今天介绍一篇由Jenny Plumb等人于2020年11月在线发表在Nutrients（IF=6.71）上的文章。这篇文章讨论了eBASIS数据库的更新，该数据库包括可提取和不可提取的抗氧化剂，这对于评估食物基质的抗氧化性质及其与人类健康的相关性非常重要。文章还介绍了非可提取多酚的重要性、测量食物和膳食补充剂中抗氧化活性/容量的各种方法、维护和更新食物成分数据库的重要性以及相关挑战。总体而言，文章强调了需要标准化的方法和数据库来准确评估我们饮食中的生物活性化合物及其潜在的健康益处
今天介绍一篇由Jenny Plumb等人于2020年11月在线发表在Nutrients（IF=6.71）上的文章。这篇文章讨论了eBASIS数据库的更新，该数据库包括可提取和不可提取的抗氧化剂，这对于评估食物基质的抗氧化性质及其与人类健康的相关性非常重要。文章还介绍了非可提取多酚的重要性、测量食物和膳食补充剂中抗氧化活性/容量的各种方法、维护和更新食物成分数据库的重要性以及相关挑战。总体而言，文章强调了需要标准化的方法和数据库来准确评估我们饮食中的生物活性化合物及其潜在的健康益处。
摘要
食物的抗氧化性质在营养学、食品化学和医学研究中至关重要，但往往被低估，因为大量的生理和生化性质的生物活性化合物以不可提取的抗氧化剂的形式残留在提取残留物中。在过去的十年中，可提取和不可提取的化合物已成为评估/确定食物基质抗氧化性质的关键因素，因为它们与人类健康的相关性。这导致了需要在综合和协调的食品成分数据库中包括可提取和不可提取的抗氧化剂，以用于研究、食品、制药、营养保健和化妆品领域的广泛应用。此外，这些数据库在健康声明申请过程中是无价的。eBASIS（食品中的生物活性物质信息系统）是一个包含经过质量评估的科学数据的综合数据库，涵盖了食物中存在的生物活性化合物的组成，具有灵活的结构，可扩展以包括新出现的可提取和不可提取的化合物数据。为编制适当的同行评审文献，开发和定义了搜索标准。建立了数据质量评估方法，以添加组成数据和抗氧化活性，重点关注各种参数，包括提取过程、抗氧化剂测量和结果表达。共输入了437个经过质量评估的可提取和/或不可提取化合物组成数据点到数据库中。这次数据库更新是建立专门用于抗氧化性质的数据库的首批示例之一。eBASIS的扩展为营养学家、营养师和研究人员提供了一种新颖而独特的工具，可用于广泛的应用，如饮食评估、暴露研究和流行病学研究，可能有助于增加消费者对高生物活性食品的消费。
研究亮点
• eBASIS数据库已更新，包括可提取和不可提取的抗氧化剂，为营养学家、营养师和研究人员提供了一种新颖而独特的工具，可用于广泛的应用，如饮食评估、暴露研究和流行病学研究。
• eBASIS数据库的更新是建立专门用于抗氧化性质的数据库的首批示例之一。
图文赏析
图1. 显示数据输入研究选择的流程图。
图2. (a) 用于 EPP 数据输入的 eBASIS 输入表的成分信息部分； (b) 使用铁还原抗氧化能力 (FRAP) 测定法提出的 EPP 输入形式模型，采用鲜重 (FW) 材料。
图3. 创建 eBASIS 报告。
结论
大量关于可提取和/或不可提取化合物组成的数据点已输入到eBASIS数据库中。这次新的数据库更新旨在建立一个包括可提取和不可提取化合物及其抗氧化性质表达的数据库的首批示例。此外，输入程序的描述可能是其他编译器和用户的有用工具/指南。eBASIS仍然是食品中生物活性化合物组成的主要数据库之一，所有数据均可追溯到原始同行评审出版物。此次更新创建了一个包括抗氧化化合物和抗氧化性质的编译信息的综合工具。除此之外，透明的质量体系的包含使其成为一个重要的、可靠的研究资源，具有关于可提取/不可提取植物化学物质的持续来源和数据输入。
参考文献
Plumb J, Durazzo A, Lucarini M, et al. Extractable and Non-Extractable Antioxidants Composition in the eBASIS Database: A Key Tool for Dietary Assessment in Human Health and Disease Research. Nutrients. 2020;12(11):3405. Published 2020 Nov 6. doi:10.3390/nu12113405
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/ebasis.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！
