A novel multi-layer prediction approach for sweetness evaluation based on systematic machine learning modeling

甜蜜 计算机科学 机器学习 人工智能 质量(理念) 图层(电子) 生物系统 生化工程 化学 食品科学 工程类 品味 生物 认识论 哲学 有机化学
作者
Zhengfei Yang,Ran Xiao,Guo‐Li Xiong,Qinlu Lin,Ying Liang,Wenbin Zeng,Jie Dong,Dongsheng Cao
出处
期刊:Food Chemistry [Elsevier]
卷期号:372: 131249-131249 被引量:15
标识
DOI:10.1016/j.foodchem.2021.131249
摘要

Nowadays, computational approaches have drawn more and more attention when exploring the relationship between sweetness and chemical structure instead of traditional experimental tests. In this work, we proposed a novel multi-layer sweetness evaluation system based on machine learning methods. It can be used to evaluate sweet properties of compounds with different chemical spaces and categories, including natural, artificial, carbohydrate, non-carbohydrate, nutritive and non-nutritive ones, suitable for different application scenarios. Furthermore, it provided quantitative predictions of sweetness. In addition, sweetness-related chemical basis and structure transforming rules were obtained by using molecular cloud and matched molecular pair analysis (MMPA) methods. This work systematically improved the data quality, explored the best machine learning algorithm and molecular characterizing strategy, and finally obtained robust models to establish a multi-layer prediction system (available at: https://github.com/ifyoungnet/ChemSweet). We hope that this study could facilitate food scientists with efficient screening and precise development of high-quality sweeteners.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
yiding发布了新的文献求助10
2秒前
李爱国应助dd采纳,获得10
2秒前
贤嘚嘚发布了新的文献求助10
3秒前
3秒前
神奇的柜子完成签到,获得积分10
3秒前
房LY完成签到,获得积分10
4秒前
6秒前
林夕儿发布了新的文献求助30
6秒前
打打应助和平星采纳,获得10
7秒前
琴风晓雨给琴风晓雨的求助进行了留言
8秒前
10秒前
小欧文完成签到,获得积分10
12秒前
fleeper完成签到,获得积分10
12秒前
wu完成签到 ,获得积分10
13秒前
13秒前
11111完成签到,获得积分10
14秒前
明理千雁完成签到 ,获得积分20
15秒前
ZC发布了新的文献求助10
15秒前
Gaoning发布了新的文献求助10
18秒前
直率的拉米完成签到,获得积分10
20秒前
21秒前
可靠的冰烟完成签到,获得积分10
22秒前
慕青应助Sev采纳,获得10
27秒前
如意歌曲发布了新的文献求助10
27秒前
27秒前
28秒前
Timo干物类完成签到,获得积分10
28秒前
yiding完成签到 ,获得积分10
29秒前
科研通AI2S应助研友_8Y26PL采纳,获得10
32秒前
和平星发布了新的文献求助10
32秒前
32秒前
pura卷卷完成签到,获得积分10
33秒前
毕双洲发布了新的文献求助20
33秒前
37秒前
153495159举报RYE求助涉嫌违规
39秒前
rosalieshi应助Aurora采纳,获得30
39秒前
曾经的慕灵完成签到,获得积分10
41秒前
42秒前
cassie完成签到,获得积分10
43秒前
飞鱼发布了新的文献求助10
43秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3155891
求助须知:如何正确求助?哪些是违规求助? 2807086
关于积分的说明 7871889
捐赠科研通 2465477
什么是DOI,文献DOI怎么找? 1312260
科研通“疑难数据库(出版商)”最低求助积分说明 629958
版权声明 601905