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 712 条结果
-
解读食物口味:通过机器学习解读味道数据
查看原文2025
Food Chemistry
中科院一区JCR一区Huabin Luo, Simen Akkermans & Jan F.M. Van Impe
食品标签
品质、结构与理化性质计算机标签
机器学习/统计学习 偏最小二乘法 随机森林 主成分分析/判别分析 分类/鉴别/等级评定分析技术获得的风味数据庞大且复杂,增加了多因素分析的难度。本研究旨在提供基于机器学习(ML)的框架来解释风味数据,利用四种广泛使用的技术,即主成分分析(PCA)、冗余分析(RDA)、偏最小二乘法(PLS)和随机森林法(RF)。为展示这些机器学习技术的潜力,讨论了两个案例研究,一个采用半定量数据,另一个采用定量数据。结果表明PCA在数据探索中非常有用;RDA可以量化因素的统计显著性;结合PLS和RF的特征重要性分析结果,可以全面理解标记化合物。在分类性能方面,PLS在处理共线数据方面表现出色,而RF如果有足够数据,则能捕捉复杂模式。然而,对于样本量较小的数据集,过拟合存在风险。总体来说,精心选择并整合这些机器学习技术可以揭开食物风味的神秘面纱。
-
结合元素组学、代谢组学和化学计量学的方法,作为识别黑胡椒地理起源的工具
查看原文2025
Food Chemistry
中科院一区JCR一区Mar Aparicio-Muriana, Awanwee Petchkongkaew, Brian Quinn, Nicholas Birse & Christopher Trevor Elliott
食品标签
其他添加剂与配料 代谢组学 其他组学方法 矿物质与微量元素计算机标签
机器学习/统计学习 分类/鉴别/等级评定 组学数据 多模态/融合数据黑胡椒是全球使用最广泛且具有高市场价值的香料之一。其供应链、复杂性和经济价值使其容易陷入欺诈。确定这种香料的来源对于保护价值链中所有利益相关者至关重要。我们探索了元素组学、无靶向代谢组学和化学计量学方法,追踪黑胡椒的地理来源。共收集了来自巴西、柬埔寨、印度、印度尼西亚、越南五个国家的150个黑胡椒样本,并使用ICP-MS和LC/QTOF-MS分别分析样本的元素指纹和化学指纹。多变量分析采用化学计量技术以区分和分类样品的来源。通过采用数据融合方法,进一步进行了地理区分。ICP-MS显示出85%的分类准确率,而LC/QTOF-MS和数据融合方法则实现了100%的辨别率。我们的发现为结合元素组学、代谢组学和化学计量学技术,用于防止黑胡椒认证,提供了实证证据。
-
微生物组学与机器学习辅助方法揭示高温大曲中的氨基酸特征模式
查看原文2025
Food Chemistry
中科院一区JCR一区Chao Fang, Gailing Shi, Qing He, Shuang Xing, Peng Chen, Feng Shi, Zhiguo Liu, Ping Tang, Liangcai Lin & Cuiying Zhang
食品标签
其他酱腌/发酵食品 品质、结构与理化性质 微生物组/宏基因组学 蛋白质与氨基酸计算机标签
机器学习/统计学习 特征工程与选择策略 定量预测/回归分析 组学数据氨基酸是高温大曲中至关重要的氮源,可显著影响高温大曲的品质。本研究通过分析发酵参数与微生物群落结构,探究了氨基酸的变化规律。研究采用相关性分析与机器学习方法,从糖多孢菌属、芽孢杆菌属、乳杆菌属和枝芽孢杆菌属中筛选出6个关键扩增子序列变异体(ASVs)。功能预测结果表明,这些扩增子序列变异体在翻曲第一、第二阶段的氨基酸代谢通路中表现出较强的酶活特性,与实际观测到的代谢表型特征相符。集成机器学习模型可有效预测高温大曲中绝大多数氨基酸的含量,决定系数(R²)介于0.70至0.95之间,且通过独立的高温大曲样本集验证了模型的稳定性。本研究为传统发酵食品代谢物谱的预测与调控提供了研究思路与技术方法。
-
咸味增强型风味物质筛选的进展:从传统感官评价向智能高通量技术的转变
查看原文2025
Trends in Food Science & Technology
中科院一区JCR一区Qinguo Quan, Kun Zhao, Zikang Xu, Yiyang Li, Yuhan Xie, Fengyu Li, Baoguo Sun & Dandan Pu
食品标签
感官评价与方法学 钠/钾/镁等常量矿物质计算机标签
机器学习/统计学习 深度学习 分类/鉴别/等级评定 设计/生成与推荐背景:气味诱导的咸味增强(OISE)能使减钠体系中的感知咸味增加20.00%-35.00%。然而,传统的筛选方法只能识别出不到120种增咸 odorants(SEO)(<120种),因为这些方法速度慢且容易受到品评员偏见的影响。
范围与方法:本综述批判性地审视了从传统感官评价到智能化、高通量SEO筛选的转变,评估了机器学习驱动的预测、多模态传感器融合和微流控平台,同时指出了关键的知识空白。
主要发现与结论:智能技术通过整合分子描述符与受体激活模式的深度学习架构,实现了10到100倍的成本降低。然而,数据集的异质性限制了其通用性,且目前尚无预测基质特异性SEO功效的框架。我们提出了一个涵盖分子、神经和应用层面的三级概念框架,该框架整合了计算对接、生物传感器验证和人工智能指导的配方设计。优先发展方向包括标准化数据库、可解释的人工智能算法,以及解决遗传和文化差异的个性化策略。这些创新将经验性筛选转变为机制性预测,使工业减钠在保持适口性的同时成为可能。 -
酶结合口袋工程中的计算机辅助技术:新视角与前沿
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Mingjie Xie, Jiaxiang Du, Miaohang Jia, Xiaoyu Nie, Xuanling Zhang, Yi Hu, & Binbin Nian
食品标签
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 文本/知识库/法规数据酶因其高催化效率而在大量生化反应中发挥关键作用,但天然酶的催化性能常难以满足特定应用需求。为突破这一限制,计算机辅助技术已成为酶工程中的重要策略,可显著改善酶性质。结合口袋是影响酶性质提升的关键因素之一,其结构和构象动态深刻影响酶活性、选择性和稳定性。本文强调先进计算机辅助技术在结合口袋分析和工程改造中的重要性,并总结通过改造结合口袋获得目标催化性质的成功案例。借助机器学习和人工智能,当前已经能够从头设计具有定制结合口袋的酶。文章还系统综述了多种用于结合口袋分析的软件工具,重点关注几何尺寸、功能属性和动态构象等对结合口袋工程至关重要的方面。最后,本文深入讨论这些技术在结合口袋设计中的挑战和未来方向,强调其在生物催化中的变革潜力。