01 / 01

类目筛选(食品学者)

清除筛选
  • 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)

清除筛选
  • 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)

清除全部筛选
蛋白质与氨基酸

标签记录(计算机学者)

暂无筛选

共 289 条结果

  • 通过MALDI-TOF-MS和化学计量学对商业藜麦谷粒进行蛋白质分析与分类

    2023
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Rocío Galindo-Luján, Laura Pont, Victoria Sanz-Nebot & Fernando Benavente

    食品标签

    谷物/块根/豆与坚果类 光谱/色谱/质谱等分析方法 蛋白质组学 蛋白质与氨基酸

    计算机标签

    偏最小二乘法 分类/鉴别/等级评定 组学数据

    藜麦是一种安第斯谷物,作为优质高蛋白食品受到全球广泛关注。目前,藜麦制品易被价格更低的谷物掺假。因此,亟需建立新型藜麦蛋白质表征分析方法。本研究首先建立基质辅助激光解吸电离飞行时间质谱(MALDI-TOF-MS)检测方法,获取4种市售藜麦籽粒蛋白质提取物的特征质谱图,涵盖市面常见的黑藜麦、红藜麦、白藜麦(秘鲁产)及皇家藜麦(玻利维亚产白藜麦)不同品种。随后借助MALDIquant软件完成数据预处理与峰检测,共鉴定出47种蛋白质(其中30种得到初步定性),并将其蛋白峰强度作为指纹图谱用于多元数据分析。最后通过偏最小二乘判别分析(PLS-DA)实现了优异的品种分类效果,47种蛋白中有34种为品种区分的关键标志物,证实该方法可基于蛋白质指纹图谱实现藜麦籽粒的可靠分类鉴定。

  • 深度学习推动了从大豆蛋白分离物中高效发现新型降压肽

    2023
    Food Chemistry
    中科院一区
    JCR一区
    查看原文

    Yiyun Zhang, Zijian Dai, Xinjie Zhao, Changyu Chen, Siqi Li, Yantong Meng, Zhuoma Suonan, Yuge Sun, Qun Shen, Liyang Wang & Yong Xue

    食品标签

    豆类与坚果(及籽类) 其他体外模型 蛋白质与氨基酸

    计算机标签

    深度学习 分类/鉴别/等级评定

    食源性降压肽作为降压药物极具潜力且有效的替代物,近年来受到科研学者的广泛关注。然而,传统的降压肽筛选方法成本高昂、操作繁琐,严重制约了新型可用降压肽的挖掘与研发。本研究采用一种名为ProtBERT的蛋白质专用深度学习模型开展降压肽筛选研究。相较于其他深度学习模型,ProtBERT模型的受试者工作特征曲线下面积(AUC)最高,达0.9785。此外,研究利用ProtBERT从大豆分离蛋白(SPI)中筛选候选肽段,经分子对接与体外活性验证后,最终发现肽段LVPFGW(半数抑制浓度IC50 = 20.63微摩尔/升)、VSFPVL(2.57微摩尔/升)以及VLPF(5.78微摩尔/升)均具备良好的降压活性。以ProtBERT为代表的深度学习技术,将成为降压肽快速筛选与鉴定的有效工具。

  • 测试两台近红外仪器预测鸡胸肉质量并利用机器学习方法鉴别基因型和肌病存在情况

    2023
    Food Control
    中科院一区
    JCR一区
    查看原文

    Lorenzo Serva, Giorgio Marchesini, Marco Cullere, Rebecca Ricci, & Antonella Dalle Zotte

    食品标签

    禽肉 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

    机器学习/统计学习 偏最小二乘法 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据

    为实现对三类禽肉(杂交白羽肉鸡、患胸肌病的杂交白羽肉鸡、慢速生长地方品种肉鸡)的鉴别,并预测鸡胸肉的常规营养成分及氨基酸(AA)组成,本研究对两台工作波段为850~2500 nm 的近红外光谱仪展开测试,结合化学计量学算法与机器学习(ML)方法构建分析模型。研究采用偏最小二乘判别分析(PLS-DA)进行品种溯源,结果显示,受光谱预处理方法及仪器选型的影响,模型的马修相关系数(MCC)介于 0.61~1.00 之间。通过偏最小二乘回归(PLSR)建模发现,模型对粗蛋白的交叉验证决定系数(Rcv2​)达 0.98,对粗脂肪的Rcv2​高达 0.99;而针对氨基酸的预测效果存在差异,仅天冬氨酸、丙氨酸、蛋氨酸三种氨基酸的Rcv2​大于 0.55。基于上述氨基酸预测结果,研究进一步采用因子判别分析(FDA)开展品种鉴别,模型的马修相关系数为 0.67~0.95。综合实验结果表明,两台受试近红外光谱仪均能实现对鲜样及冻干鸡胸肉的化学成分测定。值得注意的是,机器学习算法的引入显著提升了近红外光谱数据的可解释性,不仅可区分不同遗传品系鸡胸肉的成分差异,还能有效识别鸡胸肉是否存在胸肌病病变。

