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
-
基于化学性质的深度学习模型通过大规模虚拟筛选食源 α-葡萄糖苷酶抑制剂并体外验证以推荐糖尿病合理日常膳食组合
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Rui Liu, Jian-Wen Gan, Meng-Jia Sun, Hong-Xia Chen, Wan-Yi Zou, Shi-Di Zou, & Song Liu
食品标签
复合/即食/餐饮食品 食品安全与风险评估 体外模型 标准/法规/数据库分析 蛋白质与氨基酸计算机标签
深度学习 设计/生成与推荐 合成/仿真数据为主 公开数据集缺乏合适的化学研究方法限制了从大规模食源化合物中发现合理日常膳食组合。本研究训练了三个基于化学性质的深度学习模型,分别用于 α-葡萄糖苷酶抑制剂、安全性和药物-药物相互作用预测。训练后的模型从 FooDB 数据库约 70,000 个食源化合物中筛选潜在 α-葡萄糖苷酶抑制剂,并分析所选抑制剂之间的相互作用。在 FooDB 数据库筛出的 75 个候选抑制剂中,有 59 个此前未见报道。模型预测桦木酸与蒲公英赛醇、桦木醇和羽扇豆醇组合可协同增强 α-葡萄糖苷酶抑制作用,这一结果进一步通过体外实验得到证实。整体结果表明,基于化学性质的深度学习方法有潜力解决食品化学中合理日常膳食组合开发这一研究难题,并可为糖尿病膳食组合推荐提供计算辅助策略。
-
基于挥发组学与机器学习的鲑鱼新鲜度状态挥发性标志物识别
查看原文2025
Food Research International
中科院一区JCR一区Qian Hu, Bingwu Zhou, Guoping Li, Ranran Xing, Ying Chen & Jiukai Zhang
食品标签
鱼肉 食品安全与风险评估 包装与智能监测 光谱/色谱/质谱等分析方法 蛋白质与氨基酸 脂质与脂肪酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定 红外/拉曼光谱数据新鲜度是决定鲑鱼品质和消费者接受度的关键因素。然而,驱动鲑鱼腐败的挥发性标志物和代谢途径,特别是在向次新鲜状态转变的关键过程中,仍然缺乏清晰的表征。本研究结合顶空固相微萃取-气相色谱-质谱联用技术和随机森林机器学习方法,系统鉴定了冷藏储存期间鲑鱼新鲜度的挥发性标志物。鲑鱼样品被分为三个不同的新鲜度阶段(新鲜:0-6天,次新鲜:7-8天,腐败:≥9天),以研究在4°C储存下的候选标志物。最初,单变量方差分析和正交偏最小二乘判别分析确定了189种差异显著的挥发性化合物。随后的随机森林建模将其缩小到40个具有高预测准确性的潜在标志物。进一步使用O2PLS和多变量线性回归的综合分析,确定甲基乙二醛、苯甲醇和乙酸为指示新鲜度渐进性下降的稳健候选标志物。这三种挥发性物质通过靶向分析得到了验证。代谢途径分析强调了苯乙烯降解、苯丙氨酸代谢、硫代谢、糖酵解/糖异生、丙酮酸代谢和赖氨酸降解是关键腐败途径。总体而言,这种基于挥发组学的策略为理解新鲜度转变过程中的挥发性腐败指标提供了宝贵见解,并为客观评估鲑鱼质量提供了一种有效的替代方法。
-
用于新鲜茶叶多性状快速质量评估的优化近红外光谱-机器学习框架
查看原文2025
LWT
中科院一区JCR一区Xia Yin, Yangbo Xiao, Jie Li, Yongqiang Pei, Yingying Shen, & Xiaoyu Wang
食品标签
茶/茶饮料 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸 多酚与黄酮计算机标签
