近日，中国农业科学院特产研究所加工团队在食品领域顶级期刊《Trends in Food Science & Technology》(Q1, IF = 15.1) 发表了题为“Machine learning and flavoromics-based research strategies for determining the characteristic flavor of food: A review”的综述论文。

本研究系统综述了食品风味组学和机器学习（ML）算法联合应用的最新进展，包括食品风味检测技术和ML模型在风味品质评价、真实性鉴别、质量预测及改善等方面的应用。

食品风味是决定食品质量的关键要素。香气和滋味共同组成食品特征风味。将传统检测技术与智能感官分析技术相结合，不仅能检测和分析食品中的风味成分，还能通过智能感官仪器的传感器感知整体风味信息，有效的将仪器分析和感官评价紧密联系起来，更好的解析食品风味组。近年来，ML在食品特征风味挖掘和分析中得到了广泛的应用。ML可以完成数据分类、回归等任务，通过学习和分析大量的输入数据，不断优化模型算法，实现对未知数据的准确预测。本文综述了ML在食品风味领域的最新研究进展。总结了GC-MS、GC-IMS、E-nose和E-tongue等检测及感官分析技术在食品风味分析中的实际应用，并讨论了感官分析和仪器检测方法的优点和局限性。传统ML和深度学习（DL）在食品风味研究领域都发挥着重要的作用，多种ML算法的联合应用改进了对风味的系统研究，也是未来发展趋势。将ML方法与风味组学分析技术相结合，可以更好地弥补传统感官评价方法的不足。另外，在研究中还发现了每种ML模型都有各自的优缺点，例如KNN（k-近邻）、SVM（支持向量机）、DT（决策树）和DL等模型可以处理复杂和较大的数据集，但对数据量的要求较高，训练耗时长，容易出现过拟合。而当多个ML模型一起用于预测风味时，可以快速找出准确率最高或更适合预测任务的模型。在未来，复合模型的开发对提高风味预测的准确性和应用广泛度具有重要意义，将为食品风味研究提供新的机遇。

Graphical Abstract

第一作者：中国农业科学院特产研究所与吉林农业大学联合培养硕士研究生蔡东琳

通讯作者：曲迪（副研究员）

项目资助：本研究得到国家重点研发计划项目(2023YFD1601600)和中国农业科学院青年创新专项(Y2024QC27)的资助