《Future Foods》：NICE-Food KG: A knowledge graph for the analysis of the Nutritional, Ingredient, Contaminant, and Environmental characteristics of food for food system research
编辑推荐：
为解决食品数据异质性导致的跨领域信息检索难题，荷兰国家公共卫生与环境研究所团队构建了NICE-Food KG知识图谱，通过语义化整合营养（NEVO）、品牌成分（LEDA）、化学污染物（KAP）和生命周期评估（LCA）四大数据集，实现了食品多维度特征的协同分析。该研究不仅验证了知识图谱在可持续膳食优化、新兴食品（如肉类替代品）评估等场景的应用潜力，更通过FAIR原则提升了食品数据的可复用性，为食品系统跨学科研究提供了方法论范本。
随着全球食品系统贡献了26%的温室气体排放，如何在保障人类健康的同时实现膳食可持续性已成为紧迫议题。然而，营养、环境、安全等跨领域食品数据存在严重的异构性问题，导致像肉类替代品（MFA）这类新兴食品的综合评估难以开展。为此，荷兰研究团队在《Future Foods》发表研究，构建了首个覆盖营养（Nutrition）、成分（Ingredient）、污染物（Contaminant）和环境（Environmental）特征的NICE-Food知识图谱（KG），通过语义技术打破数据孤岛，为食品系统优化提供决策支持。
研究采用七步流水线构建知识图谱：首先筛选荷兰本土四大数据集（LEDA、KAP、NEVO、LCA），针对21种MFA及其132种成分进行预处理；随后利用FoodOn（食品本体）和ChEBI（化学实体本体）对食品、化学物等实体进行半自动标注，并通过Apache Jena Fuseki实现RDF（资源描述框架）建模；最终通过SPARQL查询回答三类核心问题，验证图谱在数据覆盖分析、个性化推荐和知识推断方面的效能。
3.1 知识图谱建模与数据结构设计
NICE-Food KG包含1,828,928个三元组，通过FoodOn本体的层级关系实现数据关联推理。例如，标注为"大豆（生）"和"鹰嘴豆（生）"的数据点可自动推断其同属"豆类"并关联至相应植物物种（如Glycine max），体现了语义网络的推理优势。
3.2 跨领域数据整合与覆盖度评估
通过FoodOn harmonization（协调），80%的食品实体（1956项）被成功标注，但仅5个FoodOn类别同时存在于四个子图中，反映数据稀疏性。LCA与NEVO数据集重叠度最高（55%），而MFA成分需依赖临时IRI（国际资源标识符）标注，凸显本体库需扩展以适应新兴食品描述需求。
3.3 应用场景一：食品组定义与多指标协同分析
以蛋白质转型为例，查询显示豆类蛋白含量（均值10.1 g/100g）低于肉类（21.5 g/100g），但温室气体排放显著更低（豆类均值2.0 kg CO2eq./kg，肉类10.9 kg）。同时，豆类镍污染风险较高，而鱼类更易富集砷和汞，证明图谱可量化可持续膳食的权衡关系。
3.4 应用场景二：个性化膳食推荐
针对"高蛋白、非坚果类、低环境负荷"需求，图谱一次性检索出小麦胚芽（蛋白31.0 g/100g，CO2排放0.03 kg/10g蛋白）等最优选项，展示了跨维度约束条件下的快速决策能力。
3.5 应用场景三：新兴食品成分溯源与知识推断
通过追溯MFA成分的生物学起源（如大豆蛋白关联Glycine max），发现大豆、向日葵、洋葱为三大核心原料。成分如"葵花籽蛋白"虽无直接安全数据，但可通过同物种原料（如葵花籽）的污染物数据间接推断风险，为未知食品评估提供参考框架。
研究指出，尽管本体技术提升了数据FAIR化水平，但食品加工环节的转化因子缺失、数据集语境差异等仍限制定量推断的准确性。未来可通过整合蛋白质质量、消费者偏好等维度，并结合LLM（大语言模型）优化自然语言查询接口，进一步强化图谱的实用性。
NICE-Food KG的创新性在于将知识图谱方法论系统引入食品系统研究，通过语义集成实现了营养、安全、环境等多维度数据的协同查询与知识发现。尽管面临数据稀疏性和推断假设等挑战，该研究为跨学科食品数据分析提供了可扩展的技术框架，对推进可持续膳食转型与食品政策制定具有重要实践意义。
