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
-
将近红外光谱与化学计量学相结合,用于豆浆煮制过程中成分的无损质量监测
查看原文2025
LWT
中科院一区JCR一区Xinyue Cao, Li Li, Yiwen Liu, Xianjiang Zhou, Ran Qiu, Shihui Dai, Fengqing Wang, & Xuyan Zong
食品标签
豆类与坚果(及籽类) 过程监测与在线检测 传统热加工 光谱/色谱/质谱等分析方法 常规理化指标测定 蛋白质与氨基酸计算机标签
偏最小二乘法 支持向量机 定量预测/回归分析 红外/拉曼光谱数据在豆浆的煮沸过程中,蛋白质和可溶性固形物(TSS)的含量会发生显著变化,这可能影响产品的质量。传统的化学检测和分析方法资源消耗大且耗时,无法满足生产需求。本研究将近红外(NIR)光谱与化学计量学相结合,开发并比较了不同的回归预测模型,用于分析豆浆煮沸过程中可溶性蛋白质和TSS含量的变化。豆浆中可溶性蛋白含量的最佳预测模型是最小二乘支持向量机(LS-SVM)模型(R²c = 0.9949,RMSEC = 0.0229,R²p = 0.9678,RMSEP = 0.0579,RPD = 3.9734);而偏最小二乘(PLS)模型(R²c = 0.9833,RMSEC = 0.2033,R²p = 0.9732,RMSEP = 0.2777,RPD = 4.3525)在预测豆浆总可溶性固形物(TSS)含量方面表现优异。结果表明,建立的近红外光谱模型显示出以合理精度无损预测豆浆化学成分含量的潜力。本研究可为豆浆生产中的有效质量控制提供新的解决方案和思路。
-
基于机器学习的夏威夷果抗氧化肽筛选:体外实验验证与机制解析
查看原文2025
Food Research International
中科院一区JCR一区Weiye Jiang, Zehui Zhu, Fei Pan, Liang Zhao & Lei Zhao
食品标签
豆类与坚果(及籽类) 蛋白质配料 抗氧化/抗炎等功能 理化与结构表征 数值仿真 蛋白质与氨基酸计算机标签
支持向量机 梯度提升决策树 特征工程与选择策略 分类/鉴别/等级评定 设计/生成与推荐 组学数据氧化应激是慢性疾病发生的重要因素,推动了对有效天然抗氧化剂的需求。抗氧化肽是一种有前景的替代品,然而其传统鉴定方法费时费力且效率低下。本研究提出了一种基于机器学习的框架,以加速从夏威夷果蛋白中发掘抗氧化肽。利用ESM-2生成的序列嵌入结合十种机器学习算法,构建了针对四种抗氧化检测方法(ABTS、DPPH、ORAC、FRAP)的二分类模型,各模型预测准确率均超过92%。表现最佳的模型(如用于ABTS的XGBoost和用于DPPH的SVC)被用于筛选夏威夷果蛋白中的肽段,从而鉴定出SYLDL。体外分析显示,DPPH、FRAP和ORAC的抗氧化活性在酶解8小时后达到峰值,而ABTS活性在10小时达到最大值(68.7%)。合成了SYLDL肽,并在过氧化氢诱导的HepaRG细胞氧化应激模型中进行评估。在75 μg/mL浓度下,SYLDL处理能显著提高细胞活力和总抗氧化能力,同时降低细胞内ROS和MDA水平(p < 0.05)。与对照组相比,SYLDL还显著提高了GSH水平和CAT活性。Western blot分析证实,经SYLDL处理后,抗氧化相关蛋白HO-1、Keap1、NQO1和Nrf2的表达上调(p < 0.05)。此外,前沿分子轨道计算显示其能隙较低,与其强的电子供给能力和抗氧化活性一致。总之,这些发现支持SYLDL作为候选抗氧化肽的潜力,并展示了将基于机器学习的筛选与实验验证相结合在发掘食品源生物活性肽中的实用性。
-
利用近红外光谱与非线性化学计量工具结合APaRPs评估,定量预测超声处理下的鸡肉碎凝胶强度
查看原文2025
Food Chemistry
中科院一区JCR一区Huanhuan Li, Xorlali Nunekpeku, Wei Zhang, Selorm Yao-Say Solomon Adade, Waqas Ahmad, Wei Sheng & Quansheng Chen
