撰文：梁瑞
编辑：肖冉
今天给大家介绍一篇由Wanting Su等人，于2023年5月在Quantitative Biology上的一篇即将发表的预印本文章。本文介绍了基于食品和疾病之间的关联和治疗关系评分网络NutriFD，其集成了9个数据库，包括食品、营养物质、疾病、基因、miRNA、化合物、疾病本体及其关系。此外，NutriFD通过机器学习模型证明了营养物质对食物与疾病之间治疗关系的预测性，为食物治疗的机制理解奠定了基础。
摘要
有越来越多的证据表明特定饮食干预与健康益处有关。目前的食品-疾病数据库重点关注关联和治疗关系，但还没有提供合理的关系强度评估，并缺乏对食品营养的关注。NutriFD是一个基于食品和疾病之间的关联和治疗关系评分网络，是唯一可以通过加权推理分数将日常食品和疾病的关联和治疗关系进行评分的数据库，可以指导饮食疗法。此外，NutriFD通过机器学习模型展示了营养素对食品和疾病之间治疗关系的预测性，为食品疗法的机制理解奠定了基础。
主要亮点
1.该数据集可以为研究人员提供与疾病相关的饮食数据，从而为研究人员探索试验方向提供指导，并有助于指导未来的饮食干预试验。
2.为研究人员提供了来自美国农业部的食物营养成分概况和疾病相似性概况，以便研究它们之间的潜在关系。
3.研究人员可以提出改进后的机器学习模型，以提高预测食物与疾病之间关系的准确性。
图文赏析
图1.NutriFD创建流程
图2.食物与疾病邻接矩阵的计算方法
图3.计算三种疾病特征的方法
图4.食品名称整合流程
图5. a、b分别表示为NutriFDA 、NutriFDT中不同来源疾病名称的交集
结论
食疗已经发展了很长时间，主要是在营养领域，通过营养元素的分析给出了人体生命周期中不同的营养需求。然而，从大数据角度建立食物与疾病关系的领域才刚刚兴起。在本文中，开发了一个名为 NutriFDA 的关联评分网络和一个名为 NutriFDT 的治疗评分网络。此外，还使用机器学习模型来评估其有效性。在某种程度上，目前的数据集可以为研究人员提供与食物相关的疾病数据集，为饮食治疗试验提供信息，并帮助指导未来的饮食干预试验。
参考文献：
Su, Wanting, Feng Tan, Dong Liu and Pengwei Hu. “NutriFD: Proving the medicinal value of food nutrition based on food-disease association and treatment networks.” (2023).
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/nutrifd%ef%bc%9a%e5%9f%ba%e4%ba%8e%e9%a3%9f%e7%89%a9%e4%b8%8e%e7%96%be%e7%97%85%e5%85%b3%e8%81%94%e5%92%8c%e6%b2%bb%e7%96%97%e7%bd%91%e7%bb%9c%e8%af%81%e6%98%8e%e9%a3%9f%e7%89%a9%e8%90%a5%e5%85%bb.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
-
重磅干货：食品科学数据库资源汇总（国内篇）
近些年，随着各行业的数据呈现爆炸式增长，越来越多的数专业据库不断涌现，这些数据库为业内研究者提供了广泛的数据基础。在药物和食品研究领域，除了Pubchem, ChEMBL等综合性的数据库之外，也有DrugBank, Foodb等专业性的数据库。近年来，食品科学领域与人工智能的交叉越来越广泛和深入，在食品安全和食品营养等领域涌现了大量的优秀成果。但目前，食品科学领域相对于药物研发领域，数据库的类别和数量仍然还有很大差距。而获取优质的大量的数据是人工智能方法的前提，因此专业数据库的发展就显得尤为重要。
-
中国人民公安大学侦查学院姜红课题组：基于拉曼光谱和机器学习算法的沙门氏菌快速鉴定
本研究针对三种最具致病性的沙门氏菌血清型，使用拉曼光谱获取其光谱数据，选择适合解决多分类问题的卷积神经网络（CNN）对拉曼光谱数据进行深入挖掘和分析。比较了五种光谱预处理方法，Savitzky-Golay平滑（SG），多元散射校正（MSC），标准正态变量（SNV）和希尔伯特变换（HT）对CNN模型预测能力的影响。采用准确度（ACC）、精度、召回率和F1得分 4种机器学习评价指标来评估不同预处理方法下的模型性能。
-
ACS Omega：当机器学习和深度学习成为食品化学中的大数据
撰文：梁瑞 编辑：肖冉 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…
-
基于质谱-机器学习技术的番茄分类:一个食品安全增强平台
今天介绍一篇由Arthur Noin de Oliveira等人于2022年8月发表在Food Chemistry（IF=9.231）上的文章。该研究旨在开发一个使用机器学习算法的平台，分析质谱数据，对番茄进行有机和非有机的分类。决策树算法被定制用于数据分析，该模型在确定每种水果属于哪个组时达到了92%的准确度、94%的灵敏度和90%的精确度。
-
可容忍传感器故障等因素的机器学习模型用于食品质量预测
今天给大家介绍土耳其坎卡亚大学计算机工程系、软件工程系，土耳其伊斯坦布尔巴赫塞希尔大学计算机工程系，荷兰瓦赫宁根大学信息技术组合作，于2020年6月3日发表于Sensors期刊上的一篇研究型文章。文章中作者提出了一种单复数投票系统(SPVS)分类方法，可以通过忽略传感器故障或其他类型的故障来提高对食品质量的评估。为了说明该方法，作者使用了牛肉切割质量评估的案例研究。
-
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。
-
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…
-
在食物蛋白质衍生肽数据库中对胆汁酸结合肽进行机器学习筛选
今天介绍一篇近期由日本名古屋大学生物分子工程系的Kento Imai等人发表于Nature scientific reports的文章。文中使用BIOPEP-UWM和机器学习开发了一种新的生物活性肽筛选方法，有助于识别胆汁酸结合肽以及其他生物活性肽。
-
Food Chem|衰减全反射-傅立叶变换红外光谱结合化学计量学快速检测椰子水掺假
该文研究了衰减全反射-傅立叶变换红外光谱(ATR-FTIR)与化学计量学相结合，作为一种快速检测椰子水中掺糖的方法。
-
Food Chemistry|深度学习在基于图像的中国市场食品营养估计中的应用
该研究在视觉识别任务中利用了深度学习技术，并提出了一套大数据驱动的深度学习模型，从食物图像回归到营养估计，最大限度地发挥了深度学习模型的潜力，同时为未来将人工智能引入食品领域提供了基础。
