文献

J-GLOBAL ID：202202273229094398   整理番号：22A0328412

食品品質調査のための多変量データ解析の応用:事例ベースレビュー【JST・京大機械翻訳】

Application of multivariate data analysis for food quality investigations: An example-based review

著者 (8件)： Buve Carolien (KU Leuven Department of Microbial and Molecular Systems, Laboratory of Food Technology, Kasteelpark Arenberg 22 Box 2457, 3001 Leuven, Belgium) ,  Saeys Wouter (KU Leuven Department of Biosystems, MeBioS division, Kasteelpark Arenberg 30, 3001 Leuven, Belgium) ,  Rasmussen Morten Arendt (University of Copenhagen, Department of Food Science, Faculty of Science, Rolighedsvej 26, 1958 Frederiksberg, Denmark) ,  Rasmussen Morten Arendt (COPSAC, Copenhagen Prospective Studies on Asthma in Childhood, Herlev and Gentofte Hospital, University of Copenhagen, 2100 Copenhagen, Denmark) ,  Neckebroeck Bram (KU Leuven Department of Microbial and Molecular Systems, Laboratory of Food Technology, Kasteelpark Arenberg 22 Box 2457, 3001 Leuven, Belgium) ,  Hendrickx Marc (KU Leuven Department of Microbial and Molecular Systems, Laboratory of Food Technology, Kasteelpark Arenberg 22 Box 2457, 3001 Leuven, Belgium) ,  Grauwet Tara (KU Leuven Department of Microbial and Molecular Systems, Laboratory of Food Technology, Kasteelpark Arenberg 22 Box 2457, 3001 Leuven, Belgium) ,  Van Loey Ann (KU Leuven Department of Microbial and Molecular Systems, Laboratory of Food Technology, Kasteelpark Arenberg 22 Box 2457, 3001 Leuven, Belgium)
資料名： Food Research International  (Food Research International)
巻： 151  ページ： Null  発行年： 2022年 
JST資料番号： D0633A  ISSN： 0963-9969  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： これらの日,大きな多変量データセットは食品研究分野で一般的である。これは消費者にとって重要な食品品質としては驚くべきことではなく,その変化は複数の化合物と反応の複雑な相互作用の結果である。これらのデータセットから情報を包括的に抽出するために,適切なデータ解析ツールを適用するべきである。したがって,多変量データ解析(MVDA)の適用は非常に推奨される。しかし,現在,食品品質調査のためのMVDAの使用は,まだ十分に調査されていない。本論文では,食品品質研究に有用な,多くのMVDA法(PCA(主成分分析),PLS(部分最小二乗回帰),PARAFAC(Parallel Factor Analysis)およびASCA(ANOVA同時成分分析))に焦点を当てた。各方法の用語,主段階,および理論的基礎を説明した。用例ベースのレビューであるので,各方法を同じ実験データセットに適用して,各選択したMVDA法に関するアイデアを与えて,結果間の比較をした。多くのMVDA法が文献で利用可能である。選択した方法は,データセットと目的に依存する。PCAは二次元データのデータ探査のための最初の選択であるべきである。予測目的のために,PLSは最も適切な方法である。基礎となる実験設計を考えると,ASCAは,異なる変数と設計因子の間の関係の両方を考慮した。マルチウェイデータセットの場合,PARAFACはデータ探査に使用できる。これらの方法は既にそれらの価値を立証したが,食品品質に寄与する化合物と反応の複雑な相互作用を研究する可能性をさらに探求する必要がある。本研究では,選択した方法に対するいくつかの最初の洞察を得るために,MVDAの知識が全くないか,限られた知識を持つ食品科学者を奨励するようであろう。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 実験計画法 ,  相互作用 ,  消費者 ,  *食品 ,  *データベース ,  *品質 ,  分散分析 ,  因子分析 ,  二次元 ,  食品科学 ,  主成分分析 ,  ケモメトリックス
準シソーラス用語： PARAFAC ,  *事例ベース ,  成分分析 ,  *食品品質 ,  部分最小二乗回帰 ,  *多変量データ , 【Automatic Indexing@JST】

著者キーワード (7件)： 事例ベースレビュー ,  食品品質評価 ,  多変量データ解析 ,  大規模データ集合 ,  品質変化 ,  ケモメトリックス ,  オミックスアプローチ

分類 (2件)： 食品の分析  (FJ01030U) ,  植物の生化学  (EH01050J)

タイトルに関連する用語 (7件)： 食品品質 ,  調査 ,  多変量データ ,  解析 ,  応用 ,  事例ベース ,  レビュー