1. AI新视界首页
  2. AI食品

重磅干货:食品科学数据库资源汇总(国外篇第一部分)

近期国外也有一些食品专业数据库发表。这些数据库主要对食品添加剂的安全、食品成分、食品营养和食品酶等方面进行了数据分析与平台搭建。下面介绍几篇相关的食品数据库文章。

近期国外也有一些食品专业数据库发表。这些数据库主要对食品添加剂的安全、食品成分、食品营养和食品酶等方面进行了数据分析与平台搭建。下面介绍几篇相关的食品数据库文章。

1. FoodBase 语料库:带注释的食品实体的新资源

这篇是Gorjan Popovski等人于2019年11月发表在Database : the journal of biological databases and curation上的文章。开发了一个新的食品实体注释语料库,名为FoodBase。它是使用从Allrecipes中提取的食谱构建的,Allrecipes是目前最大的以食物为中心的社交网络。食谱选自五个类别:“开胃菜和小吃”、“早餐和午餐”、“甜点”、“晚餐”和“饮料”。用于注释食物实体的语义标签选自Hansard 语料库。为了提取和注释食物实体,作者应用了一种名为FoodIE的基于规则的食物NER方法。由于FoodIE提供了一个弱注释的语料库,通过手动评估1000个食谱获得的结果,创建了FoodBase的黄金标准。它由12844个食品实体注释组成,描述了2105个独特的食品实体。此外,在另外21 790个食谱上提供了一个弱注释的语料库。它由274 053个食品实体注释组成,其中13 079个是唯一的。FoodBase 语料库是开发基于语料库的食品科学NER模型所必需的,作为多类分类、多标签分类和分层多标签分类等机器学习任务的新基准数据集。数据库网址:http://cs.ijs.si/repository/FoodBase/foodbase.zip

参考文献:

Popovski G, Seljak BK, Eftimov T. FoodBase corpus: a new resource of annotated food entities. Database (Oxford). 2019;2019:baz121. doi:10.1093/database/baz121

2. BaGaTel:一个本体论驱动的食品成分、转化过程、营养和感官质量数据库

这篇是Guichard, E、Guillemin, H等人于2019年在法国发表的文章。BaGaTel 门户是一个食品数据库,包括成分、转化过程、环境影响、营养和感官质量数据。 BaGaTel 允许按照 PO2 本体进行数据结构化。在食品科学中的过程和观察本体论PO2的指导下建立了一个数据库BaGaTel,以整合乳制品重新配方领域的数据,同时考虑其营养和感官特性及其环境影响,使用一致同意的模式和共享的结构化词汇表。通过对来自不同项目的奶酪样品进行统一分析,采用不同的成分(脂肪、蛋白质、矿物质、水)、不同的工艺(模型奶酪或传统成熟奶酪),可以指出感知咸度的强度不仅与含盐量有关,还受奶酪成分的调节。这样一个工具在使用环保转化过程的同时,在营养需求和消费者的感官接受度方面,对制定均衡的产品具有巨大的支持。数据库网址:http://plasticnet.grignon.inra.fr/PortailNutriSensAl/

参考文献

Guichard E, Guillemin H, Perret B, et al. BaGaTel: an ontology driven database on food composition, transformation process, nutritional and sensory quality[J].

3. FOCUS-DB:食品添加剂安全在线综合数据库

这篇是Shweta Singh Chauhan等人于2021年1月发表在Journal of Chemical Information and Modeling上的文章。为了解决与食品添加剂潜在健康危害相关的担忧,作者开发了食品添加剂消费安全数据库(FOCUS-DB)。目前,该数据库包含 2885 种食品添加剂。建立FOCUDB的主要动机之一是提供大多数毒性相关信息,以便在一个地方对食品添加剂进行风险评估和危险特性描述。FOCUS-DB (http://ctf.iitrindia.org/focusdb/)资源的动态Web界面可以对添加剂、它们在各种监管机构的批准状态、物理化学特性、可接受的每日摄入量、GHS 信号、生物途径、预测的药代动力学参数和各种毒性终点值进行风险评估。FOCUS-DB支持食品添加剂的探索。该数据库是一个很有前途的工具,有助于了解食品添加剂与毒性之间的关系,可用于制定未来的食品安全框架。

这篇是由中国科学院计算生物学重点实验室胡黔楠的研究组等人于2020年10月发表在Food Chemistry上的文章。根据食品化学家的测定,对食品掺假物质中的关键分子进行人工标注,以建立中国第一个食品掺假数据库(http://www.rxnfinder.org/FADB-China/)该数据库也是全球第一个分子级食品掺假数据库。此外,在此提出了一种基于分子指纹和相似性算法预测潜在非法食品添加剂的方法。使用该算法,作者预测了 1919 种可能被非法添加到食品中的化学物质;这些预测可以有效地帮助发现和预防新出现的食品掺假。以金胺为例,FADB China的数据接口如图2所示。重磅干货:食品科学数据库资源汇总(国外篇第一部分)