微信扫一扫 
支付宝扫一扫 相关推荐
-
拉曼光谱结合机器学习对食用油的评价
今天介绍一篇来自罗马尼亚国家同位素和分子技术研究与发展研究所的Camelia Berghian-Grosan和Dana Alina Magdas于2020年5月21日在Talanta发表的文章。该文章是基于拉曼光谱结合机器学习算法建立食用油快速检测方法，不仅实现了掺假的定性检测，而且对掺假量也进行了初步估计。
-
应用机器学习方法替代传统的卡路里食品安全指标
今天介绍一篇前段时间由意大利国际农业发展基金研究与影响评估司，英国牛津大学技能，知识与组织绩效中心，英国曼彻斯特大学教育与环境与发展学院等多学科机构联合开展的一项关于使用机器学习方…
-
顶刊综述|李培武院士团队唐晓倩：生物毒素（真菌毒素、海洋毒素和细菌性食物毒素）生物传感器的发展趋势：原理、应用和前景
今天介绍一篇于2023年8月发表在Trends in Analytical Chemistry（IF=13.1）上的一篇综述性文章。该综述简要介绍了生物毒素（真菌毒素、海洋毒素和细菌性食物毒素）的流行、毒理学特征和分类。同时，总结了近年来针对生物毒素的高灵敏度生物传感器的重要技术进展并介绍了这些方法不同的传感模式。最后，基于生物传感器面临的各种挑战，为改进食品安全技术提供了重要见解。中国农科院油料所唐晓倩副研究员为第一作者，硕士研究生左家思为共同一作。中国农科院李培武院士和张奇研究员以及浙江大学平建峰教授为通讯作者。
-
利用PredRet中的数据准确预测保留时间并应用于食品生物活性成分分析
今天介绍一篇法国克莱蒙费朗大学前段时间发表在food chemistry上的一篇文章。该研究在24个色谱系统分析的467种化合物种测试了PredRet预测植物食品生物活性成分在色谱柱中保留时间的表现。
-
FoodAI：基于深度学习的食品图像识别与记录系统
今天给大家介绍一篇由新加坡管理大学信息系统学院生活分析研究中心(LARC) 和Salesforce亚洲研究院合作，于前段时间在ACM SIGKDD知识发现和数据挖掘会议上汇报的一篇会议文章。文章中作者提出了一种智能食物记录系统:FoodAI，使食物记录变得便捷，帮助人们实现智能消费和健康的生活方式。
-
人工神经网络在食品加工研究中的文献调查
人工神经网络(ANN)在各个应用领域的使用水平日益提高，因其能够解决许多应用领域中的复杂问题而广受欢迎。今天给大家介绍一篇由Janmenjoy Nayak等人发表在Computer Science Review上的一篇综述，该文详细分析了人工神经网络在食品加工中的应用进展。
-
基于二维相关光谱与卷积神经网络的食用油产地溯源与掺假分析
今向大家介绍一篇来自武汉轻工大学的刘言等人在SPECTROCHIM ACTA A上发表的一篇论文。该研究基于食用油的二维相关光谱并设计卷积神经网络(CNN)对食用油的同步相关谱和异步相关谱进行分析。用一组不同产地的芝麻油和另一组掺有其他植物油的橄榄油对该方法进行了评价。两个数据集的预测准确率分别为97.3%和88.5%。
-
基于输入修正卷积神经网络的电子鼻和高光谱图像融合羊肉新鲜度检测
今天介绍一篇来自安徽大学翁士状副教授课题组于2022年3月发表在Food Chemistry上的文章。该研究采用电子鼻和高光谱图像相结合的方法对羊肉总挥发性盐基氮(TVB-N)进行综合评价。为准确分析羊肉新鲜度提供了一种途径，并为其他肉类品质的研究提供了技术依据。
-
如何科学地挑选西洋参 / 机器学习预测西洋参生长年限
疫情反复，想买点西洋参提高下免疫力，又怕买到假货？今天这篇发表在Chinese Medicine (IF=5.4)的文章教你如何科学地剁手鉴定西洋参生长年限。这篇文章由中国食品药品检定研究院胡笑文、严华等人于2021年10月发表，通讯是魏锋和马双成研究员。这项研究基于106批西洋参样本和4种机器学习算法，建立了西洋参年限预测模型。为了进一步适应不同来源的西洋参样本，又基于相似性构建了模型的应用域，最终实现了对西洋参生长年限的准确预测。该方法为西洋参年限造假的鉴别提供了技术支持，论文也提供了完整的模型代码。
-
利用机器学习算法基于天气和水管理信息构建黑皮诺香气特征模型
今天给大家介绍一篇由Sigfredo Fuentes等人合作，发表在Foods上的一篇有意思的文章，文章中作者介绍了一种基于天气和水管理信息的人工神经网络（ANN）模型预测黑皮诺（Pinot Noir）的香气特征。
