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
-
食品标签
特征风味 数值仿真 蛋白质与氨基酸计算机标签
图神经网络 模型可解释性 分类/鉴别/等级评定 组学数据 文本/知识库/法规数据理解调控甜味和苦味的分子机制,对于识别天然及合成化合物中理想的味觉特征至关重要。在本研究中,我们开发了基于图神经网络(GNN)的人工智能(AI)模型,用于根据化学结构预测苦味和甜味。图神经网络利用深度学习捕捉图中分子成分之间的关系,提取潜在的分子向量。与依赖预定义分子描述符的传统方法不同,图神经网络直接从分子结构中学习,减少了特征选择偏差。通过增强人工智能驱动预测的可解释性,图神经网络增进了人们对决策过程的理解。为了构建基于图神经网络的预测模型,我们收集了被分类为苦味或甜味的化合物数据集。我们的模型所达到的预测准确率与依赖分子描述符的传统机器学习和深度学习模型相当,甚至更高。为了增强模型的可解释性,我们采用了集成梯度法来可视化影响苦味或甜味预测的分子特征。这些可视化结果通过配体与味觉受体的分子对接模拟得到了进一步验证,模拟过程使用了AlphaFold蛋白质结构数据库。苦味评估使用的是TAS2R16,甜味评估使用的是TAS1R2。然后,我们将化学可视化结果与构象数据进行了比较,结果显示其与以往的实验和计算分析高度一致。这些发现验证了我们的人工智能模型的准确性和可视化结果,凸显了基于图神经网络的模型在味觉预测方面的潜力。这种方法为理解味觉感知背后的分子机制提供了一个新颖的框架。有必要进行更深入的研究,以更深入地探索这些机制,并将这种方法扩展到预测其他味觉模式。
-
基于机器学习和多尺度验证的青稞二肽基肽酶-IV抑制肽
查看原文2025
Food Chemistry
中科院一区JCR一区Xin Bao, Yiyun Zhang, Liyang Wang, Zijian Dai, Rong Li, Kefan Wei, Jiangqian Cao, Qingyu Zhao, Qun Shen & Yong Xue
食品标签
其他谷物与块根 血糖、血脂与代谢相关功能 统计建模与仿真 蛋白质与氨基酸计算机标签
随机森林 分类/鉴别/等级评定 设计/生成与推荐 组学数据青稞在调节血糖方面显示出潜力,可能是二肽基肽酶-IV(DPP-IV)抑制剂的天然来源。本研究采用机器学习(梯度提升决策树)和虚拟筛选技术,从青稞蛋白中筛选出DPP-IV抑制肽。三种候选肽(FPQPQ、FPRPF和YGGWN)的半数抑制浓度(IC50)分别为675.47、766.80和281.76μM。其中,FPQPQ和FPRPF是竞争性DPP-IV抑制剂,而YGGWN为非竞争性抑制剂。通过分子对接和分子动力学模拟研究了它们的抑制机制,并运用网络药理学揭示了它们在体内的多靶点、多通路降血糖活性。这种综合方法实现了对生物活性肽的高效精准筛选,并为其抑制作用提供了机制层面的见解。研究结果表明这些肽在血糖调节方面具有潜力,为基于青稞蛋白的功能性食品开发提供了支持。
-
利用机器学习优化菜籽蛋白明胶增强型食品保鲜涂料
查看原文2025
Chemical Engineering Journal
中科院一区JCR一区Frage Abooleesh, Muhammad Zubair & Aman Ullah
食品标签
豆类与坚果(及籽类) 新鲜水果 生物基/可降解材料 保藏与贮藏 货架期预测与品质劣变动力学 包装设计与机械性能 过程优化与控制策略 其他理化与结构表征 蛋白质与氨基酸计算机标签
