相关实验视频
Updated: Jul 16, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
一种基于关联规则挖掘的新型FCTF食品疗效评估和预测模型
Yaqun Liu1, Zhenxia Zhang1, Wanling Lin1
1School of Food Engineering and Biotechnology, Hanshan Normal University, Chaozhou, Guangdong, China.
Frontiers in nutrition
|September 13, 2023
概括
食品成分-目标功能 (FCTF) 模型使用关联规则挖掘和网络分析来预测药用食品的疗效,如老黄. 这种方法验证了传统的用途,并探索了消化系统和神经系统疾病的新治疗潜力.
科学领域:
- 食品科学和计算生物学
- 综合食品成分,生物点和治疗功能的跨学科研究.
背景情况:
- 传统的药用食品具有宝贵的治疗潜力,但它们的机制往往未被充分探索.
- 食品成分目标功能 (FCTF) 模型为评估和预测食品成分的有效性提供了一个新的框架.
研究的目的:
- 引入和验证用于分析药用食品的FCTF模型.
- 为了探索当地药用食品的治疗效果劳西黄对于消化系统和神经系统疾病.
主要方法:
- FCTF模型采用协会规则挖掘 (ARM) 和网络交互分析.
- 它系统地探索食物成分,确定关键的生物标,并使用各种数据库和相互作用计算预测治疗功能.
主要成果:
- 应用于老广州的FCTF模型确定了关键目标 (ACE,PTGS2,CYP2C19) 和活性成分 (龙,跨尼罗利多尔,林纳醇等). ) 的情况.
- 该模型证实了Laoxianghuang在消化系统疾病中的有效性,并建议在神经疾病中发挥潜在的辅助作用.
结论:
- FCTF模型为药用植物的初步研究提供了一个强大的方法,特别是在资源有限的地区.
- 这种跨学科模式促进了对基于食物的疗法及其在传统和新疗法领域的应用的科学理解.
