今天给大家介绍一篇由Junai Gan等人近期发表在Trends in Food Science & Technology上的文章。文章提出了一种对食品进行分子注释的框架，让人们对食物的分子特性如何影响个人饮食行为和健康有更好的了解，使个人和护理人员能够针对目标的健康管理做出明智的饮食决策。
今天给大家介绍一篇由Junai Gan等人近期发表在Trends in Food Science & Technology上的文章。文章提出了一种对食品进行分子注释的框架，让人们对食物的分子特性如何影响个人饮食行为和健康有更好的了解，使个人和护理人员能够针对目标的健康管理做出明智的饮食决策。
1. 介绍
尽管饮食对健康的重要性已引起越来越多的关注，但这种关系的复杂性和可变性尚未得到充分认识。本文介绍了个性化饮食的科学进展，并指出了整合高质量的、注释良好的食物数据的必要性。提出了一种对食物进行分子注释的框架，根据对饮食和健康的影响，提出了对食物进行关键度量建议。讨论了应用趋势技术来提高个性化饮食对精确健康的预测能力的策略，重点介绍了将数据转化为认识和行动中的挑战和机遇。
2. 个性化饮食的发展
从最基本的意义上说，个性化饮食需要将人类的基因型、表现型与能增加获得预期生理结果机会的饮食相匹配。当朝着该目标前进时，有两个重要方面:一是拥有准确测量人类遗传和分子特征的能力;二是能够准确测量食物和饮食的分子特性(图1)。
图1.个性化饮食的关键方面
在第一个方面，测量人类的遗传和分子特征，21世纪初对人类基因组测序的能力开始为饮食相关疾病的分子基础提供新的认识，使营养研究发生革命性变化。因此，营养遗传学和营养基因组学已经成为探索营养-基因相互作用的科学领域。利用公共数据库，对响应食物的基因表达谱进行数据挖掘和综合分析，有助于确定营养基因组学研究的分子机制和设计膳食建议。除了绘制人类蓝图外，利用组学技术对人类表型进行分子测量还提供了关于个体转录组、蛋白质组等的详细信息。捕获个体的基因型和表型特征使人们更能理解营养对健康的不同影响，提高了人们对个性化饮食解决个体差异的热情。例如，基于个人血液参数、饮食习惯、人体测量学、体力活动和肠道微生物群，成功预测了餐后血糖反应，为饮食干预控制餐后血糖及其代谢后果提供了机会。
在第二个方面，即测量食物的分子特性方面，进展不大。目前，基于自我报告数据的膳食评估方法仍是该领域的标准;这种膳食评估方法不能提供准确的分子信息，而且误差较大。不准确的饮食数据是饮食与健康研究的主要障碍。但是，随着组学技术的重大进步，进行全面组学分析的成本正变得可以承受。这些技术将越来越多地用于评估食物，为人们提供前所未有的认识，以了解饮食的分子特性和观察特定个体的生理结果。本文的下一节重点介绍需要注释的食品的分子特性(图2)及其与饮食和健康的相关性(表1)。
图2. 注释食物分子特性的框架
表1. 食品的分子特性及其与健康的关系
一旦开始对人类和饮食进行完整的分子注释，它的关键将取决于如何利用这些数据集。目前，个性化营养的重点是根据个人营养需求提供膳食建议，并隐含地假设食物只是营养成分的混合物。更多的人意识到，饮食不仅仅是各部分的总和。此外，食物结构影响个人感知和偏好。因此，食品研究需要从以成分为中心的模式转向考虑整个饮食的综合方法。对食物的化学成分和修饰、物理结构和生物特性进行注释将导致饮食选择的多样性，以满足个人、社会和文化偏好的营养需求。高质量和良好注释的食物数据将有助于开发个性化饮食，有效改变行为，有利于健康。
3. 食品注释框架–衡量方面以及重要原因
3.1 食品成分
许多国家和地区都有政府机构分发的食物成分数据库，例如美国农业部（USDA）的食物成分数据库。食品成分数据的值通常是根据重要性选择的，并通过标准化学分析确定。食品成分数据库需要持续维护和开发，以跟上有关饮食成分、饮食习惯和市场变化中的科学发现的步伐。为了进行精确的健康管理，需要对食物的化学成分进行更详细的表征。特定的饮食成分会改变发育中的肠道微生物组的基因编码功能。更精确全面地注释食物的化学成分对于解读饮食与健康之间的关系至关重要。
3.2 化学修饰
表征分子的化学修饰需要用到比组成测量更精确的分析方法，例如质谱，红外光谱等。食物分子的化学修饰和相互作用会影响饮食的感官和营养特性。磷酸化，糖基化，氧化，二硫键交联和其他化学键是饮食分子的常见修饰。这些分子修饰的动态变化发生在食品的整个供应链中。反过来，化学修饰会影响食物的感官和功能属性，影响个人喜好和消费行为，并最终影响个人的健康状况。
3.3 食物结构
食物结构或食物微观结构描述了食物成分的空间排列及其相互作用。血糖指数是将食物结构和生理反应联系起来的概念，在饮食干预和健康管理方面取得了临床上的成功。注释食品从原材料到加工和消化的结构转变，将使食品工程人员能够设计具有特定营养，物理和感官属性的饮食，从而满足个性化的需求。
