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
-
纳米间隙辅助 SERS/PCR 生物传感器结合机器学习直接检测食品中的金黄色葡萄球菌
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Yi Xu, Jiaji Zhu, Rui Liu, Fangling Jiang, Min Chen, Felix Y. H. Kutsanedzie, Tianhui Jiao, Jie Wei, Xiao-mei Chen, & Quansheng Chen
食品标签
液态乳 新鲜水果 微生物安全 过程监测与在线检测 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
偏最小二乘法 定量预测/回归分析 红外/拉曼光谱数据 时序传感器/物联网数据金黄色葡萄球菌是食品安全中的主要风险因素。本研究开发了一种纳米间隙辅助表面增强拉曼散射/聚合酶链式反应(SERS/PCR)生物传感器,并结合机器学习工具,用于直接、特异检测牛奶中的金黄色葡萄球菌。研究首先通过 PCR 扩增金黄色葡萄球菌特异性 nuc 基因片段(nucT),随后利用 I- 和 Mg2+ 介导的双金属金银纳米花(Au/Ag FL@I--Mg2+)的纳米间隙效应对其进行捕获。这些纳米间隙可形成热点,实现被包埋 nucT 的直接信号放大。随后,机器学习工具用于比较分析采集到的 SERS 信号,其中自助软收缩-偏最小二乘方法表现最佳,预测均方根误差为 0.437,预测集相关系数为 0.967。该研究展示了一种新型无标记特异检测金黄色葡萄球菌的策略;通过设计合适的特异性引物,该策略可进一步扩展为检测其他食源性致病菌的平台。
-
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
特征风味 营养与生物功能 标准/法规/数据库分析 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/仿真数据为主兼具风味和营养属性的鲜味肽具有大量衍生物,对绝对自由能预测工具和肽分类模型提出挑战。基于炼金转化框架的相对结合自由能(RBFE)方法在药物活性预测中已表现出优异性能,但尚未应用于味觉活性预测。本研究通过文献分析系统整理 611 条鲜味肽及衍生物,记录其结构和识别阈值,并聚类为 8 个簇。研究采用炼金自由能方法计算每个簇中心结构与其衍生物之间的 RBFE,并对这些能量与阈值之间以 10 为底的比值进行对数拟合。RBFE 在定性判断中达到接近完美的准确性,并在定量预测中显著优于对接、MM-GBSA 和 MM-PBSA 等近似方法,R2 达到 0.912。动态平衡分析识别出 HdB_147_ASP、HI_HdB_218_ASP、HI_HdB_220_TYR、HdB_SB_277_ARG 和 HdB_301_GLU 等保守接触。密度泛函理论解释了细微结构差异如何改变静电表面和 ΔHOMO-LUMO 能隙,从而驱动阈值变化。研究整理的数据集已发布为 TPDB-Derivative。该工作率先将炼金自由能方法用于鲜味活性预测,并为未来鲜味肽理性设计提供技术基础。
-
机器学习发现青稞蛋白中抑制血管紧张素转化酶的新型降压肽
查看原文2025
Food Research International
中科院一区JCR一区Xin Bao, Yiyun Zhang, Liyang Wang, Zijian Dai, Yiqing Zhu, Mengyao Huo, Rong Li, Yichen Hu, 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 其他组学方法 蛋白质与氨基酸计算机标签
梯度提升决策树 定量预测/回归分析 组学数据高血压是一个全球性的重大健康问题,迫切需要从天然来源开发新的降压药物。本研究旨在从食物来源的生物活性肽中,特别是青稞蛋白中,鉴定新型的血管紧张素转化酶(ACE)抑制剂,以弥补高效天然ACE抑制剂的空白。本研究采用基于机器学习的分析流程结合肽组学技术筛选ACE抑制肽,在四种测试模型中表现最优的梯度提升决策树(GBDT)被用于预测来源于木瓜蛋白酶水解青稞蛋白的肽段的ACE抑制能力。通过计算机模拟和体外实验对筛选出的肽段进行了验证,其中FPRPFL被鉴定为最有效的ACE抑制剂(IC50 = 1.18 μM)。利用酶抑制动力学和消化稳定性模拟研究了其抑制模式和稳定性。通过圆二色光谱、分子对接和分子动力学模拟进一步分析了FPRPFL与ACE的结合模式和作用机制。网络药理学揭示了其多靶点、多途径的降压特性。机器学习与体外实验的结合能够实现生物活性肽的准确鉴定和其功能的全面分析,为阐明肽的作用机制建立了有价值的流程,并为天然ACE抑制剂的工业化规模生产奠定了坚实基础。
-
高性能硫空位硫化亚铁模拟酶实现的食品谷胱甘肽便携式即时检测
查看原文2025
Food Chemistry
中科院一区JCR一区Zhen Huang, Lu Luo, Pengcheng Lin, Donglin Cao & Wei Xiao
食品标签
品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
智能手机/其他 定量预测/回归分析 可见光/RGB/视频数据谷胱甘肽(GSH)是一种关键的生物活性物质,对食品营养和安全性有着显著影响。本研究开发了一种基于硫空位硫化铁(SV-FeS)模拟酶的新型比色传感平台,用于食品样品中谷胱甘肽的快速定量检测。该模拟酶具有三维(3D)微花结构,比表面积大,表现出优异的类过氧化物酶(POD样)活性。SV-FeS(pH=3,1小时)模拟酶对H₂O₂具有较高的底物亲和力,米氏常数(Kₘ)较低,为0.052 mM。在液相谷胱甘肽检测中,该传感器在5–100 μM范围内显示出良好的线性关系(R²=0.998),检测限(LOD)为0.38 μM。为满足即时检测(POCT)需求,构建了集成SV-FeS(pH=3,1小时)模拟酶和基于智能手机的读出系统的微流控纸基分析装置(μPADs)。该传感器可在5分钟内实现谷胱甘肽的一步定量,线性范围为35–500 μM(R²=0.990),检测限为10.4 μM。在实际应用中,该传感器表现出令人满意的性能,加标回收率为95.5%–102.5%,相对标准偏差(RSD)低于8%,且在4°C下可保持15天的稳定性。这项工作为食品质量与安全监测中谷胱甘肽的现场检测提供了一种有效的解决方案。
-
牛肉质量的综合无损评估:重点使用人工智能和高光谱成像进行纹理特征分析和嫩度评估
查看原文2025
LWT
中科院一区JCR一区Je Hyeon Lee, Jia Yu, Xiangzi Li, Dae Jong Kim, & Sungkwon Park
食品标签
畜肉 质构与流变性质 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 蛋白质与氨基酸计算机标签
偏最小二乘法 支持向量机 随机森林 定量预测/回归分析 高光谱/多光谱光谱 质构/流变/感官数据本研究开发了一种利用高光谱成像(HSI)、近红外(NIR)光谱和机器学习(ML)预测牛肉嫩度的非破坏性方法。共分析了159个牛里脊样品,使用偏最小二乘回归(PLSR)对水分和胶原蛋白含量进行量化(R²分别为0.973和0.953)。从基于HSI的化学图中提取了纹理特征,采用灰度共生矩阵(GLCM)分析。这些特征与化学指标结合,用于根据Warner-Bratzler剪切力将嫩度分为三类。随机森林模型实现了最高准确率(F1分数=1.00),其次是SVM(97%)。所提出的方法提供了准确且高效的嫩度评估,适用于大规模工业应用。