图1. FOCUS-DB 介绍

参考文献:

Shweta Singh Chauhan, Deepak Kumar Sachan, and Ramakrishnan Parthasarathi. FOCUS-DB: An Online Comprehensive Database on Food Additive Safety. Journal of Chemical Information and Modeling 2021 61 (1), 202-210. DOI: 10.1021/acs.jcim.0c01147

4. FlavorGraph:用于生成食物表示和推荐食物配对的大规模食物化学图

这篇是Donghyeon Park等人于2021年1月在Scientific Reports上发表的文章。本文介绍了FlavorGraph,这是一个大规模的食物图,它通过从百万食物食谱中提取的关系和食物数据库中1,561种风味分子的信息。作者分析了FlavorGraph 的化学和统计关系,并应用他们自己的图嵌入方法更好地表示密集向量中的食物。他们的图嵌入方法是对 metapath2vec 的修改,带有一个额外的化学性质学习层,并且在食物聚类中在数量上优于其他基线方法。基于FlavorGraph的食物表示提出的食物配对建议有助于获得比以前的工作更好的结果,并且这些建议还可以用于预测化合物和食物之间的关系。此研究不仅为食物搭配技术提供了一个新的视角,也为整个食品科学提供了新的视角。模型项目在https://github.com/lamypark/FlavorGraph获取。

参考文献

Park, D., Kim, K., Kim, S. et al. FlavorGraph: a large-scale food-chemical graph for generating food representations and recommending food pairings. Sci Rep 11, 931 (2021). https://doi.org/10.1038/s41598-020-79422-8

5. EFSA 的 OpenFoodTox:关于食品和饲料中化学品及其未来发展的开源毒理学数据库

这篇是J.L.C.M. Dorne等人于2021年1月在期刊Environment International上发表的文章。EFSA 的 OpenFoodTox 数据库包含食品和饲料中 5000 种化学物质的汇总危害数据。OpenFoodTox 是一个开源毒理学数据库(https://www.efsa.europa.eu/en/microstrategy/openfoodtox),可供下载和数据可视化,提供 EFSA 评估的所有物质的数据,包括物质特征、指向 EFSA 输出的链接、适用的法律法规以及危害识别和人类健康危害特征数据的摘要,动物健康和生态评估。OpenFoodTox 2.0 的未来发展包括新特性的整合,例如物理化学特性、暴露数据、毒代动力学信息,以及未来在计算机建模平台中的集成。重磅干货:食品科学数据库资源汇总(国外篇第一部分)

图 2. OpenFoodTox 物质浏览器和汇总表

参考文献:

Katidi A, Vlassopoulos A, Kapsokefalou M. Development of the Hellenic Food Thesaurus (HelTH), a branded food composition database: Aims, design and preliminary findings. Food Chem. 2021;347:129010. doi:10.1016/j.foodchem.2021.129010

6. 希腊食品词库 (HelTH) 的开发,一个品牌食品成分数据库:目标、设计和初步发现

这篇是Alexandra Katidi等人于2021年6月发表在Food Chemistry上的文章。希腊食品词库 (HelTH) 是创建希腊品牌食品成分数据库的首次系统尝试。超过 4,000 种食品的包装照片显示在零售商的网站。一组训练有素的研究人员使用 LanguaL 进行数据收集和分类。 HelTH 强调了希腊包装食品营养成分的可变性,以及对关键营养素(如反式脂肪酸)进行更好标记的必要性。根据对包装上宣传2008 种产品的初步分析,健康声明很少使用(占分析产品的 4.1%),而营养声明(约32%)和自然声明(约24%)的使用率更高。 HelTH(http://elke1.aua.gr/helth_bfcd/) 是实施食品和营养政策、新产品开发以及营养和消费者研究的关键基础设施。

参考文献

Katidi A, Vlassopoulos A, Kapsokefalou M. Development of the Hellenic Food Thesaurus (HelTH), a branded food composition database: Aims, design and preliminary findings. Food Chem. 2021;347:129010. doi:10.1016/j.foodchem.2021.129010

重磅干货:食品科学数据库资源汇总(国外篇第一部分)

微信号|FoodAI

原创文章,作者:ifyoung,如若转载,请注明出处:https://www.drugfoodai.com/food-database.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!

发表评论

邮箱地址不会被公开。 必填项已用*标注