基于机器学习算法的食品污染物神经毒性预测模型建立

基于机器学习算法建立分类预测模型,研究常见食品中化学性污染物的理化结构与其神经毒性间关联。通过查阅文献建立化合物数据库,纳入包含影响神经分化成熟、影响神经元迁移/空间定向等各类神经毒性机制化合物57种,无神经毒性化合物50种。运用R、SPSS软件,使用随机森林（Random Forests,RF）、类神经网络（Artificial Neural Network,ANN）、支持向量机（Support Vector Machine,SVM）等机器学习算法筛选分子描述符并构建分类模型,预测化合物神经毒性。结果显示随机森林算法模型综合表现最佳,十折交叉验证准确率70.24%,训练集、测试集预测准确率分别达95.51%和83.33%,曲线下面积分别达0.99和0.85,是个较为理想的算法。本研究基于机器学习算法建立的分类模型可通过化合物的分子描述符准确预测化合物的神经毒性。在多种机器学习算法中,基于随机森林算法建立的预测模型表现最优。分子描述符重要性结果显示,化合物神经毒性主要与其质量加权Burden矩阵最大特征值有关。     

基于GC/HPLC检测和苦味评定解析黄酒苦味

为分析黄酒苦味与其成分的关系,使用气相色谱（GC）和高效液相色谱仪（HPLC）测定16种半干型黄酒样品中的挥发性成分、氨基酸及理化指标,采用Pearson相关性分析计算各成分与苦味值的相关系数,并以测定成分为X变量、以苦味值为Y变量,建立偏最小二乘法回归（PLSR）分析模型,验证苦味相关成分和模型预测的准确性。结果表明,黄酒中的苦味物质以挥发性成分为主,集中在异戊醇（R=0.808）、异丁醇（R=0.642）、正丙醇（R=0.623）和乳酸乙酯（R=0.771）,氨基酸与苦味相关性不高（R=-0.536～0.464）,酒精与苦味相关性最高（R=0.850）,总酸对苦味有促进作用（R=0.649）,总糖对苦味有明显抑制作用（R=-0.735）。PLSR分析模型证实了Pearson相关性分析的可靠性,且能很好的预测黄酒苦味值,预测准确性达到90%,这为确定黄酒苦味提供了科学分析的客观方法。     

基于高效液相色谱指纹图谱结合化学计量学及机器学习的黑茶产地识别

目的 建立广西、湖南、四川、陕西和西藏产地黑茶高效液相色谱(high performance liquid chromatography, HPLC)指纹图谱, 并结合化学计量学与机器学习对黑茶进行产地识别研究。方法 采用高效液相色谱-二极管阵列检测器(high-performance liquid chromatography-diode array detection, HPLC-DAD)检测48份不同产地黑茶的化学成分并建立指纹图谱; 利用没食子酸、表没食子儿茶素、表儿茶素没食子酸酯、表儿茶素、儿茶素、咖啡碱和L-茶氨酸7种对照品对图谱共有峰进行指认; 结合化学计量学和不同机器学习算法建立黑茶产地识别模型, 并使用准确率（Accuracy)、精确率（Precision)、召回率（Recall)及F1 分数（F1 Score)作为机器学习产地识别模型的评价指标。结果 黑茶指纹图谱共识别出8个共有峰, 指认其中7个成分; 基于指纹图谱8个共有峰峰面积建立的化学计量学和机器学习的产地识别模型中显示, PLS-DA模型能识别部分产地黑茶, 并筛选出4个差异标志物, 其预测准确率为54.2%, 逻辑回归（Logistic Regression, LR)、反向传播神经网络（Back Propagation neural network, BPNN)、支持向量机（Support Vector Machine, SVM)、随机森林（Random Forest, RF)和决策树（Decision Tree, DT)算法模型预测准确率分别为66.7%、80.0%、80.0%、90.0%和90.0%, 其评价指标表明SVM模型的产地识别效果最好。结论 我国不同产地黑茶化学成分含量存在一定差异, HPLC指纹图谱结合GA-SVM能够较好对黑茶产地进行溯源研究。     

基于数据融合的细菌素发掘及类别判定模型

从现有文献以及数据库中收集细菌素信息,结合数据库技术建立细菌素信息数据库。通过MOE软件和E-Dragon平台生成分子描述符。基于随机森林(Random forest, RF)和支持向量机(Support Vector Machine,SVM)建立细菌素发掘模型,其中,RF算法建立的细菌素发掘模型识别效果最好,准确率(Accuracy, Acc)为0.9187。基于随机森林和K最近邻(k-NearestNeighbor, kNN)算法建立细菌素类别判定模型,其中,KNN模型准确度最高,为0.9000。根据建立的模型预测出7种可能的细菌素,并判定它们多数为Class IIB类。     