食品标签
禽肉 物理辅助加工 质构与流变性质 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 支持向量机 梯度提升决策树 其他深度学习结构 定量预测/回归分析 红外/拉曼光谱数据实现理想的凝胶强度是保证鸡肉糜制品获得理想质构的关键。本研究建立了一种基于近红外光谱(NIR)与非线性化学计量学建模的快速、无损检测方法,用于预测超声波处理下鸡肉糜的凝胶强度。首先,对鸡肉糜样品进行0~50分钟的高强度超声波处理,随后进行热诱导凝胶化处理。采用传统方法测定凝胶强度,并采集近红外光谱数据。通过增广偏残差图(APaRPs)验证了凝胶强度与光谱数据之间存在非线性关系。随后,基于全近红外光谱,并结合无信息变量消除法(UVE)、竞争性自适应重加权算法(CARS)、遗传算法(GA)等变量筛选方法,分别构建非线性支持向量机(SVM)与极限学习机(ELM)模型。结果表明,遗传算法对模型性能的提升效果最优,其结合极限学习机模型获得了最高的预测决定系数(Rp²=0.8772),该方法具备快速、无损预测鸡肉糜凝胶强度品质的应用潜力。
-
基于多级虚拟筛选、多感官评价、电子舌与分子模拟技术,探究红菇中新型增鲜肽的发现
查看原文2025
Food Chemistry: X
中科院一区JCR一区Houyuan Lao, Chao Cheng, Fangxue Hang, Caifeng Xie, Debao Niu, Kai Li & Biyang Zhu
食品标签
食用菌菇 特征风味 光谱/色谱/质谱等分析方法 其他理化与结构表征 动力学建模 数值仿真 蛋白质与氨基酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定本研究采用整合的感官引导、机器学习和生物信息学策略,从红菇中鉴定出增鲜肽,研究了它们的鲜味增强机制,并通过感官评价和电子舌验证了其增鲜特性。三种增鲜肽(APDGLPTGQ、SDDGFQ和GLGDDL)通过显著增强谷氨酸钠(MSG)的鲜味强度和持续时间,表现出协同/叠加效应。此外,分子对接结果显示,这些增鲜肽提高了谷氨酸钠与T1R1/T1R3受体系统之间的结合亲和力和相互作用力,从而增强了鲜味感知。分子动力学模拟进一步表明,增鲜肽的存在稳定了谷氨酸钠与T1R1/T1R3的结合,这主要通过氢键和疏水相互作用实现。这些发现阐明了增鲜肽增强鲜味的机制,为减少谷氨酸钠和钠的摄入提供了新策略,同时扩充了来源于食用菌的鲜味肽库。
-
计算机辅助分子改造提升 D-阿洛酮糖 3-差向异构酶活性和热稳定性
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Taixiao Guo, Ming Miao, & Tao Zhang
食品标签
营养与生物功能 传统热加工 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D-阿洛酮糖 3-差向异构酶可将 D-果糖转化为 D-阿洛酮糖,但较低活性和较差热稳定性限制了其工业应用。本研究利用半理性设计和特定位点突变,同时提高来自 Clostridium scindens ATCC 35704 的 DAE(Csc-DAE)的酶活性和热稳定性。六个突变体 V22I、A25V、Q46I、C212N、G165A 和 G267D 的活性较野生型(553.7 U/mg)提高 1.08-1.31 倍,有序叠加的双点突变体活性提高 1.28-1.64 倍。其中 A25V/C212N 表现出较好热稳定性,最适温度为 65 °C,在 60 °C 下半衰期为 3.997 h,分别提高 5 °C 和 5.76 倍。在 65 和 70 °C 下转化率分别达到 30.62% 和 31.22%。研究还通过分子对接分析突变体结构变化。这些结果为 D-阿洛酮糖 3-差向异构酶工业应用提供了有益突变。