ACS Omega：当机器学习和深度学习成为食品化学中的大数据

随着食品化学和营养学的发展，人们越来越关注食品的组成以及饮食与健康的关系。值得注意的是，营养指导和选择健康饮食的教育项目比以往任何时候都更受重视。此外，针对某些疾病的具体营养需求也是最近的重点。

从第一个食品数据库问世以来，食品数据库已经变得更加多样化，包括食品成分数据库、食品风味数据库和食品化学化合物数据库。这些数据库提供了有关各种食品化合物的营养成分、风味分子和化学性质的详细信息。随着人工智能（AI）在各个领域的普及，AI方法也可以应用于食品行业研究和分子化学。机器学习和深度学习是分析食品数据库等大数据来源的宝贵工具。在过去的几年里，用人工智能概念和学习方法研究食物成分、风味和化合物的研究已经出现。

图1.食品大数据

注：此图形是用BioRender.com创建

图2.食品数据中机器学习和深度学习的概念

随着许多食品成分和食品化合物数据库的建立，机器学习和深度学习方法正成为有效分析大数据集的有价值的工具。除了更好地了解食品成分和化合物的化学和药理特性外，综述结果表明，可以使用更有效的解决方案来解决食品搭配、药物相互作用和分子建模等问题。这些应用可以促进食品科学和食品化学的进一步发展。

目前将大数据和人工智能应用于食品科学的研究表明，有望增加食品数据库的价值，并对食品系统进行分析和更广泛的洞察。大数据和人工智能革命带来了协同发展的机会。