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 91 条结果
-
基于机器学习的建模用于监测和预测水产品中致病微生物的检测率和严重性
查看原文2026
International Journal of Food Microbiology
中科院一区JCR一区Wei Mi, Yijie Kong, Yongxin Ma, Chunbo Gong, Yapeng Huo, Xueying Feng, & Sha Liu
食品标签
鱼肉 微生物安全 传统统计分析与回归 动力学建模计算机标签
支持向量机 梯度提升决策树 定量预测/回归分析水产品中的致病微生物污染对食品安全和公共健康构成持续风险。传统监测方法在动态环境条件下往往缺乏足够的敏感性和特异性。为了解决这些局限性,本研究开发了一个利用中国烟台采集的水产品样品微生物检测数据(2014-2024)构建的机器学习(ML)框架,并将2025年的数据用于外部验证。该框架能够同时预测病原体的流行率和严重程度水平。同时,探索性数据分析评估了变量分布及其与检测率的统计关联。时间序列分析识别出了显著的长期趋势和季节性模式,而空间分析揭示了行政区域间污染风险的异质性,尤其是在沿海经济区和主要港口。通过应用动态阈值优化策略,使用六种机器学习算法(ROSE-LASSO、LightGBM、XGBoost、k-NN、CART 和 SVM)预测了检测率。在优化阈值为 0.157 时,LightGBM 显示出最佳性能,特异性为 97.6%,阳性预测值(PPV)为 99.9%。外部验证确认了其稳健性,获得了 91.2% 的敏感性、92.4% 的 F1 分数以及 93.6% 的 PPV。在三类严重程度分类中,XGBoost 实现了 93.7% 的总体准确率,并对高风险样本具有较高敏感性(80.0%),AUC 为 0.989。通过将时空环境特征与自适应阈值相结合,该框架为沿海水产品供应链中的病原体风险识别提供了一种可扩展的方法,支持预警系统和基于证据的资源分配。
-
水生生物肽在风味和代谢调节中的作用:生物化学与人工智能的汇聚
查看原文2026
Trends in Food Science & Technology
中科院一区JCR一区Haonan Sun, Tao Yu, Yuchen Zhang, Baosong Wang, Yuan Zhang, Weiqiang Qiu, Guoping Zhao, & Yanbo Wang
食品标签
鱼肉 特征风味 血糖、血脂与代谢相关功能 蛋白质与氨基酸计算机标签
深度学习 模型可解释性 设计/生成与推荐 质构/流变/感官数据 合成/仿真数据为主背景:水生生物肽已成为具有双重功能的活性物质,能够将感官感知与代谢调节结合起来。虽然大量富含蛋白质的副产品为这些成分提供了可持续的来源,但水解物的结构复杂性以及传统经验筛选的低效率阻碍了其全部潜力的发挥。范围与方法:本综述系统地考察了生物化学与人工智能(AI)在解码"风味-代谢轴"方面的融合。我们分析了关键结构决定因素--特别是低分子量(<1 kDa)、高疏水性以及特定末端残基--如何同时调控T1R1/T1R3受体的激活以及参与葡萄糖和脂质稳态的下游通路。关键是,我们评估了从生物引导分馏到人工智能驱动预测建模的范式转变。主要发现和结论:深度学习架构已经革新了肽的发现,实现了对感官特征超过 90% 的预测准确率。然而,必须区分一个关键点:目标预测,需要通过实际标签进行验证,而特征评估,则在没有参考标准的情况下推断因果关系。虽然当前的模型在预测方面表现出色,但它们关于可解释性的主张常常来源于可能是虚假的统计相关。因此,计算特征的重要性必须通过剂量反应实验或定点突变实验来验证,以区分真正的因果驱动因素。此外,尽管人工智能加速了实验室的发现,但工业应用在下游处理方面仍面临物理瓶颈,这需要数字化控制解决方案。未来的进展依赖于建立一个将计算机设计与湿实验验证相结合的闭环模式,使人工智能从筛选工具发展为生成引擎,将水产副产品转化为标准化的营养成分。
-
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。
-
计算机辅助实验研究用于 ACE 抑制肽的定向制备、筛选及相互作用机制解析
查看原文2026
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Xia Yang, Cheng Ge, Lu Lu, Yan Fan, Jiangjiang Zhang, Hongwei Zhang, Rilei Yu, Khurshid Ahmad, & Hu Hou
食品标签
鱼肉 抗氧化/抗炎等功能 加工与新加工技术 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 分类/鉴别/等级评定 红外/拉曼光谱数据 合成/仿真数据为主传统 ACE 抑制肽制备方法存在产率低、活性不足和优化过程复杂等问题。本研究提出 DeepAngio,一种用于解决上述限制并实现靶向释放的新模型。经 10 折交叉验证,DeepAngio 在筛选任务中表现出较高性能,准确率为 98.80%、精确率为 99.63%、特异性为 96.44%;在分类任务中的准确率为 88.24%、精确率为 86.76%、特异性为 95.16%。此外,DeepAngio 促进了具有显著 ACE 抑制活性的金枪鱼肉水解物定向制备方法开发,其 IC50 为 31.27 ± 0.72 μg/mL。研究从水解物中筛选出三种新的高效 ACE 抑制肽:LLRP(IC50 = 3.44 ± 0.19 μM)、LHWPR(IC50 = 17.67 ± 1.53 μM)和 RFLR(IC50 = 42.52 ± 7.50 μM)。这些肽通过混合竞争性机制(LLRP 和 RFLR)或竞争性机制(LHWPR)抑制 ACE 活性,并形成稳定复合物。光谱分析和分子对接揭示了各肽不同的结合模式,为 ACE 抑制肽的定向制备和机制解析提供了计算辅助实验路径。
-
集成微针贴片和机器学习在时间分辨荧光免疫层析试纸上的应用,用于鲑鱼中金黄色葡萄球菌肠毒素B的准确快速检测
查看原文2026
International Journal of Food Microbiology
中科院一区JCR一区Hui Jiang, Hui Du, Donglei Jiang, Xinmei Liu, Haijing Wu, Mengjing Huang, Rui Sun, Xiaojie Sun, Siqi Zeng, Yanmin Ju, & Jun Yang
食品标签
鱼肉 微生物安全 光谱/色谱/质谱等分析方法 显微与成像技术计算机标签
目标检测网络 定量预测/回归分析 可见光/RGB/视频数据 红外/拉曼光谱数据金黄色葡萄球菌肠毒素B (SEB) 是导致食源性疾病的主要原因。在本研究中,我们开发了一种结合水凝胶微针贴片 (HMNP) 和机器学习 (ML) 的时间分辨荧光免疫层析试纸 (TRFITS) 用于鲑鱼中 SEB 的快速检测。所开发的 HMNP,由甲基丙烯酰化明胶制成,可在6分钟内自动提取37毫克的组织间液。随后,我们对鲑鱼样品进行了 TRFITS 分析以检测 SEB,并使用 ML 算法预测其浓度。该方法可在32分钟内进行高效取样并准确量化 SEB,检测限 (LOD) 为4.63 ng/mL。此外,将 ML 辅助的 TRFITS 应用于鲑鱼样品显示,YOLOv11 模型达到了91.3%的预测准确率,并具有更低的检测限 2 ng/mL。这些发现突显了一种针对现场SEB检测的新方法,对食品安全监测和即时诊断应用具有重要意义。