综述：食品风味与质地预测的数据和模型系统评价

这篇综述系统梳理了食品风味（taste/odor/flavor）和质地（texture）预测领域的数据资源和计算模型，重点探讨了基于机器学习（ML）的味觉分类（如甜/苦/鲜味）和嗅觉预测方法，特别强调了图神经网络（GNN）在分子感官预测中的突破性应用，同时指出质地预测领域亟待建立标准化数据集（如TPA参数）。文章为食品设计、个性化营养和药物开发提供了重要方法论参考。

　　

食品感官科学的计算革命

ABSTRACT
这篇开创性综述系统描绘了食品感官预测领域的技术版图。通过整合70余个数据库和40余种预测模型，揭示了计算模型如何解码人类感知的化学密码——从基础的甜、酸、苦、咸、鲜五种味觉，到包含400种嗅觉受体的复杂嗅觉系统。

INTRODUCTION
食物的感官体验是多重感知的交响乐。ISO标准明确定义：味觉（taste）仅限舌部感知的溶解性物质刺激，而风味（flavor）是嗅觉、味觉和三叉神经感觉的综合体。质地的定义则涵盖食品的机械特性（硬度、咀嚼性）和表面特性（粘附性）。这些感官特性通过TPA（质地剖面分析）量化，例如奶油奶酪硬度值为1，而冰糖高达9。

DATA
3.1 味觉数据库
BitterDB收录1041种苦味分子及其受体互作信息，SuperSweetDB则包含21,980种甜味化合物。突破性的SweetpredDB首次整合671种化合物的相对甜度（relative sweetness）量化数据，为人工甜味剂开发提供基准。值得注意的是，咸味数据严重匮乏，现有数据库中仅8种化合物被标注咸味特性。

3.2 嗅觉与风味数据库
Pyrfume项目统一了12个主要嗅觉数据库，其中OlfactionBase堪称最全面的嗅觉图谱，包含5,109种气味分子和106种基础气味分类。FlavorDB2.0通过25,595个分子的风味特征，构建了化学-食物-感官的三维关联网络。但挑战在于：现有数据极少考虑浓度效应——ppm级的香兰素带来愉悦香草香，而高浓度则产生刺鼻化学味。

3.3 质地数据库
与风味数据相比，质地数据呈现"碎片化"特征。最大的鲤鱼质地数据集仅387个样本，记录8项TPA参数（如剪切力WBSF、持水性WHC）。非破坏性检测技术如高光谱成像（HSI）正逐步替代传统机械测试，但需要更多标准化数据支持。

MODELS
4.1 味觉预测
GNN在甜味预测中展现惊人潜力，Song等开发的共识模型达到准确率0.90。肽类味觉预测则转向NLP技术，BERT4Bitter通过氨基酸序列预测苦肽，AUC达0.96。量化预测方面，梯度提升回归器对相对甜度的预测R²达0.94。但鲜味（umami）预测仍受限于数据量，UMP789数据集仅收录789种肽段。

4.2 嗅觉预测
Google的"主嗅觉图谱"（Principal Odor Map）MPNN模型首次实现超越人类中位水平的嗅觉预测（AUC 0.89）。Sharma团队的分子图像CNN模型更实现104种气味分类，准确率98%。但核心挑战在于：β-紫罗兰酮在0.1ppm呈紫罗兰香，而1ppm却显木香——现有模型尚不能捕捉此类浓度依赖效应。

4.3 质地预测
PLSR（偏最小二乘回归）成为主流方法，在鲑鱼嫩度预测中R²达0.90。新兴的HSI-ANN联用技术实现鲤鱼咀嚼力预测RMSE仅6.04。但样本量制约发展——植物肉质地研究仅54个样本，酸奶质地分析仅13组数据。

APPLICATIONS
在公共卫生领域，GNN模型从19,000种化合物中筛出新型驱蚊剂，应对每年导致60万人死亡的蚊媒疾病。制药工业运用苦味预测开发儿童药物掩味剂，使服药依从性提升300%。食品工业则通过风味预测模型，开发出钠含量降低40%但咸味不变的创新配方。

GAP ANALYSIS
五大前沿方向亟待突破：1）盐味增强肽的挖掘；2）味觉受体（TAS2R家族）的分子对接模拟；3）嗅觉混合效应建模；4）质构-成分关联图谱构建；5）模型可解释性提升。特别是AlphaFold3可能革新味觉受体-配体预测领域。

CONCLUSION
这场感官计算革命正重塑食品工业研发范式。当HSI检测仪能实时预测牛排嫩度，当GAN生成的新型甜味剂分子跃然屏上，我们站在食品数字化的拐点。下一步将是整合CFD（计算流体力学）与ML，从分子相互作用到工厂级生产参数，全链条解码感官密码。正如文中那个意味深长的发现：某些分子在舌部是甜的，在心脏却能调节收缩——这提醒我们，感官预测的终极目标，或许是揭开化学语言与生命感知的深层对话。