综述：食品与营养科学中的人工智能：计算框架与系统级集成的范式中心综述 可供购买

《Food and Function》：Artificial intelligence in food and nutrition science: a paradigm-centric review of computational frameworks and system-level integrationAvailable to Purchase

　　

全球范围内的精准营养需要将食物理解为动态且异质的生化基质，而非所谓宏量营养素的静态集合。食物成分、胃肠道消化和人类微生物组之间这些复杂的非线性相互作用，难以使用传统的经验实验方法来捕捉。本综述阐述了一个基于范式的框架，将人工智能（AI）在食品与功能科学中的概念重新定义，从通用的工业应用扩展到生理和生化现象的计算建模。我们特别探讨了物理信息神经网络（PINNs）与既有数据驱动方法的关键整合，以规避纯数据驱动模型在标准化框架（例如，INFOGEST）内的认识论局限性，评估其在使用模拟胃肠道质量传递和溶解动力学方面的表现，在复杂的蛋白质消化率基质中实现了高达 R² = 0.91 的预测精度。最后，我们展示了微生物群落规模代谢建模（MCMM）和多模态机器学习如何在机制上将特定的饮食输入与独特的微生物组反应耦合起来，在区分饮食响应性代谢状态和个性化餐后血糖结果方面，产生了高达 95% 的诊断准确性。我们还强调了图神经网络（GNNs）在理性设计生物活性肽方面的重要性，以及人工神经网络（ANNs）在微胶囊优化中的作用，后者已显示出将物理实验配方试验减少 60% 以上的能力。此外，我们评估了 AI 在精准水产养殖中的新兴角色，其中计算机视觉和预测模型在疾病检测方面达到了 94–99% 的准确性，并将饲料转化率降低了多达 11%。本综述讨论了连接计算智能与食品功能的必要性，勾勒出通往自主代谢感知食品生态系统的道路，同时指出了精准营养背后在机制可解释性、数据标准化和文化偏见方面的重要研究空白。

视觉摘要

查看大图 下载幻灯片

AI 整合识别、映射、搜索、同步和推理，将多模态食品数据转化为可操作的智能，服务于精准营养、食品安全、智能制造、可持续性和适应性食品系统。

查看大图 下载幻灯片

AI 整合识别、映射、搜索、同步和推理，将多模态食品数据转化为可操作的智能，服务于精准营养、食品安全、智能制造、可持续性和适应性食品系统。

关闭模态窗口

? 2026 作者。由英国皇家化学学会出版

2026

作者

您必须请求许可才能在其他出版物中使用本文材料；请参阅我们关于重用基于 RSC 许可 发布的文章材料的指导。