  • 基于高光谱成像光谱与纹理数据融合预测亚硝酸盐腌制羊肉中肌红蛋白含量

    2023
    Food Control
    中科院一区
    JCR一区
    查看原文

    Guoling Wan, Shuxiang Fan, Guishan Liu, Jianguo He, Wei Wang, Yan Li, Lijuan Cheng, Chao Ma, & Mei Guo

    食品标签

    畜肉 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

    偏最小二乘法 支持向量机 定量预测/回归分析 高光谱/多光谱光谱

    肌红蛋白的含量与化学状态通常与肉色密切相关,而肉色是评判肉类新鲜度与食用安全性的重要指标之一。为精准测定羊肉中氧合肌红蛋白(OxyMb)与高铁肌红蛋白(MetMb)的含量,本研究探索了基于光谱图像融合的优化检测技术的可行性。研究采用三种方法筛选特征波长,同时提取肌肉组织的纹理特征。模型性能对比结果显示,耦合光谱与纹理参数的最小二乘支持向量机(LSSVM)模型,预测效果均优于偏最小二乘回归(PLSR)模型。其中,用于氧合肌红蛋白预测的iVISSA-COR-LSSVM 模型表现优良,校正决定系数(Rc2​)达 0.9525,校正均方根误差(RMSEC)为 2.2955,预测决定系数(Rp2​)为 0.8956,预测均方根误差(RMSEP)为 3.0036;用于高铁肌红蛋白预测的VCPA-IRIV-COR-LSSVM 模型则展现出更具实效性的预测性能,其Rc2​为 0.8809、RMSEC 为 2.2009、Rp2​为 0.8353、RMSEP 为 3.2096。最终,本研究生成了氧合肌红蛋白与高铁肌红蛋白在羊肉组织中分布的伪彩色图谱。该研究证实,数据融合技术为肌红蛋白含量的快速检测提供了一种全新方法。

  • 拉曼光谱技术在原奶成分在线测量中的应用潜力

    2023
    Food Control
    中科院一区
    JCR一区
    查看原文

    H.M. Hussain Khan, Ultan McCarthy, Karen Esmonde-White, Imelda Casey, & Norah O'Shea

    食品标签

    液态乳 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 脂质与脂肪酸 碳水化合物与糖类

    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

    原料乳成分的在线测量方法对乳制品行业颇具益处,因为它允许加工商在乳品进入加工流程前做出及时的决策(如标准化)。这有助于加强操作控制,并具有提高加工效率的潜力。拉曼光谱因其能够测量水环境中的大分子且与在线测量兼容,成为一种具有潜在商业价值的技术。本研究探讨了拉曼光谱测量原料乳中主要成分(脂肪、蛋白质和乳糖)的适用性。研究使用连接光纤探头的拉曼光谱仪分析了 80 个原料乳样品。在建模之前,考虑了温度等过程变量的变化以及搅拌对拉曼光谱特征(强度、形状和波长偏移)的影响。由于脂肪、蛋白质和乳糖在原料乳拉曼光谱中的响应存在重叠,因此开发了多元回归模型用于定量分析。所开发的偏最小二乘(PLS)回归模型预测了原料乳中脂肪、蛋白质和乳糖的百分比,其预测均方根误差(RMSEP)分别为 0.15、0.11 和 0.04,预测决定系数(R²p)分别为 0.96、0.89 和 0.89,相对分析误差(RPD)分别为 8.16、3.16 和 2.89。

跳转至

页

学术日历
学术日历

特刊征稿

特刊名称

截稿时间

收录范围

会议链接

IF=18.1!征稿丨Nature Communications:AI-Driven Smart Agriculture for Sustainable Food Systems

2027.03.18

农业生产与AI

了解更多

IF=13.8!征稿 | Food Hydrocolloids: 20th Food Colloids Conference: past, present and future of food colloids

2026.09.30

食品胶体与AI

了解更多

IF=10.6!征稿丨Journal of Future Foods:Intelligent Detection and Data-Driven Food Safety

2027.01.31

食品安全与AI

了解更多

IF=9.6!征稿 | npj science of food: Flavor Chemistry

2026.12.03

风味化学与AI

了解更多

IF=7.7!征稿丨Current Research in Food Science:Intelligent Matrices: Machine Learning and AI in Molecular Food Science

2027.02.01

应用分子食品科学与AI

了解更多

IF=7.3!征稿 | Food Science and Human Wellness: Special Issue on Identification of New Targets for Food-derived Compounds

2026.12.01

分子靶点与AI

了解更多

IF=7.0!征稿 | Food Control: Food authentication and traceability in high-risk products: analytical approaches for regulatory control

2027.05.30

食品快速检测与AI

了解更多

IF=6.0!征稿丨foods:Flavor Formation Mechanisms,Targeted Regulation Strategiesand Al-Enabled Research inAnimal-Derived Foods

2027.01.10

动物源性食品风味与AI

了解更多

IF=5.9!征稿 | Food Quality and Preference: Sensory is everywhere, beyond food. Expanding the horizon of sensory and consumer science

2026.09.30

感官科学与AI

了解更多

IF=7.3!征稿 | Postharvest Biology and Technology: Ready-to-use, added-value, fresh fruit and vegetables: the new scenario in terms of recent innovations and prospective industry needs

2026.09.16

果蔬与AI

了解更多

活动详情请关注“食品AI荟”微信公众号