式,蔬菜也容易受到微生物污染。本研究报道了一种简单、经济、无损、非接触且可连续检测细菌的方法。研究采用比色法,利用对pH敏感的指示染料制作了纸质传感器。这些传感器在接触到细菌菌株释放的挥发性有机化合物(VOCs)时,会发生明显的颜色变化。这种pH值/颜色变化取决于指示分子在与挥发性有机化合物相互作用过程中的去质子化和结构重组。该传感器成功检测出了蔬菜中的细菌污染,并能够对相关的腐败程度进行评估。研究人员将记录到的颜色转换为RGB值,并结合随机森林分类器,对受污染样本进行了精准区分。研究结果凸显了该方法在食品供应链中实现细菌污染实时、自动化检测的可行性,且该方法具有更好的可及性和高通量。

  • 基于感官评估和多元统计分析,比较六种菊花的香气特征,为甜香菊花的栽培提供策略

    2025
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Yi Li, Yang Pu, Fang Xu, Yajing Niu, Mengmeng Zhang & He Huang

    食品标签

    食用花卉 品质、结构与理化性质 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 偏最小二乘法 主成分分析/判别分析 分类/鉴别/等级评定 组学数据

    可食用菊花品种香气较轻,而野生菊花则表现出多样的香气特征。本研究研究了六种菊花的香气特征,包括菊花变种芳香(Cia)、菊花(Cl)、菊花(Cv)、菊花(Ci)、菊花(Co)和菊花'黄香'(CmHXL)。通过感官评估和头空间固相微萃取气相色谱质谱(HS-SPME-GC–MS),鉴定出79种挥发性化合物。主成分分析(PCA)和正交偏最小二乘判别分析(OPLS-DA)发现了17个标记化合物,包括醋酸銭、桉树醇和菊花酮,将该物种分为三个不同的气味组。此外,研究了Cia中芳香化合物跨代遗传的情况。结果显示,醋酸甲酯含量显著下降(跨代减少63.16%至95.79%),显示香气遗传面临挑战。本研究发现菊花是一种独特的芳香资源,尽管存在遗传挑战,仍为甜香可食用品种的发展提供了新见解。

  • 利用计算机辅助组合突变提高醇脱氢酶活性以高效合成 (S)-2-氯-1-(2,4-二氯苯基)乙醇

    2025
    Journal of Agricultural and Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Wenjie Ye, Jingwen Xie, Weijie Gao, Yifang Meng, Qinghai Liu, Hualei Wang, & Dongzhi Wei

    食品标签

    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

    (S)-2-氯-1-(2,4-二氯苯基)乙醇((S)-CPEO)是抗真菌药物卢立康唑的重要手性前体。本研究利用虚拟饱和突变评估有益位点组合,对来源于 Lactobacillus kefir 的突变醇脱氢酶 LkADH M0 进行重新设计,以高效合成 (S)-CPEO。研究通过与对苯乙酮衍生物具有高活性的酶进行多序列比对,在酶活性口袋中识别出 5 个保守性较低位点。为激发潜在协同效应并降低筛选工作量,研究将 5 个热点随机两两组合,生成 10 个虚拟饱和突变文库,其中 4 个有前景文库被实验构建和筛选。随后获得活性提高 5.4 倍的双突变体 LkADH M1(E145K/M206I),并以其为新模板迭代剩余三个位点,构建额外组合文库,最终得到 LkADH M3(T94V/E145K/L147M/M206I),其催化效率较 LkADH M0 提高 29.1 倍。LkADH M3 可高效还原最高 600 g/L 底物 2-氯-1-(2,4-二氯苯基)乙酮,对映体过量值超过 99.5%,时空产率达到 654 g·L-1·d-1。分子动力学模拟表明,活性增强与酶-底物复合物稳定性改善有关。

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=18.1!征稿丨Nature Communications:AI-Driven Smart Agriculture for Sustainable Food Systems

2027.03.18

农业生产与AI

了解更多

IF=13.8!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=10.6!征稿丨Journal of Future Foods:Intelligent Detection and Data-Driven Food Safety

2027.01.31

食品安全与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.7!征稿丨Current Research in Food Science:Intelligent Matrices: Machine Learning and AI in Molecular Food Science

2027.02.01

应用分子食品科学与AI

了解更多

IF=7.3!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=7.0!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=6.0!征稿丨foods:Flavor Formation Mechanisms,Targeted Regulation Strategiesand Al-Enabled Research inAnimal-Derived Foods

2027.01.10

动物源性食品风味与AI

了解更多

IF=5.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

IF=7.3!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

活动详情请关注“食品AI荟”微信公众号