今天给大家介绍一篇由Tseng等人,于2023年4月发表在ACS Omega上的(JCR分区:4.132/Q2)一篇综述性文章。该综述重点介绍了一些著名的食品数据库的主要内容、接口、其他基本特征以及一些最常见的机器学习和深度学习方法。此外,还列举了一些与食品数据库相关的研究作为例子,展示了它们在食品搭配、食品−药物相互作用和分子建模中的应用。基于这些应用的结果,预计食品数据库和人工智能的结合将在食品科学和食品化学中发挥重要作用。
摘要
随着食品化学和营养学的发展,人们越来越关注食品的组成以及饮食与健康的关系。值得注意的是,营养指导和选择健康饮食的教育项目比以往任何时候都更受重视。此外,针对某些疾病的具体营养需求也是最近的重点。
从第一个食品数据库问世以来,食品数据库已经变得更加多样化,包括食品成分数据库、食品风味数据库和食品化学化合物数据库。这些数据库提供了有关各种食品化合物的营养成分、风味分子和化学性质的详细信息。随着人工智能(AI)在各个领域的普及,AI方法也可以应用于食品行业研究和分子化学。机器学习和深度学习是分析食品数据库等大数据来源的宝贵工具。在过去的几年里,用人工智能概念和学习方法研究食物成分、风味和化合物的研究已经出现。
主要亮点
重点总结了将人工智能应用于食品和药物研究,以提高研究人员对这些领域的理解和应用。
图文赏析
图1.食品大数据
注:此图形是用BioRender.com创建
图2.食品数据中机器学习和深度学习的概念
结论
随着许多食品成分和食品化合物数据库的建立,机器学习和深度学习方法正成为有效分析大数据集的有价值的工具。除了更好地了解食品成分和化合物的化学和药理特性外,综述结果表明,可以使用更有效的解决方案来解决食品搭配、药物相互作用和分子建模等问题。这些应用可以促进食品科学和食品化学的进一步发展。
参考文献:
Tseng YJ, Chuang PJ, Appell M. When Machine Learning and Deep Learning Come to the Big Data in Food Chemistry. ACS Omega. 2023 Apr 25;8(18):15854-15864. doi: 10.1021/acsomega.2c07722. PMID: 37179635; PMCID: PMC10173424.
长按关注我们
微信号|FoodAI
原创文章,作者:ifyoung,如若转载,请注明出处:https://www.drugfoodai.com/acs-omega-bigdata-infood.html
注意:本站原创指的是原创编译,并不主张对所介绍的工作的版权,如有侵权,请联系删除!