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
-
人工智能在发现具有增强生物屏障通透性的食品来源肽中的应用:应用与挑战
查看原文2026
Trends in Food Science & Technology
中科院一区JCR一区Jiulong An, Shumeng Liu, Wanlu Liu, Hanlin Zhang, Jinghan Hu, Chengcheng Zhang, Janar Jenis, Xinqi Liu, & He Li
食品标签
抗氧化/抗炎等功能 其他生物活性与健康效应 体外模型 蛋白质与氨基酸计算机标签
其他深度学习结构 设计/生成与推荐 合成/仿真数据为主 公开数据集背景:来源于食品的生物活性肽具有多种健康益处,包括降压、抗氧化和神经保护作用。然而,其口服生物利用度因肠上皮屏障的限制而严重受限,对于神经活性肽,还受血脑屏障(BBB)的影响。传统的经验性体外、离体和体内筛选方法耗时、成本高且存在伦理问题。这些方法也难以系统评估关键理化特性,如分子量、疏水性、电荷和序列特征,对屏障渗透的影响。范围与方法:本综述讨论了识别能够完整穿越肠屏障或血脑屏障的来源于食品的肽所面临的挑战。它系统地考察了人工智能(AI)技术的新兴作用,包括机器学习(ML)、深度神经网络和蛋白质语言模型。这种方法涉及从肽数据库收集数据、使用分子描述符或序列嵌入进行特征提取、模型构建以及优化虚拟筛选策略,以实现快速、低成本、高通量的肽识别。主要发现:与传统方法相比,基于AI的方法显著加快了筛选速度,降低了实验成本,并增强了多个结构和理化因素的整合能力。当前模型显示出有前景的预测性能,但在数据质量和数量、模型泛化能力以及预测命中实验验证方面仍面临限制。总体而言,人工智能构成了一种强大、快速发展的技术,用于发现和开发具有增强屏障渗透性和健康特性的食源性生物活性肽。
-
通过绿色提取和生物技术创新实现未来应用的油蛉木生物活性肽下一代营养保健品
查看原文2026
Trends in Food Science & Technology
中科院一区JCR一区Rabia Durrani, Duo Xu, Mohamed A. Farag, Samiullah Khan, Erwann Durand, Hammad Ullah, Fei Gao, Jiasheng Wu, & Lili Song
食品标签
豆类与坚果(及籽类) 抗氧化/抗炎等功能 加工与新加工技术 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 组学数据背景:独树子(Torreya grandis)坚果中的生物活性肽因其多种生理作用而受到关注,包括抗氧化、抗炎、降血压、抗菌和抗肥胖活性,这些肽被视为功能性食品成分。这些肽代表了一种可持续的植物基营养补充品来源。范围与方法:本综述探讨了独树子的营养成分、蛋白质组成及生物活性肽,重点介绍了提取技术的进展,例如绿色溶剂,特别是深共晶溶剂(DES),以及酶解法,以提高肽产量和功能性。主要发现与结论:与传统方法相比,DES提取可提高蛋白质产量并保持肽的功能性,从而获得独特的抗氧化肽。酶解产物表现出适合食品应用的增强生物学特性。以防御素4为例的生物活性肽显示出对多种病原体的抗菌作用。此外,赤檀(T. grandis)肽显示出在调节脂质代谢和肠道微生物群方面的潜力,有助于抗肥胖。然而,生物利用度低、酶解降解、加工不稳定性以及体内验证有限等挑战阻碍了其商业应用。克服这些限制需要进一步的机制研究和可扩展的生产方法,包括合成生物学和先进的包封技术。整合组学方法和人工智能驱动的生物活性预测能够加速发现和商业化。跨学科的协作努力对于充分实现赤檀的潜力至关重要。大果紫檀生物活性肽作为可持续的、促进健康的成分,用于管理氧化失衡。虽然对大果紫檀蛋白的研究显示出前景,但缺乏与其他坚果蛋白的广泛比较研究。这突显了进行更多研究以探索其相对营养效果、生物利用度及潜在应用的必要性。
-
利用人工智能评估可食用昆虫的化学成分和安全性:功能创新路线图
查看原文2026
Trends in Food Science & Technology
中科院一区JCR一区Fernando E. Alejandro Ruiz, Eduardo Tejera, Andrea M. Liceaga, & José M. Álvarez-Suárez
食品标签