基于层次分析法和随机森林回归算法的谷物资源风险评估模型

目的：保障谷物资源的消费安全。方法：根据国家相关标准,确定以镉（Cd）、砷（As）、铅（Pb）、铬（Cr）、黄曲霉毒素（AFs）、伏马毒素（FB）、玉米赤酶烯酮（ZEN）、脱氧雪腐镰刀菌烯酮（DON）8个化学污染物为谷物质量安全的风险评价指标,采用基于熵权法的层次分析法（EW-AHP）计算各风险评价指标的权重,并利用权重将谷物资源中生物危害因素的日常采样数据量化为具体的风险值作为风险评估模型的输出。同时将评价指标的数据作为风险评估模型的输入,选择随机森林回归（LR）、支持向量机回归（SVM）、BP神经网络回归（BP）和K近邻回归（KNN）4种机器学习算法进行模型的构建和比较。结果：基于熵权的层次分析法随机森林回归算法（AHP-RF）构建的模型的预测相关系数达0.99以上,利用风险评估模型对2019年8月的谷物检测数据进行风险预测分析,相关结果与实际相符。结论：基于AHP-RF方法构建的风险评估模型可为谷物资源的安全监管提供有针对性的参考建议。     

改进随机森林的波长选择用于烟叶近红外稳健校正模型的建立

为了增强烟叶定量近红外模型的稳健性,采用改进的随机森林(Random Forests,RF)重要性度量的方法选择与待测组分相关性强的波长变量,建立了抗干扰能力强的分析模型;用不同含水率和不同样品温度的烟叶测试样品,验证了所建模型的适用性。结果表明:①RF波长优选可以筛选出对外界变化敏感性低的波长变量。②模型更加简单,且具有更高的精度和稳健性。该方法对建立稳健的烟叶近红外品质快速分析模型具有一定的参考意义。     

浓香型白酒中的苦味

酒的苦味主要来自原辅料、工艺和勾调过程。浓香型酒中的苦味物质主要有单宁类、多肽、氨基酸、杂醇、醛类和无机盐。苦味物质表现出阈值较低、在低温下较敏感、可变性小、可使浓香型酒风味复杂、舌各部位对苦味的敏感程度差异较大等特征。可通过对原辅料和工艺的控制及采用勾调等方法降低浓香型酒的苦味。（孙悟）     

苦味机理及苦味物质的研究概况

苦味是一种分布广泛、阈值极低的味感,而消费者往往拒食苦味食物,但苦味物质在食品风味和生理调节方面具有重要作用。简要论述了苦味呈味机理、几种苦味物质的功能特性以及苦味抑制剂方面的研究进展。     

基于优化随机森林算法预测食品检验不合格指标

目的 食品不合格指标危害人类饮食健康,本文将数据挖掘技术应用于食品安全检测中。方法 通过收集山东省食药局官方网站下发的2015~2019年食品安全抽样检验产生的不合格数据,并对其进行多项数据预处理操作,采用超参数网格搜索和10折交叉验证方法建立了基于随机森林的食品不合格指标的分类预测模型,另外,通过对传统随机森林模型的参数优化,将其与决策树（DT）、逻辑回归（LR）和梯度提升决策树（GBDT）算法分类预测结果进行了对比。结果 实验表明经过参数优化后的随机森林模型对食品中不合格指标的预测准确率能够达到89.4%,比DT算法提高了11%,比LR算法提高了9%,比GBDT算法提高了8.1%。结论 基于优化的随机森林模型可以完成食品不合格指标分类预测任务,有广阔的应用前景。     

基于近红外光谱技术的六大茶类快速识别

为构建高质量的六大茶类识别模型,本研究中收集了370份样品,通过采集其近红外光谱（near-infrared spectroscopy,NIRS）,结合光谱预处理、特征提取以及数据挖掘分类器算法,建立六大茶类快速识别模型。结果表明：1）支持向量机（support vector machine,SVM）与随机森林（random forest,RF）分类器皆适于六大茶类快速识别模型的构建;2)SVM分类器更适于结合原始光谱（original spectrum,OS）建模,预处理易使基于该分类器建立的模型鉴别性能减弱;3）随机森林（RF）分类器更适用于预处理后光谱建模,所得模型较OS模型在识别正确率（recognition accuracy,RA）及受试者工作特征曲线下面积（area under the curve,AUC）均得到明显提升;4）特征提取中线性判别分析（linear discriminant analysis,LDA）算法表现最好,所得模型的RA较OS模型明显提升,其中最佳模型OS-LDA-SVM的RA为100.00%,AUC为1.00,识别正确率高、泛化能力强、模型性能优异,...     

