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
-
利用计算机辅助组合突变提高醇脱氢酶活性以高效合成 (S)-2-氯-1-(2,4-二氯苯基)乙醇
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Wenjie Ye, Jingwen Xie, Weijie Gao, Yifang Meng, Qinghai Liu, Hualei Wang, & Dongzhi Wei
食品标签
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(S)-2-氯-1-(2,4-二氯苯基)乙醇((S)-CPEO)是抗真菌药物卢立康唑的重要手性前体。本研究利用虚拟饱和突变评估有益位点组合,对来源于 Lactobacillus kefir 的突变醇脱氢酶 LkADH M0 进行重新设计,以高效合成 (S)-CPEO。研究通过与对苯乙酮衍生物具有高活性的酶进行多序列比对,在酶活性口袋中识别出 5 个保守性较低位点。为激发潜在协同效应并降低筛选工作量,研究将 5 个热点随机两两组合,生成 10 个虚拟饱和突变文库,其中 4 个有前景文库被实验构建和筛选。随后获得活性提高 5.4 倍的双突变体 LkADH M1(E145K/M206I),并以其为新模板迭代剩余三个位点,构建额外组合文库,最终得到 LkADH M3(T94V/E145K/L147M/M206I),其催化效率较 LkADH M0 提高 29.1 倍。LkADH M3 可高效还原最高 600 g/L 底物 2-氯-1-(2,4-二氯苯基)乙酮,对映体过量值超过 99.5%,时空产率达到 654 g·L-1·d-1。分子动力学模拟表明,活性增强与酶-底物复合物稳定性改善有关。
-
红外光谱结合化学计量学快速检测酸奶中微生物转谷氨酰胺酶的存在、活性与浓度
查看原文2025
Innovative Food Science and Emerging Technologies
中科院一区JCR一区Hatice Sıçramaz, Huseyin Ayvaz, Ahmed Menevseoglu, Mysa Ahmed Hasan Ayash Yaaqob, Muhammed Ali Dogan & Mustafa Ozturk
食品标签
发酵乳/酸奶 营养与生物功能 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 定量预测/回归分析 红外/拉曼光谱数据本研究旨在开发一种利用近红外(NIR)漫反射和中红外(MIR)光谱快速检测酸奶中微生物转谷氨酰胺酶(mTGase)使用情况、状态(活性或非活性)及浓度的方法。对照组样品在不添加mTGase的情况下制备。采用了两种不同浓度的mTGase:1单位和2单位。为检测mTGase的活性/非活性状态,添加酶的一半样品在酸奶制备后被灭活。对于NIR和MIR光谱数据,采用软独立建模类比法(SIMCA)和偏最小二乘判别分析(PLS-DA)方法,能够区分对照组与含有活性mTGase的酸奶样品以及酶的状态,但无法区分酶的浓度。机器学习方法则能有效判断mTGase的存在、活性和浓度。总之,NIR和MIR光谱结合化学计量学方法成功检测了酸奶中的mTGase,且在识别酶水平方面,机器学习方法的表现优于SIMCA和PLS-DA。
-
利用非靶向脂质组学分析结合化疗分析,确定并比较中国绿茶品种的脂质谱
查看原文2025
Food Chemistry
中科院一区JCR一区Li Zhou, Yue Ma, Junjie Xu, Yueqi Hu, Minjie Zhao, Eric Manchioni & Haiyan Fu
食品标签
茶/茶饮料 品质、结构与理化性质 其他组学方法 脂质与脂肪酸计算机标签
机器学习/统计学习 分类/鉴别/等级评定 组学数据茶是世界上消费最广泛的饮品。脂质作为重要的化学成分,与茶的风味和品质密切相关。然而,关于不同中国绿茶品种脂质指纹的信息有限。因此,采用了结合无靶向脂质组学分析和化学计量学的方法来区分中国绿茶品种。共鉴定了147种分子物种,属于16个脂类类别。绿茶样本中磷脂、糖脂、亚油酸和亚麻酸含量较高。它们在代谢过程中扮演重要角色,可能影响风味形成。此外,结合多变量数据分析,筛查出8种分子品种以识别出具有区分力的绿茶品种,如PC 16:0/18:3、MGDG 18:3/18:3、PC 18:2/18:2等。本研究为中国绿茶市场的质量保证和防止欺诈行为提供了参考。
-
模拟人类嗅觉系统及其与机器学习算法的整合用于食品质量评估:综述
查看原文2025
Trends in Food Science and Technology
中科院一区JCR一区Sandip Sanjay Gite, Moumita Karmakar, Shivam Mokashi, Chandrakant Genu Dalbhagat, Vivek Kambhampati, Rakesh Kumar Raigar & Rakesh Mohan Shukla
食品标签
品质、结构与理化性质 感官评价与方法学 其他组学方法 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 分类/鉴别/等级评定 定量预测/回归分析 时序传感器/物联网数据背景:一种被称为电子鼻(e-nose)的模拟人类嗅觉系统能够检测和识别挥发性有机化合物(VOCs)。它由一个气体传感器阵列(可响应不同的VOCs并产生电子信号)和一个数据采集系统组成,该系统进一步使用机器学习算法来处理信号,以分类或区分食品材料的气味或香气。
范围与方法:由于电子鼻对不同食品类别的质量和感官评估具有快速、廉价和非破坏性的优势,近年来备受关注。尽管已有重大改进,但该领域仍存在一些限制需要克服,以推动电子鼻的进一步发展。因此,本文探讨了电子鼻的构建及其与机器学习算法的整合,用于不同食品材料的感官和质量评估。
主要发现与结论:为了进行真值验证,通过使用不同分析工具(如GC-MS、GC-IMS、NIRS和QnDA)生成的参考数据,与电子鼻结合并运用机器学习算法(分类器、回归器和降维算法),正在提升电子鼻的性能。同时,在电子鼻中使用集成学习算法能够实现更高精度的决策。然而,电子鼻设备的未来在于通过持续的研究及其在工业分析部署中的适应,实现进一步的演进和发展。 -
人工智能应用于蜂蜜 13C NMR 数据:蜂蜜识别的新路径
查看原文2025
Journal of Agricultural and Food Chemistry
中科院一区JCR一区Ariana Raluca Hategan, Francois Guyon, Laetitia Gaillard, & Dana Alina Magdas
食品标签
蜂蜜等天然糖 食品安全与风险评估 光谱/色谱/质谱等分析方法计算机标签
机器学习/统计学习 分类/鉴别/等级评定 红外/拉曼光谱数据除基于公认分析方法的食品真实性控制外,当前研究也在持续开发新方法,以明确区分不同食品商品。围绕这一目标,人工智能正被用于建立稳健识别模型,尤其适合学习实验数据中超出人工判断能力的细微差异并给出最终判别。本研究提出将 AI 与 13C NMR 光谱结合,建立蜂蜜地理来源和植物来源判别模型。为验证该方法适用性,研究使用了来自罗马尼亚和法国的 100 多个蜂蜜样品。由于 13C NMR 会产生大量变量,研究通过将输入数据空间限制在最相关特征上来构建可靠分类工具。结果表明,该策略可建立高效的蜂蜜地理来源和植物来源区分模型,交叉验证准确率超过 97%。该研究为蜂蜜真实性识别提供了结合 AI 和核磁共振数据的新路径。