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
-
鲜味肽筛选与评价的研究进展
查看原文2022
Comprehensive Reviews in Food Science and Food Safety
中科院一区JCR一区Lulu Qi, Xinchang Gao, Daodong Pan, Yangying Sun, Zhendong Cai, Yongzhao Xiong & Yali Dang
食品标签
蛋白质配料 感官评价与方法学 组学与高通量技术 蛋白质与氨基酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 质构/流变/感官数据 合成/仿真数据为主鲜味是影响食物味道的重要因素,鲜味肽的开发是食品调味研究中一个备受关注的课题。传统的鲜味肽筛选技术耗时费力,难以满足高通量筛选的要求,这限制了鲜味肽的快速发展。鲜味强度的标准测量困难是另一个制约鲜味肽发展的问题。现有方法灵敏度和特异性不足,难以实现对鲜味的标准评价。本综述总结了鲜味受体和鲜味肽,重点探讨了制约鲜味肽发展的问题、高通量筛选以及评价标准的建立。基于分子对接技术和机器学习方法实现了鲜味肽的快速筛选,利用仿生味觉传感器可实现鲜味的标准评价。快速筛选和评价方法的进展极大地推动了鲜味肽的研究,并增加了其在调味行业的应用。
-
基于LC-MS/MS结合OPLS-DA筛选牛肉特异性定量肽段
查看原文2022
Food Chemistry
中科院一区JCR一区Chaodi Kang, Yingying Zhang, Mingyue Zhang, Jing Qi, Wentao Zhao, Jin Gu, Wenping Guo & Yingying Li
食品标签
畜肉 食品安全与风险评估 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 分类/鉴别/等级评定本研究基于液相色谱 - 串联质谱法(LC–MS/MS)结合正交偏最小二乘判别分析(OPLS-DA),建立了一种快速、简便、高效的牛肉特异性定量多肽筛选分析方法。通过构建 OPLS-DA 模型,筛选对分类具有显著贡献的物种特异性多肽。基于投影重要性变量(VIP)值和单变量 P 值,筛选具有统计学意义的多肽;经完整统计分析流程后,利用不同牛肉含量的自制样品,确定出3 条特异性定量多肽。以此为基础,采用 LC–MS/MS 建立目标特异性定量多肽的检测方法,并将定量结果应用于市售牛肉制品的真伪鉴定。所建方法具有高灵敏度、高特异性和良好重现性,研究结果证实:LC–MS/MS 联用 OPLS-DA 可高效筛选肉类特异性定量多肽,是鉴别肉制品真伪的有效手段。
-
基于MALDI-TOF MS与机器学习的热处理牛乳鉴别
查看原文2022
Food Control
中科院一区JCR一区Shishan Zhang, Huizhi Li, Qiongzheng Hu, Ze Wang, & Xiangfeng Chen
食品标签
液态乳 品质、结构与理化性质 传统热加工 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 分类/鉴别/等级评定 组学数据热力杀菌会改变乳及乳制品的分子组成与品质特性。鉴别不同条件下的热处理乳样品,对乳制品的真实性鉴定与质量管控具有重要现实意义。本研究建立了一种基于基质辅助激光解吸电离飞行时间质谱(MALDI-TOF MS)结合机器学习的简便精准方法,用于区分不同热处理工艺的乳样品。研究采集本地奶牛场的生乳样品,通过设置不同的加热温度与保温时长处理,实现对多梯度热负荷条件的覆盖。采用偏最小二乘判别分析(PLS-DA)、最小绝对收缩与选择算子(LASSO)及交叉验证递归特征消除法(RFECV)三种正交统计方法,从质谱数据中筛选特征肽段的信号。将筛选得到的特征肽段作为变量,用于机器学习模型的训练与测试。研究共选取 14 种算法构建并评估热处理乳样品的判别模型,以准确率、召回率、F1 值为指标完成模型性能的对比与最优模型筛选。结果表明,线性核函数支持向量机(SVM-L)、随机森林(RF)、线性判别分析(LDA)及惩罚判别分析(PDA) 的性能最优,预测准确率分别达 0.97、0.96、0.96 和 0.96。综上,基质辅助激光解吸电离飞行时间质谱分析结合机器学习算法,可有效实现对不同热处理乳样品的精准鉴别。
-
基于蛋白质激光诱导击穿光谱分析鉴定加工肉制品中的肉种
查看原文2022
Food Chemistry
中科院一区JCR一区Banu Sezer, Armin Bjelak, Hasan Murat Velioglu & Ismail Hakkı Boyaci
食品标签
肉类发酵制品 食品安全与风险评估 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 主成分分析/判别分析 分类/鉴别/等级评定 定量预测/回归分析加工肉制品中肉类掺假与标签虚假标注的检测,已日益受到消费者关注。本研究旨在建立并验证一种基于蛋白质的激光诱导击穿光谱法(LIBS),用于鉴别发酵香肠和萨拉米制品中的牛肉、鸡肉与猪肉成分。研究提取了香肠与萨拉米制品中的总蛋白,以及富含肌浆蛋白和肌原纤维蛋白的蛋白组分,并对其进行 LIBS 检测。通过化学计量学方法解析 LIBS 光谱:采用主成分分析实现肉类物种判别,采用偏最小二乘分析测定掺假比例。肌原纤维蛋白组分中,牛肉香肠里鸡肉、猪肉掺假的检出限分别为 3.68% 和 3.83%;肌浆蛋白组分中,牛肉萨拉米里鸡肉、猪肉掺假的检出限分别为 3.80% 和 3.47%。
-
基于非靶向UHPLC-HRMS分析和化学计量学的苹果汁初步认证研究
查看原文2022
Food Control
中科院一区JCR一区Katy Dinis, Lucie Tsamba, Freddy Thomas, Eric Jamin, & Valérie Camel
食品标签
果蔬汁/浓缩汁 食品安全与风险评估 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 分类/鉴别/等级评定本研究采用超高效液相色谱 - 高分辨质谱联用技术(UHPLC-HRMS),对不同种植模式与生产工艺制备的苹果汁样品(包括非浓缩还原汁与浓缩还原汁、有机苹果汁与常规苹果汁)展开分析。研究基于代谢组学工作流平台(Workflow4Metabolomics, W4M)开发并建立了一套数据处理流程:首先通过 XCMS 软件进行特征峰检测,随后进行数据过滤,剔除了近 50% 的检出特征峰;接着开展批次内与批次间校正,再结合主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)、正交偏最小二乘判别分析(OPLS-DA)及方差分析(ANOVA)等化学计量学方法进行数据分析。所建立的分析方法可同时实现两类苹果汁样品的有效区分,即非浓缩还原汁与浓缩还原汁的区分、有机苹果汁与常规苹果汁的区分。主成分分析验证了本方法的重复性,并证实了批次校正的有效性;正交偏最小二乘判别分析模型表现出良好的质量参数,尤其是在筛选特征峰以区分有机与常规苹果汁时,模型预测准确率可达近 80%。根据方差分析与正交偏最小二乘判别分析结果,本研究筛选出 24 个具有显著判别意义的特征峰。通过进一步的二级质谱(MS/MS)实验结合在线数据库检索,其中部分特征峰被鉴定为氨基酸及其衍生物。研究人员采用独立数据集对上述物质作为特征标记物的潜力进行验证,取得了良好结果。该非靶向检测方法在苹果汁掺假检测与真实性鉴别中的常规应用仍需进一步验证。