大豆蛋白水解物苦味评价方法

目的:研究大豆蛋白水解物的苦味程度,寻找苦味评价方法.方法:采用感官评价和电子舌分析大豆蛋白水解物的苦味程度;采用高效液相色谱法分析游离氨基酸含量和肽分子质量分布;采用偏最小二乘回归分析(partial least squares regression,PLSR)研究游离氨基酸含量、感官苦味强度以及电子舌苦味响应值评价...     

分步酶解小麦面筋蛋白制备低苦味肽粉的研究

目的 研究分步酶解小麦面筋蛋白(wheat gluten, WG)制备低苦味肽粉的工艺。方法 选用中性蛋白酶、木瓜蛋白酶、胃蛋白酶水解WG至8%水解度,接着用风味蛋白酶对水解产物进行脱苦处理,对不同酶解产物中苦味肽的特性进行系统研究,探究苦味肽含量、氨基酸组成、分子量分布、表面疏水性等指标变化对WG酶解物苦味值的影响,对比风味蛋白酶对不同单酶酶解物的脱苦效果差异,分析风味蛋白酶对WG酶解物脱苦的内在机理,进而确定制备低苦味小麦蛋白肽粉的最佳酶解工艺。结果 中性蛋白酶的酶解产物经风味蛋白酶作用后,脱苦效果最显著,苦味肽苦味值从4.08降至2.25,酶解产物的苦味值可下降56.42%。木瓜蛋白酶的酶解产物经风味蛋白酶作用4 h后,酶解产物的苦味值最低,制备出苦味值为1.28的WG低苦味肽粉。结论 经分步酶解作用后,酶解产物中苦味肽的含量下降;疏水性氨基酸比例的下降和游离氨基酸含量的升高引起苦味肽苦味阈值的增大,共同导致酶解产物苦味值显著降低,该研究为酶解脱苦技术的快速发展和WG活性肽工业化生产提供新的参考。     

花椒精油的苦味成分鉴定

通过提取3种青花椒(四川汉源、贵州安顺、重庆江津)和1种红花椒(陕西韩城)的花椒精油,同时减压蒸馏分离贵州安顺产青花椒精油样2的不同馏分,采用感官评定结合气相色谱-质谱鉴定的方法初步分析出花椒精油中的苦味成分。提取一批花椒精油(20种不同产地与品种的花椒),对其做苦味阈值与成分鉴定,通过相关性分析验证上述判断结果。向青花椒精油样2的馏分1中添加苦味嫌疑成分标准品,采用标准品回添实验并进一步确定花椒精油中的苦味成分。研究结果表明:不同品种的花椒精油的苦味阈值不同,青花椒精油的苦味阈值低于红花椒精油;青花椒精油样2经水蒸气分馏的四段馏分的苦味阈值不同;通过对20种不同花椒精油中醇类(芳樟醇)、酮类及醇酮混合物与苦味阈值的相关性分析,发现酮类与青花椒精油的苦味相关性极显著,醇类与青花椒精油的苦味相关性显著,且醇类与酮类成分之间有苦味协同作用;高浓度的醇类会给精油带来苦味,低浓度的酮类或醇酮混合成分就能大幅度降低精油苦味阈值。     

白酒的"苦味"及其解决措施

白酒中存在许多不同阈值的苦味物质，苦味有时表现为麻苦、焦苦、涩苦、甜苦等，会影响酒体质量，影响消费和企业效益。引起白酒苦味的主要物质有杂醇类、醛类、酚类化合物、硫化物、多肽、氨基酸和无机盐等。其主要来源于原辅料不净、原辅料选择不当或配料不合理以及工艺条件控制不当。解决酒苦味的措施有：控制酒体中的有机酸含量；应用勾兑与调味技术弱化苦味；防止加浆降度用水带入苦味；清蒸辅料、排除其邪杂味；合理配曲使用；加强生产环境卫生；严格控制合理的生产工艺。     

