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
-
整合深度学习和分子动力学的计算方法发现靶向 CaSR 的小麦醇溶蛋白来源高亲和力谷氨酰胺肽
查看原文2026
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Tianfei Yu, Tianshuo Hu, Kai Na, Qian Lin, Shujing Chen, Hua Xie, Miao Yu, Li Zhang, & Xiaohua Guo
食品标签
小麦 抗氧化/抗炎等功能 肠道健康与微生物相关功能 蛋白质与氨基酸计算机标签
深度学习 设计/生成与推荐 时序传感器/物联网数据 合成/仿真数据为主靶向钙敏感受体(CaSR)的激动肽在维持肠道稳态中具有重要作用。本研究整合深度学习、虚拟筛选和分子模拟,开发了基于 Nextflow 的智能筛选平台 Peptide_MDI。研究从小麦醇溶蛋白来源的 2798 条候选肽中筛选出 RLSYQFPFYP,并将其命名为 CaSR_TP_1;该先导肽与 CaSR 结合的解离常数 Kd 为 74.4 nM。功能实验显示,CaSR_TP_1 可上调紧密连接蛋白,促进细胞增殖,增强抗氧化防御,并降低 TNF-α、IL-8 和 IL-6 的转录水平。机制上,该肽通过激活 CaSR/PLCγ1/Rac1/MAPK 信号级联减轻 H2O2 诱导的氧化应激。总体而言,研究利用 Peptide_MDI 识别出纳摩尔级高亲和力 CaSR 靶向肽 RLSYQFPFYP,建立了可扩展的生物活性肽发现技术框架,可用于促进肠道稳态的功能肽开发和下一代智能肽类干预方案设计。
-
基于人工智能辅助的狮子头菇双重抗氧化及ACE抑制肽的发现
查看原文2026
Food Chemistry
中科院一区JCR一区Rongheng Chen, Jiahao Yu, Simin Feng, & Ping Shao
食品标签
食用菌菇 抗氧化/抗炎等功能 其他生物活性与健康效应 体外模型 光谱/色谱/质谱等分析方法 蛋白质与氨基酸计算机标签
大语言模型 设计/生成与推荐 文本/知识库/法规数据 合成/仿真数据为主猴头菇(Hericium erinaceus)富含肽类,但其生物功能性质仍不清楚。在本研究中,采用大型语言模型(LLM)辅助注释工作流程在DeepSeek平台上对猴头菇蛋白水解物(HEph)进行分析,并结合液相色谱-串联质谱、抗氧化、血管紧张素转化酶(ACE)抑制实验及细胞评估。结果显示,AI准确注释了HEph中的7种功能性肽,这些肽及HEph均表现出抗氧化/ACE活性。所有注释肽在所测试剂量下对人脐静脉内皮细胞安全,同时某些肽可调节ROS、SOD、eNOS和ET-1,VDYP和IHPTPESV-FASHKHLFPPLP显示出双重抗氧化/ACE活性。分子对接表明,肽的抗氧化/ACE活性与亲水性和芳香族残基的分布相关。总体而言,本研究展示了大语言模型辅助注释在基于文献的肽类整理和优先排序中的实用性,发现了非典型潜在功能肽,为猴头菇肽在功能性食品中的开发提供了一种策略。
-
借助机器学习的代谢组学解码芽孢杆菌生物膜对巴氏杀菌应激的适应性重塑
查看原文2026
npj Science of Food
中科院一区JCR一区Lijiao Liang, Ping Wang, Xiaomei Zhao, Zheren Wang, Beibei Xu, Qinglong Ji, Di Wu, & Ying Chen
食品标签
液态乳 微生物安全 生物膜与耐受性研究 代谢组学 蛋白质与氨基酸计算机标签
