相关实验视频
Updated: Jun 5, 2025

Fruit Volatile Analysis Using an Electronic Nose
Published on: March 30, 2012
FlavorMiner:一种机器学习平台,可以从结构数据中提取分子风味配置文件
Fabio Herrera-Rocha1,2, Miguel Fernández-Niño2,3, Jorge Duitama4
1Grupo de Diseño de Productos y Procesos (GDPP), Department of Chemical and Food Engineering, Universidad de los Andes, 111711, Bogotá, Colombia.
机器学习工具FlavorMiner准确预测食品中的分子风味化合物. 这种方法加快了风味分析,为复杂的食物代谢提供了洞察力,并帮助了食品行业.
科学领域:
- 食品科学 食品科学 食品科学
- 计算化学计算化学
- 生物信息学是一种生物信息学.
背景情况:
- 消费者对食品的接受主要取决于味道.
- 在复杂的食物矩阵中识别风味化合物是具有挑战性和昂贵的.
- 机器学习 (ML) 为预测味道特征提供了一个有希望的替代方案.
研究的目的:
- 开发和验证FlavorMiner,一种基于ML的多标签预测器,用于分子风味特征.
- 通过评估算法和表示组合来优化ML方法进行风味预测.
- 为了解决风味数据集中的类失衡问题.
主要方法:
- FlavorMiner集成了各种ML算法 (随机森林,K-最近邻居) 与分子描述器 (扩展连接指纹,RDKit).
- 使用了类平衡策略,包括重新抽样和重量平衡.
- 模型的性能使用ROC AUC得分进行评估.
主要成果:
- FlavorMiner的平均ROC AUC得分为0.88,这表明它的预测准确度很高.
- 随机森林/K-最近邻居与扩展连接指纹/RDKit描述符的组合表现最好.
- 在减轻阶级不平衡方面,重新抽样策略比权重平衡更有效.
结论:
- "FlavorMiner"为预测分子风味特征提供了一个准确而高效的方法.
- 该工具可以分析复杂的食物代谢学数据,例如可可.
- "FlavorMiner"提供了一种可扩展的解决方案,用于在各种食品中挖掘风味,从而推进食品科学和行业实践.
更多相关视频
08:43PTR-ToF-MS Coupled with an Automated Sampling System and Tailored Data Analysis for Food Studies: Bioprocess Monitoring, Screening and Nose-space Analysis
Published on: May 11, 2017
04:36Author Spotlight: Exploring Tea Aroma Using Solvent-Assisted Flavor Evaporation Technique
Published on: May 26, 2023
相关概念视频
Mass Spectrometry: Aromatic Compound Fragmentation
Mass Spectrometry: Aldehyde and Ketone Fragmentation
Mass Spectrometry: Alcohol Fragmentation
NMR Spectroscopy of Aromatic Compounds
Mass Spectrometry: Molecular Fragmentation Overview
One type of fragmentation pattern is the cleavage of a single bond in the molecular ion. The cleavage leads to a radical and a cation. The cleavage can...
Molecular Models