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
-
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。
-
通过多组学整合和机器学习研究NnLOX1介导的莲花(Nelumbo nucifera)香气形成
查看原文2026
Food Chemistry
中科院一区JCR一区Longyun Cao, Ying Xin, Zifu Ni, Linjie Song, Zongyou He, Peng Jia, Zhixin Zhai, Hao Li, & Chen Dong
食品标签
其他果蔬制品/植物类 特征风味 转录组学 代谢组学 风味组学 其他植物化学物质计算机标签
机器学习/统计学习 分类/鉴别/等级评定 组学数据莲(Nelumbo nucifera)在全球的医药和食品工业中被广泛消费。然而,莲花的香气形成机制仍然在很大程度上未被探索。在本研究中,在"金丝年花"品种的莲花花瓣、花药、种子、蓬果和根茎中共鉴定出46种不同变化的代谢物(DCMs)。在这些挥发物中,壬醛在花药中的相对气味活性值(ROAV)较高,而在根茎中检测到壬醛的ROAV较低。进行了转录分析以筛选参与不同组织中壬醛合成的关键脂氧合酶(LOX),结果显示NnLOX1转录本与壬醛积累呈正相关。在烟草叶片中瞬时过表达NnLOX1可增加壬醛的生物合成,其可能被宽谱嗅觉受体(ORs)OR1A2检测到。我们的研究结果突出了 NnLOX1 在形成 N. nucifera 各种组织特有香气中的关键作用。
-
发酵乳中新的鲜味肽的鉴定及其通过分子对接和分子动力学模拟揭示的鲜味机制
查看原文2026
Food Chemistry
中科院一区JCR一区Yuxiang Gu, Kun Chen, Weixi Yang, Congnan Cen, Ying Sun, Xiaoqian Chen, Xing Li, & Yanbo Wang
食品标签
发酵乳/酸奶 特征风味 体外模型 蛋白质组学 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 组学数据 合成/仿真数据为主 质构/流变/感官数据一种整合多模型机器学习、生物信息学筛选、感官评价、分子对接和动力学模拟的精简工作流程被应用于发酵乳中的鲜味肽挖掘。基于双重筛选标准--(i) UMPred-FRL、Umami_YYDS、Umami-MRNN、Mlp4Umami、Umami_TD一致预测为鲜味,(ii) 理想的体外计算特性(无毒性、无致敏性、良好的溶解性、稳定性、潜在生物活性)--从肽组学鉴定的1505条肽中筛选出10条作为鲜味肽候选。感官评价确认其中8条赋予了鲜味。分子对接显示,鲜味肽主要通过其亲水残基(主要是赖氨酸、酪氨酸)与受体亲水残基(TAS1R1中的赖氨酸/精氨酸,TAS1R3中的天冬酰胺)形成氢键,从而与TAS1R1/TAS1R3相互作用。TAS1R1的Arg307/Met375/Lys379残基,以及TAS1R3的Arg327/443/Ala329/Val437/Met452残基是关键相互作用位点。分子动力学模拟显示,具有最高鲜味的三种肽--EVFTKK、SKKTVDME、VMGVSKVKE--与TAS1R1/TAS1R3形成了稳定且紧凑的复合物。这项工作有助于加深对发酵乳鲜味特性的理解。
-
植物蛋白基活性与智能食品包装:应用与展望
查看原文2026
Food Hydrocolloids
中科院一区JCR一区Jianglong Kong, Sihan Ma & Runxuan Chu
食品标签
蛋白质配料 包装设计与机械性能 智能/指示型包装 蛋白质与氨基酸计算机标签
机器学习/统计学习 过程控制与实时优化 设计/生成与推荐 文本/知识库/法规数据塑料污染增加了对可生物降解包装材料的需求。在各种可选方案中,植物基蛋白质因其广泛的可用性、强大的成膜能力、可生物降解性和功能多样性,已成为可持续包装的关键焦点。然而,与传统塑料相比,植物蛋白基薄膜在承受机械应力或拉伸时常常表现出脆性。此外,某些植物蛋白的亲水性导致湿度敏感性,在高湿条件下可能导致膨胀、吸水甚至溶解。这些问题降低了包装的有效性。本综述总结了目前旨在增强植物蛋白基食品包装功能特性的策略,并着重介绍了它们在活性和智能包装系统中的应用,特别是与新兴技术相结合的情况。此外,还探讨了人工智能在设计、性能优化和这些系统的实时监控中的潜在角色。而且,还讨论了与工业化生产和此类薄膜长期稳定性相关的未来前景与挑战。本综述旨在提供有价值的见解,以支持植物蛋白基包装在可持续食品系统中的持续发展和更广泛应用。
-
通过多工具共识预测和结构引导筛选工程化提高 β-琼胶酶热稳定性
查看原文2026
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Qianqian Diao, Xingfei Li, Yuxiang Bai, Xiaoxiao Li, Zhengyu Jin, & Jie Long
食品标签
营养与生物功能 加工与新加工技术 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β-琼胶酶在制备生物活性琼胶寡糖中具有关键作用,但热稳定性不足限制了其工业应用。本研究开发了一种分步设计策略,整合多工具共识预测、基于结构的理性筛选以及基于贪心算法的优化,用于提高 AgaDcat 的热稳定性。该策略获得突变体 M3(N120S-D243N-Q246A-S287E-A335D),其熔解温度(Tm)较野生型提高 11 °C,在 50 °C 下半衰期延长 14 倍。分子动力学模拟显示,突变增强了疏水相互作用、盐桥和氢键网络,同时优化了表面电荷。M3 变体在高温琼脂糖水解中表现良好,主要生成新琼四糖(NA4)和新琼六糖(NA6),显示出较大工业应用潜力。该框架提高了酶热稳定性工程的效率,并为工业酶改造提供了通用方法。