随机森林 分类/鉴别/等级评定 组学数据低温乳制品的普及受到芽孢杆菌属的挑战,这些菌的耐热孢子和生物膜常常能在巴氏杀菌过程中存活。此外,热处理在某些芽孢杆菌中反而能增强生物膜的形成,这一现象的代谢基础尚未完全理解。通过结合非靶向代谢组学与随机森林分析,我们解析了生乳中芽孢杆菌分离株在热诱导生物膜增强背后的代谢适应机制。我们的结果显示了株特异性的机制:在BC01株中,热应激激活了谷氨酰胺酶,耗尽L-谷氨酰胺和游离组氨酸以缓解代谢抑制并激活生物膜基因,而黄嘌呤核苷的减少则促进了生物膜状态的转变。在BS01中,代谢网络重构导致精氨酸、D-氨基酸、多巴胺和花生四烯酸的合成减少,从而减轻了它们对生物膜形成已知的抑制作用。本研究阐明了热应激下生物膜适应的代谢驱动因素,突出了乳制品安全代谢干预的新靶点。
-
基于近红外光谱结合多尺度深度集成学习的收获前后植物性食品质量评估
查看原文2026
Food Chemistry
中科院一区JCR一区Yu Yang, Yu Zhang, Lanxiang Yu, Pengtao Lv, Yao Qin, Chengxin Cai, Zelong Liu, Dandan Zhai, Peng Li, & Nana Zhang
食品标签
玉米 新鲜水果 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
卷积神经网络 模型设计/优化策略 定量预测/回归分析 红外/拉曼光谱数据在收获前后对植物性食品的内部质量特性进行准确评估,对于成熟度评价和质量分级至关重要。尽管近红外(NIR)光谱学能够提供快速、无损的成分分析,但实际产品由于不同生长和储存环境,化学成分存在显著异质性,而其光谱因泛音带重叠仍高度共线。这种组合掩盖了微小的成分差异,并限制了传统化学计量模型的可靠性。本研究开发了一种多尺度深度集成回归框架(MDER),通过多感受野一维卷积神经网络(1D-CNN)分支和基于注意力的元学习器,将化学信息性变化与冗余光谱相关性区分开来。使用多季节可见-近红外(Vis-NIR)芒果数据集(干物质)和多来源近红外(NIR)玉米籽粒数据集(蛋白质),MDER在测试集上取得了高预测精度(芒果:R² = 0.9352;玉米:R² = 0.9046)。这些结果表明,将MDER与NIR结合为在异质农业条件下进行质量评估提供了一种有效且具有化学意义的方法。
-
理解和控制绿叶蔬菜采后黄化:机制、影响因素和新兴 AI 策略综述
查看原文2026
Postharvest Biology and Technology
中科院一区JCR一区Taishan Huang, Yaqi Zhao, Wenyuan Zhang, Zhanquan Zhang, Haixia Yang, & Jianjun Deng
食品标签
新鲜蔬菜 颜色与外观品质 营养与生物功能 常规理化指标测定 蛋白质与氨基酸计算机标签
机器学习/统计学习 定量预测/回归分析蔬菜是人类膳食的重要组成部分,但在采后处理过程中面临水分流失、变色和腐烂等诸多挑战。其中,绿叶蔬菜采后黄化是最紧迫且具有重要经济意义的问题之一,因为它会显著降低外观吸引力、营养品质和市场价值,也给蔬菜产业可持续发展带来障碍。该现象主要由叶绿素降解驱动,这是一种受多种环境和生化因素影响的复杂生理过程。近期研究表明,叶绿素分解在分子水平受到严格调控,涉及基因表达、酶活性和细胞代谢的协同变化。随着农业科学技术持续发展,多种策略被提出用于减缓采后黄化,包括延缓衰老的基因敲除方法、调节贮藏环境的功能包装材料,以及利用人工智能优化供应链管理和贮藏条件。新兴 AI 技术在实时监测、黄化早期预测和采后环境精准控制方面展现出特别潜力。本文综述了蔬菜采后黄化的机制,分析影响叶绿素降解的内部和外部因素,并评价当前防控策略。文章还强调未来研究方向,指出将 AI 与现代保鲜技术结合,对于改善采后管理、提升蔬菜整体品质和货架期至关重要。为了推动真实采后系统应用,仍需进一步验证和实践这些方法。