昆虫蛋白 食品安全与风险评估 其他安全问题 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 定量预测/回归分析 多模态/融合数据 组学数据背景:可食用昆虫越来越被认为是可持续且富有营养的传统动物蛋白替代品,但它们的广泛应用受到成分差异、食品安全问题、鉴定挑战和消费者信任的限制。解决这些问题需要能够处理复杂生物化学和环境数据的综合分析方法。范围和方法:本文评论了人工智能(AI)如何在营养剖析、技术功能建模、生物活性化合物发现、安全评估和可追溯性等方面支持可食用昆虫研究。我们并非评述单独的算法,而是提出了一个概念性路线图,将多组学数据、光谱指纹和环境元数据整合到预测和决策支持框架中,以符合监管和治理需求。主要结论:人工智能使分析方向从描述性分析转向对昆虫组成、功能性和安全性的预测性和可扩展模型。通过将分子特征与过程及系统级监测相结合,基于人工智能的框架可以支持动态风险分析、物种鉴定以及昆虫食品创新路径的开发。本文评论的新颖之处在于将人工智能定位为一个统一的、跨尺度的促进工具,将化学、安全性、功能性和治理联系在一个连贯的未来可食用昆虫系统路线图中。
-
通过数据驱动探索组合突变空间实现 (R)-转氨酶 AcTA 活性与热稳定性协同进化
查看原文2026
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Lei Xing, Weixian Luo, Xinxin Zhang, Xinwen Liu, & Guochao Xu
食品标签
复合/即食/餐饮食品 营养与生物功能 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/仿真数据为主光学活性 (R)-胺是多种农用化学品和食品相关生物活性化合物的重要构件。为构建高效合成 (R)-胺的生物催化路线,研究通过计算指导虚拟筛选鉴定出来自 Aspergillus caelatus 的高性能 (R)-转氨酶 AcTA。研究进一步利用定向进化和机器学习的优势,开发了组合突变数据驱动探索框架 DECM,用于在全局组合突变景观中协同优化活性和热稳定性。共实验测试 25 个组合变体,其中 18 个相较野生型性能提升。变体 M3(H113F/V145C/T272S)的 kcat/KM 提高 5.6 倍,在 40 °C 下半衰期延长 10.2 倍,并可在 45 °C 下实现超过 98.0% 的转化率。分子动力学模拟提供了 M3 活性和热稳定性增强的结构证据。结果证明 DECM 可有效探索组合突变并加速定向进化。
-
通过协同共静电纺丝与深度学习,以蛋白质强化淀粉制备表面活性复合纤维
查看原文2026
Food Hydrocolloids
中科院一区JCR一区Jieying Li, Peilong Li, Amin Zarei, Leila Khazdooz, Amin Zadehnazari, Arkaye Kierulf, James Smoot, Mohammad Yaghoobi, & Alireza Abbaspourrad
食品标签
乳清及乳清制品 碳水化合物配料 蛋白质配料 其他加工技术 微观结构与成像 显微与成像技术 蛋白质与氨基酸 碳水化合物与糖类计算机标签
深度学习 过程控制与实时优化颗粒淀粉的应用本身受到其粒径大和表面高度亲水的限制。为解决这一问题,本研究探索采用淀粉与乳清蛋白共静电纺丝的方法,制备界面性能增强的复合纳米纤维:淀粉提供结构刚性和 pH 稳定性,而乳清蛋白赋予表面活性。研究构建并验证了一个深度学习神经网络,用于系统分析共静电纺丝过程中的形态变化规律,并揭示二者在纤维制备中的协同作用。单独使用淀粉时,在低固体分数条件下(<0.1,静电纺丝成纤率<41%)无法形成纤维;加入蛋白质(20 w/w% 和 40 w/w%)后,体系表面能降低,实现了由珠状结构向纤维结构的转变,静电纺丝成纤率达到 100%。通过调节蛋白质与淀粉的比例,纤维直径可控制在 142~581 nm。可视化技术证实,嵌入的蛋白质均匀分布于碳水化合物骨架中。纺丝后热处理可诱导纳米纤维发生氨解反应,使蛋白质浸出率由 10% 降至 3%,并增强其结构完整性。由这些热活化复合纳米纤维形成的棒状颗粒具有更高的油—水界面活性,并可制备稳定的 Pickering 乳液。本研究利用可食用生物聚合物探索调控材料形态和表面性质的策略,从而拓展其材料应用范围,同时证明深度学习可作为设计功能材料的通用平台。