机器学习/统计学习 定量预测/回归分析 过程控制与实时优化 中等规模数据集 合成/仿真数据为主 质构/流变/感官数据优化组分比例对提升生物塑料配方性能至关重要。传统优化方法耗时费力,而数据驱动方法需要大量数据集。为此,我们将13个实验数据点扩增至1,000个,显著提高了机器学习(ML)模型的预测精度。本研究采用三种ML模型优化由纤维素纳米晶体(CNC)增强、柠檬酸交联的油菜蛋白-明胶纳米复合材料配方,各模型均表现出卓越的预测性能(R²:0.9517-0.9998;均方误差:0.0001-0.5537;平均绝对误差:0.0018-0.4221)。最佳配方(1:1:5.5:3.87)制得的薄膜具有28.94±1.18 MPa的拉伸强度、22.61±2.12%的断裂伸长率和4.40±0.04 g·mm/(d·m·kPa)×10的水蒸气透过率。基于该配方的薄膜作为水果涂层应用时显示出延长的货架期,验证了其实际应用价值。研究表明,生成数据的整合能增强机器学习预测性能,捕捉输入与输出变量间复杂的非线性关系,从而平衡生物聚合物薄膜的机械性能与阻隔性能。本工作通过提供加速可持续生物基塑料开发的路径,凸显了数据生成与机器学习在材料科学中的潜力。
-
通过机器学习技术和固定化实现葡萄糖淀粉酶结构稳定与活性增强
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Frank Peprah Addai, Xinglin Chen, Hao Zhu, Zongjian Zhen, Feng Lin, Chengxiang Feng, Juan Han, Zhirong Wang, Yun Wang, & Yang Zhou
食品标签
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/生成与推荐葡萄糖淀粉酶可将淀粉水解为葡萄糖浆而不产生中间寡糖,但在工业条件下稳定性不足是其主要限制因素。本研究利用基于共识序列和祖先序列的机器学习工具,构建了含六个突变的功能性葡萄糖淀粉酶 GLL-6M(I73L/T130V/N212V/D238G/N327M/S332P),其水解活性优于野生型。研究还以氧化多壁碳纳米管作为固体载体固定化野生型 GLL,固定化容量为 211.28 mg/g。突变体 GLL-6M 和固定化酶 GLL@oMW-CNTII 的比活性分别提高 2.5 倍和 3.9 倍;两者在 50 °C 孵育 2 h 后均保留 64.5% 残余活性,而野生型 GLL 仅保留 42.6%。GLL 和 GLL-6M 在 55 °C 下 30 min 完全失活,而 oMW-CNTII 仍保留约 43.1% 活性。结果表明,将机器学习用于酶重新设计并结合固定化,是提升工业应用中酶性能和稳定性的可行替代策略。
-
深度学习引导发现天然变构抑制剂Celestolide靶向灰葡萄孢CYP51及其在草莓保鲜中的应用
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Xiaodi Niu, Ziji Zhang, Yangyang Song & Hongsu Wang
食品标签
新鲜水果 保鲜涂膜与保鲜剂 其他体外模型 蛋白质与氨基酸计算机标签
其他深度学习结构 设计/生成与推荐 合成/仿真数据为主多数CYP51抑制剂通过竞争性作用发挥功能且易产生抗性,而变构抑制剂虽前景广阔却难以开发。本研究采用神经关系推理框架结合基于高斯网络的深度学习模型CorrSite2.0,主动识别灰葡萄孢CYP51的变构位点,并证实Celestolide作为天然变构抑制剂靶向该位点。Celestolide与CYP51变构位点形成强相互作用,诱导其构象变化从而抑制酶活性,该结果与体外CYP50抑制实验(IC50=133.28 μg/mL)一致。此外,Celestolide对灰葡萄孢表现出显著抗真菌活性,可增加细胞膜通透性、引致膜结构破坏并最终导致真菌死亡。在灰霉病感染模型中,Celestolide有效阻止草莓受真菌侵染,将其保质期延长超1周。这些结果表明Celestolide作为天然保鲜剂在采后水果贮藏中的应用潜力。