偏最小二乘法 特征工程与选择策略 定量预测/回归分析 红外/拉曼光谱数据 中等规模数据集当前鲜茶叶的质量评价方法在实时多组分分析方面存在局限性,成为智能茶叶加工的瓶颈。本研究提出了一种结合近红外光谱(NIRS)与先进波长选择技术的方法,以建立快速、无损的质量评估系统。我们对233个代表不同品种和成熟度的样品进行了全面分析,比较了四种波长优化算法(CARS、BOSS、VCPA-GA、VCPA-IRIV)与偏最小二乘法(PLS)建模的结合效果。所开发的模型成功实现了多项质量参数的同时预测,包括茶多酚、氨基酸、咖啡因以及主要儿茶素单体(EGCG、ECG),预测残差偏差(RPD)值在2.07至4.06之间。值得注意的是,所有 RPD 值均超过 2.5,显示出适合实际应用的强大预测能力。在测试的算法中,VCPA-GA 在氨基酸预测方面表现最佳,而 CARS 在多酚分析中表现出色。本研究为自动化茶叶生产中的实时质量监控提供了有效的解决方案,支持该行业向更可持续的精准农业实践转型。
-
Umami_IP:用于鲜味识别阈值定量预测的集成模型及解释性分析
查看原文2025
Food Chemistry
中科院一区JCR一区Zhiyong Cui, Yueming Wang, Tianxing Zhou, Jiaming Gu, Zhiwei Zhang, Wenli Wang & Yuan Liu
食品标签
其他添加剂与配料 感官科学与消费者研究 蛋白质与氨基酸计算机标签
智能手机/其他 分类/鉴别/等级评定 组学数据鲜味肽因其较高的营养价值和独特的风味而备受关注。然而,由于实验的复杂性和时间成本,鲜味肽的鉴定面临诸多障碍。本研究基于TastePeptidesDB(http://tastepeptides-meta.com/TastePeptidesDB)中记录的识别阈值,利用分子描述符、指纹图谱和分子对接技术构建了集成模型。随后,开发了一种新的预测框架,名为Umami_IP,用于预测鲜味肽的识别阈值。Umami_IP在训练集/测试集中的R²分别为84.95%/84.46%,解释方差分别为86.82%/84.47%。通过解释性分析和密度泛函理论,证实了静电表面势与识别阈值之间存在强相关性。本研究识别出了靠近活性口袋的静电通道。通过多序列比对,发现了T1R1上的关键基序(120S~169Y、179K~229L)。该研究为鲜味候选肽的筛选和鉴定提供了有价值的指导和排序依据。Umami_IP可在http://tastepeptides-meta.com/
-
基于炼金转化框架的相对结合自由能方法:预测鲜味肽衍生物鲜味识别阈值的有效策略
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Zhiyong Cui, Tianxing Zhou, Yueming Wang, Danni Zhang, Jiaming Gu, Zhiwei Zhang, Xiaoxiao Feng, Wenli Wang & Yuan Liu
食品标签
蛋白质配料 特征风味 其他统计建模方法 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 设计/生成与推荐 组学数据 文本/知识库/法规数据 中等规模数据集 合成/仿真数据为主具有风味和营养双重特性的味觉肽拥有众多衍生物,这些衍生物的预测工作对于使用绝对自由能预测工具和肽分类模型而言颇具挑战性。虽然基于化学转化框架的相对结合自由能(RBFE)方法在药物活性预测方面表现优异,但它们在味觉活性预测中的应用尚未得到探索。通过科学文献分析,系统地对 611 种味觉肽及其衍生物进行了组织和分类,记录了它们的结构和识别阈值,并将其聚类为八个组。采用 AFEM(原子自由能模型)计算每个组的核心结构与其衍生物之间的相对结合自由能,然后对这些能量与其阈值之间的比率(以 10 为底)进行对数拟合。RBFE 在定性判断中达到了近乎完美的准确性,并在定性预测中显著优于近似方法(对接、MM-GBSA 和 MM-PBSA),定性预测的 R2 值为 0.912。动态平衡分析确定了保守的接触点,包括 HdB_147_ASP、HI_HdB_218_ASP、HI_HdB_220_TYR、HdB_SB_277_ARG 和 HdB_301_GLU。密度泛函理论阐明了细微的结构差异如何改变静电表面和ΔHOMO–LUMO 距离,从而导致阈值的变化。所整理的数据集已以“TPDB-衍生版”(http://www.tastepeptides-meta.com/TastePeptides_Derivative)的形式发表。这项研究开创了将原子力电子结构模型应用于鲜味研究活性预测的先河,并为未来鲜味肽的合理设计提供了技术基础。