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
-
基于数字图像结合随机森林算法的蜂花粉粗蛋白含量绿色快速预测
查看原文2024
Food Research International
中科院一区JCR一区Leandra Schuastz Breda, José Elton de Melo Nascimento, Vandressa Alves, Vagner de Alencar Arnaut de Toledo, Vanderlei Aparecido de Lima & Maria Lurdes Felsner
食品标签
营养与生物功能 显微与成像技术 蛋白质与氨基酸计算机标签
随机森林 定量预测/回归分析 可见光/RGB/视频数据蜂花粉被认为是一种具有功能特性的优良膳食补充剂,广泛应用于食品、化妆品配方及生物医学领域。因此,了解其化学成分,尤其是粗蛋白含量,对于保证其质量及工业应用至关重要。为了定量蜂花粉中的粗蛋白,本研究探索了结合数字图像分析和随机森林算法来开发一种快速、经济且环境友好的分析方法的潜力。使用智能手机相机在受控光照下拍摄了蜂花粉样本(n = 244)的数字图像。利用开源软件提取了RGB通道强度和颜色直方图。粗蛋白含量通过凯氏定氮法(参考方法)测定,并与数字图像的RGB通道及颜色直方图数据结合,通过应用随机森林算法生成预测模型。所开发的模型在蜂花粉粗蛋白分析中表现出良好的性能和预测能力(R² = 80.93%;RMSE = 1.49%;MAE = 1.26%)。因此,根据AGREE指标,该分析方法可被视为环境友好型,是传统分析方法的优秀替代方案。它避免了有毒试剂和溶剂的使用,展现了能源效率,利用了低成本仪器,并且稳健、精确。这些特点表明其易于在质量控制实验室的蜂花粉样本粗蛋白常规分析中实施。
-
基于NMR代谢组学和机器学习方法探索哈瓦那辣椒品种的化学多样性
查看原文2024
Food Research International
中科院一区JCR一区Moisés Ramírez-Meraz, Reinaldo Méndez-Aguilar, L. Gerardo Zepeda-Vallejo, Claudia J. Hernández-Guerrero, Diego Hidalgo-Martínez & Elvia Becerra-Martínez
食品标签
新鲜蔬菜 品质、结构与理化性质 光谱/色谱/质谱等分析方法 代谢组学 蛋白质与氨基酸 碳水化合物与糖类计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 组学数据哈瓦那辣椒(Capsicum chinense)是墨西哥尤卡坦半岛历史、社会、文化和经济结构中的重要辛辣水果。本研究利用1H NMR光谱结合机器学习算法的力量,剖析了11个C. chinense品种的代谢组学特征,包括INIFAP培育的品种(Habanero-Jaguar, Antillano-HRA 1-1, Antillano-HRA 7-1, Habanero-HAm-18A, Habanero-HC-23C, Jolokia-Nolokia-22)和商业杂交种(Habanero-Rey Votán, Habanero-Kabal, Balam, USAPR10117, Rey Pakal)。从1H NMR光谱中共鉴定出50种代谢物,涵盖糖类、氨基酸、短链有机酸和核苷。优化的机器学习模型能够准确预测INIFAP培育品种与商业杂交种之间的相似度百分比,从而便于进行全面比较。研究明确了每个品种独特的生物标志物,揭示Habanero-Rey Votán品种的特征是糖浓度最高。相比之下,Balam品种富含氨基酸和短链有机酸,其代谢组学特征与Jolokia-Nolokia-22品种相似。这项研究结果强调了基于NMR的代谢组学作为一种强大工具的效能和可靠性,可用于基于其复杂化学特征区分C. chinense品种。这种方法不仅有助于科学理解哈瓦那辣椒的代谢组学多样性,而且对食品科学、农业和烹饪艺术具有潜在意义。
-
组学分析结合化学计量学在食品与药品明胶真实性鉴别中的应用综述
查看原文2024
Food Chemistry: X