3.4 生物学特性
食物的生物学特性是指超出其营养价值的有益或不利影响。例如，母乳中的蛋白质具有各种有益的生物活性。除了有益的生物学特性外，食物蛋白也伴有不良影响。例如，饮食麸质会诱发易感人群的乳糜泻。此外，食物中含有微生物可以作为发酵的起始物和益生菌，也可能导致食物变质和引起食源性疾病。因此，注释食物将有助于饮食和健康管理。
4 趋势技术的应用–挑战与机遇
4.1 从各种来源收集数据
饮食和健康是互连网络中的多因素动态系统。为了全面了解饮食和健康管理，有必要捕获其关键特征的变化以及相关因素。尽管完成这项任务具有挑战性，但利用先进技术进行数据收集将提供饮食和健康的更全面视图。本节中的讨论重点在于食物和饮食的数据收集（图3）。
图3.在将食品信息用于健康管理中应用趋势技术
随着尖端分析仪器的发展，食品分析发生了革命性的变化。多样化的技术使研究人员能够以更高的精度度，准确度，灵敏度和特异性对食品的化学，物理和生物学特性进行注释。由于单独的某种技术不能涵盖食品和饮食的复杂关系，因此在食品研究中出现了多种技术的整合。这种综合方法在数据管理方面带来了新的挑战。因此，需要新的信息学基础设施来促进其实施。
便携式电子设备使个人可以随时随地收集饮食数据。拍照以跟踪食物摄入或及时输入消费数据将提高饮食评估的准确性。便携式食品分析仪（如近红外光谱仪）的改进有助于随时随地评估饮食组成。尽管对生物传感器的可靠性和有效性表示担忧，但可穿戴生物传感器在生理监测方面提供了巨大潜力。
4.2 通过数据分析获得认识
大数据时代的挑战是通过数据分析获得认识。有关食物和饮食的数据可以通过近红外光谱，质谱，智能手机和移动应用程序以及可穿戴设备和传感器等生成。由于数据量大且种类繁多，对此类食品和饮食数据的分析非常繁琐。因此，大数据分析的概念框架是适用的。总之，将跨不同数据源的原始数据进行转换，输入到分析平台，并最终应用于指导决策。
将基于分析的解释和预测信息转换为可用于指导个人饮食决策的认识至关重要。需要开发和验证专门针对食品特性和饮食模式数据的统计模型。更加个性化和精确的饮食预测依赖于将食物数据与个人健康数据相联系。这些数据的整合带来了计算、统计、伦理和监管方面的挑战；为应对这些挑战而寻找实用的解决方案将为精准的健康管理创造机会。
4.3 支持个性化认识的行动
提供个性化饮食建议和改变个人饮食习惯之间存在差距。为了弥合这一差距，提出了基于技术的策略，可以有效利用个性化饮食见解来促进健康饮食行为（图3）。
越来越多的证据表明，将行为改变技术纳入饮食干预措施可以促进饮食行为的改变。信息和通信技术可以提高行为改变技术的效率。监测和反馈是通过可穿戴生物传感设备实现的，例如监测血糖水平和饮食活动并在血糖水平超出正常范围时向用户发出警报的生物传感器。可以通过鼓励个人与他人共享用餐计划和图像的社交网络来获得社交支持。此外，可以通过基于Web的交互式学习网站来进行个性化饮食教育。
除了个人因素外，饮食环境还有助于饮食行为。将个性化饮食纳入当地食品体系将有助于个人遵循健康的饮食建议。如果当地杂货店的配送系统与个性化的饮食计划相关联，如果所有餐厅都可以提供根据个性化建议准备饭菜，那么个性化的饮食计划更有可能出现在人们的餐桌上。
5. 结论
食物不只是营养成分的混合物，饮食也不仅仅是各个部分的总和。相反，食物的化学，物理和生物学特性赋予其超越营养价值的感官，安全和功能特性。成分相似但结构不同的食品，在消化动力学，吸收动力学，代谢和生理反应方面都存在差异。食物的偏好因人而异，这应被视为个性化饮食的重要方面。
作者认为，个性化饮食的目标是使个人和护理人员能够针对目标的健康管理做出明智的饮食决策。实现这一目标需要对食物的分子特性如何影响个体的饮食行为和健康结果有更好的了解。在分子水平上注释食物包括表征其化学组成和修饰，理化结构和生物学特性。食品的分子特性在食品生产，加工，储存，制备，消化和吸收过程中会动态变化。食品注释框架中分子属性的特征适用于从原材料到餐食的各种条件和过程。建立和更新食品数据库需要持续不断的协作。食品综合分子注释正在创建一张地图，它将使研究人员能够识别饮食健康关系，工程师可以根据需要设计饮食，个人可以为健康管理做出个性化的饮食决策。
参考文献
- Jg A , Jbsbc D , Jbga E . Molecular annotation of food – Towards personalized diet and precision health[J]. Trends in Food Science & Technology, 2019, 91:675-680.