Rejection Thresholds in Chocolate Milk: Evidence for Segmentation

Bitterness is generally considered a negative attribute in food, yet many individuals enjoy some bitterness in products like coffee or chocolate. In chocolate, bitterness arises from naturally occurring alkaloids and phenolics found in cacao. Fermentation and roasting help develop typical chocolate flavor and reduce the intense bitterness of raw cacao by modifying these bitter compounds. As it becomes increasingly common to fortify chocolate with `raw' cacao to increase the amount of healthful phytonutrients, it is important to identify the point at which the concentration of bitter compounds becomes objectionable, even to those who enjoy some bitterness. Classical threshold methods focus on the presence or absence of a sensation rather than acceptability or hedonics. A new alternative, the rejection threshold, was recently described in the literature. Here, we sought to quantify and compare differences in Rejection Thresholds (RjT) and Detection Thresholds (DT) in chocolate milk spiked with a food safe bitterant (sucrose octaacetate). In experiment 1, a series of paired preference tests was used to estimate the RjT for bitterness in chocolate milk. In a new group of participants (experiment 2), we determined the RjT and DT using the forced choice ascending method of limits. In both studies, participants were segmented on the basis of self-declared preference for milk or dark solid chocolate. Based on sigmoid fits of the indifference-preference function, the RjT was ~2.3 times higher for those preferring dark chocolate than the RjT for those preferring milk chocolate in both experiments. In contrast, the DT for both groups was functionally identical, suggesting that differential effects of bitterness on liking of chocolate products are not based on the ability to detect bitterness in these products.     

Rapid Determination of Bitterness in Beer Using Fluorescence Spectroscopy and Chemometrics

Two fluorescence spectroscopic methods with the aim to develop a fast quantitative determination of bitterness in beer were tested. The first method was based on autofluorescence of the diluted and degassed beer samples without any further processing. A total of 21 dark and light beer samples were analyzed and multivariate Partial Least Squares (PLS) regression models to bitterness in form of international bitter units (IBU) were performed. A prediction error in the form of Root Mean Square Error of Cross‐Validation (RMSECV) of 2.77 IBU was obtained using six PLS components. Focusing only on the light beer samples the RMSECV was reduced to 1.81 IBU. The second method developed was based on addition of europium to induce delayed fluorescence signals in the beer samples. PLS models yielded an RMSECV of 2.65 IBU for all beers, while a model on the light beer samples gave an RMSECV of 1.75 IBU. The obtained prediction errors were compared to the errors given in the literature for the traditional extraction method of determining IBU.     

感官评定方法确定麻竹笋苦涩味物质成分及与口感的关系

通过分析测定麻竹笋苦涩味物质含量与感官评定方法确定竹笋苦涩味物质成分及与口感的关系。麻竹鲜笋在100℃纯净水中分别进行0、30、90、150 s和420 s 5个时间梯度水煮处理,并测定煮后笋汤、笋渣的可溶性单宁、草酸和游离苦味氨基酸(Phe、Val、Arg、Met和Leu)含量,感官评定小组对其涩味、苦味强度评定,并通过对食品级草酸、单宁标准样品配制的不同质量浓度溶液进行苦涩味感官评定,建立单宁、草酸、单宁和草酸混合液的质量浓度与滋味强度的特征曲线函数。结果表明,影响麻竹笋苦涩味的主要物质是可溶性单宁,竹笋苦味和涩味均与单宁含量呈极显著关系,相关系数分别达0.896和0.867;竹笋涩味与草酸含量呈显著关系,相关系数为0.448,而竹笋苦味与草酸含量无显著关系;竹笋苦涩味与游离苦味氨基酸含量均无显著关系。利用单宁特征曲线函数对竹笋苦涩味偏重的成因进行了分析,对9个笋渣、笋汤的分析结果表明,单宁特征曲线函数对竹笋涩味的解释程度达60.6%~136.4%,对竹笋苦味的解释程度达63.4%~132.0%,较高的可溶性单宁含量是引起麻竹笋苦涩味偏重的主要原因。     

Use of enzymes to elucidate the factors contributing to bitterness in rye flavour

In spite of the health-beneficial character of whole grain rye its use may be limited because of bitter taste. The impact of non-volatile chemical compounds on the bitter taste of rye was analysed by the aid of enzymatic hydrolysis, releasing potentially flavour-active compounds from the rye matrix. Whole grain rye flour–water suspension was treated with hydrolytic enzymes, whereafter portions of the rye suspensions were baked into crackers, assessed for their sensory profile as well as solubilised hydrolysis products. Heat treatment reduced the perceived bitterness. The treatment with enzyme preparation with high protease activity increased the bitterness of rye and also wheat flour both as suspension and as crackers. Other enzymes tested (with high polygalacturonase, endo-glucanase, xylanase or amyloglucosidase activity) had no significant impact on the perceived bitterness. Thus, small molecular weight peptides were considered to be a significant contributor to the bitter note of rye.