相关实验视频
Updated: Jun 22, 2025

Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
通过机器学习揭示全面的食物功能和作用机制
Nanako Inoue1, Tomokazu Shibata1, Yusuke Tanaka2
1Department of Bioscience and Bioinformatics, Kyushu Institute of Technology, 680-4 Kawazu, Iizuka, Fukuoka 820-8502, Japan.
这项研究引入了一种新的in silico方法,使用机器学习来预测食物功能及其对疾病相关途径的影响. 这种计算方法揭示了食物及其组合如何影响预防性医疗保健的分子机制.
科学领域:
- 计算生物学 计算生物学
- 营养科学 营养科学
- 生物信息学是一种生物信息学.
背景情况:
- 使用传统的实证方法,识别食品 (包括加工品) 的全部功能能力是具有挑战性的.
- 了解生物系统中的食物化合物相互作用对于健康应用至关重要.
研究的目的:
- 开发和验证一种in silico方法来预测食物功能.
- 阐明食物化合物调节与疾病相关的蛋白质通路的机制.
- 为了确定潜在的健康益处的协同作用的食物组合.
主要方法:
- 利用机器学习算法应用于大规模的生物医学数据集.
- 统计分析了食品成分对疾病相关蛋白质通路的协作调节.
- 将该方法应用于876种食物和83种疾病.
主要成果:
- 成功预测了广泛的食物功能及其潜在机制.
- 揭示了特定的食物化合物如何集体调节分子通路.
- 根据食物之间的功能关系,确定了潜在的食物组合,影响疾病相关途径.
结论:
- 拟议的in silico方法为全面的食品功能预测提供了一个强大的工具.
- 这种方法可以揭示新的食物疾病通路相互作用,并为预防性医疗保健策略提供信息.
- 对食品化合物相互作用的计算分析为实证研究提供了一个可扩展的替代方案.
更多相关视频
06:21Concept Development and Use of an Automated Food Intake and Eating Behavior Assessment Method
Published on: February 19, 2021
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
相关概念视频
Key Elements for Plant Nutrition
Protein Networks
These interactions can be represented through maps depicting protein-protein interaction networks, represented as nodes and edges. Nodes are circles that are representative of a protein,...
Mechanistic Models: Overview of Compartment Models
Protein-protein Interfaces