原创文章，作者：ifyoung，如若转载，请注明出处：https://www.drugfoodai.com/food-mol-annotation.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
-
基于机器学习的模式识别技术鉴别掺假油和食用油混合物
今天给大家介绍一篇由Kevin Lim等人近期发表在Nature Communications上的一篇研究型文章。文章提出了一种机器学习方法来发现脂肪酸的特定组成，以区分十种不同的植物油类型及其内部的变化。作者还描述了一种有监督的端到端学习方法，该方法可以推广到任何给定混合物的油组成。
-
中科院计算所蒋树强研究员团队IEEE TPAMI(24.314)高分论文：大规模食品图像识别
本期分享中科院计算所蒋树强研究员团队和美团合作发表于IEEE TPAMI2023的研究工作“Large Scale Visual Food Recognition” (Weiqing Min, Zhiling Wang, Yuxin Liu, Mengjiang Luo, Liping Kang, Xiaoming Wei, Xiaolin Wei, Shuqiang Jiang*) 。IEEE TPAMI全称为IEEE Transactions on Pattern Analysis and Machine Intelligence, 是模式识别、计算机视觉及机器学习领域的国际主流期刊，2022年公布的影响因子为24.314。
-
机器学习技术对食品销售预测的最新进展
本文回顾了用于预测食品销售的现有机器学习方法。讨论了从事食品销售预测的数据分析师的重要设计决策，例如销售数据的时间粒度，用于预测销售的输入变量以及销售输出变量的表示形式。同时回顾了已应用于食品销售预测的机器学习算法以及评估其准确性的适当措施。
-
肠道菌群分析和机器学习算法揭示精准营养在干预代谢综合征中的作用
2021年7月30日，介绍一篇由中国科学院上海营养与健康研究所陈雁研究组和林旭研究组在国际学术期刊Molecular Nutrition & Food Research发表的研究论文。该文揭示了肠道菌群在指导精准营养干预改善代谢综合征中的重要作用。
-
基于多种智能传感技术的数据融合策略及其在金华火腿品质评价中的应用
该研究针对多种智能感知技术，包括电子鼻、电子舌和计算机视觉的模式识别，提出了一种新的距离-概率分类（distance-probability classification，DPC）方法，并应用于不同老化时间下金华干腌火腿的分类评价，准确率可达到100%。同时进一步利用融合数据，建立了反向传播神经网络(BPNN)模型来预测老化时间并同时预测12种感官属性。BPNN模型在预测老化时间(R2 > 0.972)和感官属性(R2 > 0.935)方面表现出令人满意的性能。
-
李培武院士团队张兆威：通过Z型Cu2O/Cu3SnS4的智能手机驱动的光电化学POCT，用于检测邻苯二甲酸二丁酯
今天介绍一篇由中国农业科学科院油料作物研究所李培武院士团队于2023年8月发表在国际学术期刊Journal of Hazardous Materials（IF=13.6）上的题为“A smartphone-powered photoelectrochemical POCT via Z-scheme Cu2O / Cu3SnS4 for dibutyl phthalate in the environmental and food”的文章。中国农业科学院油料作物研究所张兆威研究员为论文通讯作者。
-
机器学习模型预测有机污染物的作物根系浓度因子
今天分享一篇近期由耶鲁大学医学院遗传学系的FengGao等人发表在Journal of Hazardous Materials (IF: 14.224)上的文章。
-
植物油中化学物质污染的安全风险评估和预警
今天介绍一篇由上海大学生命科学学院发表于Food Control的一篇文章。文中针对中国的实际情况，分析了三种食用植物油的化学危害污染状况，通过建立多种膳食暴露评价模型，对食用植物油中的苯并芘、黄曲霉毒素B1和重金属进行了风险评价。在此基础上，对食用植物油化学危害的综合风险评价进行了研究，并利用AHP-BP方法建立了食用植物油化学危害程度的预测模型。
-
利用温控近红外光谱研究限制环境下蛋白质的热稳定性及水的作用
文章中利用反胶束模拟限制环境，采集了不同温度下蛋白质溶液及反胶束溶液的近红外光谱。通过化学计量学方法对光谱进行解析，发现限制环境下蛋白质的热稳定性显著提高，并且发现了特殊桥连水结构的存在可能是其热稳定性提高的原因之一。
-
一种基于机器视觉系统和深度学习的检测姜黄粉中掺假的新方法
今天介绍一篇最近由伊朗阿达比大学生物系统工程系Ahmad Jahanbakhshi等人发表在COMPUT BIOL MED （Q1, IF: 4.589）期刊上的文章。文章研究中，采用改进的卷积神经网络(CNN)对姜黄粉末图像进行分类，以检测参假。结果表明，计算机视觉，特别是与深度学习(DL)相结合，可以成为评价姜黄粉质量和检测参假的一种有价值的方法。
