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 1173 条结果
-
基于气相色谱-飞行时间质谱的咖啡和大蕉副产物粉代谢物表征及保留指数化学信息学预测
查看原文2025
中科院一区JCR一区食品标签
其他果蔬制品/植物类 挤压膨化与共挤技术 其他品质相关性质 副产物与废弃物高值利用 光谱/色谱/质谱等分析方法 代谢组学 其他统计建模方法 咖啡因计算机标签
机器学习/统计学习 定量预测/回归分析 组学数据 中等规模数据集本研究分析了由咖啡果皮、大蕉轴和废弃大蕉制成的复合粉(CF)中的化学代谢物,以及挤出加工引起的代谢物变化。通过HP-5ms毛细管柱的气相色谱-飞行时间质谱(GC-QTOF-MS)分析鉴定出72种代谢物。结果表明,挤出加工选择性改变了代谢物组成,部分抗营养化合物(咖啡因、脱氧葡萄糖和半乳糖胺)含量降低,从而提升了CF的营养和功能品质。基于265个分子的色谱数据集,开发了具有良好预测能力(Q2=0.945)的构象无关定量结构-保留关系(QSRR)模型,用于预测代谢物保留指数。该研究为农工副产物CF的代谢物分析和新代谢物色谱性质预测提供了方法,同时推进了咖啡和大蕉副产物的高值化利用。
-
机器学习与组学技术在食品科学与营养研究中的整合应用进展
查看原文-0001
中科院一区JCR一区食品标签
加工与新加工技术 营养与生物功能 食品安全与风险评估 其他品质相关性质 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 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
机器学习/统计学习 深度学习 主成分分析/判别分析 模型可解释性 分类/鉴别/等级评定 定量预测/回归分析 知识抽取与语义理解 组学数据 多模态/融合数据组学技术正在革新食品与营养研究,通过对食品成分和微生物的高通量分析,揭示食品与人类健康之间的复杂关系。机器学习方法在大规模数据集中的分类、聚类、降维和模式识别方面尤为有用。多组学数据的整合推动了机器学习在食品加工、安全和营养预测模型中的应用。本综述探讨了基因组学、转录组学、蛋白组学、代谢组学和多组学在食品与营养研究中的应用,以及包括经典机器学习、深度学习和人工神经网络在内的多种机器学习技术的应用。机器学习与组学整合的主要优势在于其分析复杂数据集的能力,有助于食品成分分析、质量评估和营养干预。然而,数据质量、模型可靠性和可解释性方面的挑战仍然存在。本综述更新了机器学习与组学整合的现状,并展望了食品组学和营养组学的未来发展方向。
-
基于根系障碍微流控芯片的植物根系物理障碍行为研究
查看原文2025
中科院一区JCR一区食品标签
水果/蔬菜与菌菇类/植物类 其他材料 微观结构与成像 其他品质相关性质 过程监测与在线检测 显微与成像技术 数值仿真计算机标签
模拟与数字孪生 可见光/RGB/视频数据植物根系在物理障碍下的行为研究对于理解植物如何适应土壤环境变化具有重要意义。目前,尚无满意的方法来模拟土壤障碍环境并追踪根系在物理障碍下的动态变化。本研究基于根系在土壤中遇到的土壤压实和机械障碍,设计了一种具有七种不同通道的障碍微流控芯片。该芯片充分利用微流控芯片的可变结构优势,便于研究根系在各种障碍下的可塑性。结果表明,微流控系统的高分辨率成像能力能够可视化和量化植物根系在机械障碍下的生长行为。此外,为了模拟根系在土壤中遇到的生长阻力或压力,通过芯片内的流体流动对模型进行了模拟。总体而言,本研究设计的障碍微流控芯片可用于成像和量化植物根系的可塑性,是追踪根系对机械应力响应的有效工具。
-
基于分子网络结合Mzmine与DeepMass技术快速发现苦木中具拒食活性的苦木素类成分
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区食品标签
水果/蔬菜与菌菇类/植物类 其他生物活性与健康效应 化学污染物 光谱/色谱/质谱等分析方法 其他理化与结构表征 其他特殊成分计算机标签
深度学习 分类/鉴别/等级评定小菜蛾是十字花科蔬菜作物的全球性害虫。随着化学抗性的增加,对天然高效植物农药的需求逐渐增长。苦木素类化合物因其独特的结构特征,通常表现出多种生物活性,包括杀虫、抗肿瘤和抗炎特性。本研究基于分子网络结合Mzmine与DeepMass技术,从苦木枝叶中分离得到6个新化合物(1–6)和13个已知苦木素类化合物(7–19),并通过光谱分析、量子化学计算及实验与计算ECD数据对比明确其结构和构型。所有化合物均评估了对小菜蛾的拒食活性,其中化合物6、8和12在200 μg/mL浓度下表现出中等拒食活性,选择性拒食率分别为72.1 ± 0.7%、82.8 ± 0.5%和83.7 ± 0.5%。本研究为开发新型植物源农药提供了植物化学基础。
-
人工智能赋能的分子编辑为农药发现开辟新视野
查看原文2025
中科院一区JCR一区食品标签
化学污染物 其他统计建模方法 其他特殊成分计算机标签
机器学习/统计学习 深度学习 设计/生成与推荐 合成/仿真数据为主数字技术的快速发展为农药发现提供了关键工具,这对农业生产力和粮食安全至关重要。分子编辑器已成为该领域的基础和关键工具。然而,现有的分子编辑器缺乏优化计算机辅助农药发现的高级功能。我们提出三项改进:(1)为新型候选化合物生成实用的合成策略;(2)利用AI技术辅助生成二维结构分子;(3)基于二维结构分子寻找可能的靶向口袋和位点。我们相信这些观点将推动AI驱动的分子编辑进一步发展,使其更好地促进农药发现。