中科院一区JCR一区Putri Widyanti Harlina,Vevi Maritha,Fang Geng,Asad Nawaz,Tri Yuliana,Edy Subroto,Havilah Jemima Dahlan,Elazmanawati Lembong & Syamsul Huda
食品标签
内脏及副产物 食品安全与风险评估 组学与高通量技术 蛋白质与氨基酸计算机标签
偏最小二乘法 主成分分析/判别分析 智能手机/其他 分类/鉴别/等级评定 定量预测/回归分析 组学数据明胶是一种可从胶原蛋白、动物骨骼、皮肤中水解得到的蛋白质分子,且易溶于水。必须对明胶原料的来源动物及其清真状态进行评估。用于食品和药品中明胶鉴别的组学方法具有诸多优势,包括高灵敏度和数据可靠性。组学研究通过将物质分解成小颗粒,从而提高检测更多化合物的能力。组学研究能够在亚类水平上识别物质,这使其非常适合用于明胶鉴别。明胶的脂质、代谢物、蛋白质和挥发性化学物质可作为明胶鉴别的参考依据。在进行明胶鉴别时,脂质组学、代谢组学、蛋白质组学和挥发组学必须与化学计量学相结合以进行数据解读。化学计量学能将组学分析数据转化为易于查看的数据。能够呈现用于明胶鉴别的组学分析数据的化学计量学方法包括主成分分析(PCA)、层次聚类分析(HCA)、偏最小二乘判别分析(PLS-DA)、偏最小二乘回归(PLSR)、软独立建模分类法(SIMCA)和流式细胞术(FACS)。通过化学计量学可直观地解释不同动物来源明胶之间的差异。组学分析与化学计量学相结合是一种在食品和药品明胶鉴别方面极具前景的技术。
-
基于神经关系推断主动发现靶向灰葡萄孢几丁质酶的变构抑制剂用于食品保鲜
查看原文2024
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Hongsu Wang, Chenyang Wang, Ziyou Wang, & Xiaodi Niu
食品标签
新鲜蔬菜 保鲜涂膜与保鲜剂 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/仿真数据为主目前,变构抑制剂已成为开发抗耐药灰葡萄孢防腐剂的有效策略,但被动驱动的开发效率难以满足实际需求。本研究利用深度学习神经关系推断框架,主动识别出靶向灰葡萄孢几丁质酶的变构抑制剂 2-乙酰萘酮。2-乙酰萘酮可结合几丁质酶关键结构域,并与变构位点形成强相互作用。在相互作用过程中,2-乙酰萘酮降低了蛋白整体连接性并诱导构象变化。这些发现与几丁质酶活性实验结果一致,其 IC50 为 67.6 μg/mL。此外,2-乙酰萘酮通过抑制几丁质酶表现出优异的抗灰葡萄孢活性。在灰霉病感染模型中,2-乙酰萘酮显著延长了樱桃番茄保鲜时间,显示其可作为果蔬贮藏防腐剂的应用潜力。
-
深度学习方法、脑电图及现代分析技术在味觉肽筛选、评估及机制分析中的最新进展与应用
查看原文2024
Trends in Food Science & Technology
中科院一区JCR一区Lijun Su, Huizhuo Ji, Jianlei Kong, Wenjing Yan, Qingchuan Zhang, Jian Li & Min Zuo
食品标签
食品添加剂与配料 蛋白质配料 感官科学与消费者研究 特征风味 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
深度学习 分类/鉴别/等级评定 定量预测/回归分析背景:味觉肽是能够改善食品风味和适口性的寡肽。由于其独特的味道特性和营养价值,味觉肽的开发已成为食品调味研究和商业应用的热点。基于传统实验方法筛选和评估味觉肽效率低下且劳动密集。深度学习与脑电图技术可实现味觉肽的高通量筛选及味觉机制分析,因而受到广泛关注。
范围与方法:本综述总结了味觉肽的结构特征、味觉细胞及其亚型,以及味觉转导的细胞机制。重点聚焦于利用深度学习模型进行味觉肽的高通量筛选。此外,还综述了评估味觉强度及阐明味觉肽味觉机制的方法。
主要发现与结论:深度学习在味觉肽高通量筛选中保持了强大的预测性能。值得注意的是,与单一算法相比,结合多种深度学习算法可以提高预测味觉肽的准确性。此外,脑电图、生物电子舌和芯片味觉器官体的应用是评估味觉强度的有效途径,而荧光光谱、表面等离子体共振和分子对接则适用于阐明味觉肽的呈味机制。本综述可为味觉肽的高通量筛选提供有价值的参考,并促进其在调味品行业中的应用。