Published October 30, 2015
| Version v1
Publication
Open
<strong>Application of KNN algorithm in determining the total antioxidant capacity of flavonoid-containing foods</strong>
Creators
- 1. University of Camagüey
- 2. Universidade de Santiago de Compostela
Description
Flavonoids are bioactive compounds that can display antioxidant activity. Their must important source is the vegetal kingdom. Their composition in different foods is compiled into several databases organized by USDA. This information enabled the creation of a data record that was used in the work to predict the total antioxidant capacity of food by the oxygen radical absorbance capacity (ORAC) method, using algorithms of artificial intelligence. K-Nearest Neighbors (KNN) was used. The attributes were: a) amount of flavonoid, b) class of flavonoid, c) Trolox equivalent antioxidant capacity (TEAC) value, d) probability of clastogenicity and clastogenicity classification by Quantitative Structure-Activity Relationship (QSAR) method and e) total polyphenol (TP) value. The selected variable to predict was the ORAC value. For the prediction, a cross-validation method was used. For the KNN algorithm, the optimal K value was 3, making clear the importance of the similarity between objects for the success of the results. It was concluded the successful use of the KNN algorithm to predict the antioxidant capacity in the studied food groups.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
الفلافونويدات هي مركبات نشطة بيولوجيًا يمكنها عرض نشاط مضاد للأكسدة. يجب أن يكون مصدرهم المهم هو المملكة النباتية. يتم تجميع تكوينها في الأطعمة المختلفة في العديد من قواعد البيانات التي تنظمها وزارة الزراعة الأمريكية. مكنت هذه المعلومات من إنشاء سجل بيانات تم استخدامه في العمل للتنبؤ بالسعة الإجمالية لمضادات الأكسدة للأغذية من خلال طريقة قدرة امتصاص الأكسجين الجذرية (ORAC)، باستخدام خوارزميات الذكاء الاصطناعي. تم استخدام K - Nearest Neighbors (KNN). كانت السمات هي: أ) كمية الفلافونويد، ب) فئة الفلافونويد، ج) قيمة السعة المضادة للأكسدة المكافئة لـ Trolox (TEAC)، د) احتمال التصنيف clastogenicity و clastogenicity حسب طريقة علاقة البنية والنشاط الكمية (QSAR) و هـ) إجمالي قيمة البوليفينول (TP). كان المتغير المحدد للتنبؤ به هو قيمة ORAC. بالنسبة للتنبؤ، تم استخدام طريقة التحقق المتبادل. بالنسبة لخوارزمية KNN، كانت قيمة K المثلى 3، مما يوضح أهمية التشابه بين الكائنات لنجاح النتائج. واختتمت بنجاح استخدام خوارزمية KNN للتنبؤ بقدرة مضادات الأكسدة في المجموعات الغذائية المدروسة.Translated Description (French)
Les flavonoïdes sont des composés bioactifs qui peuvent présenter une activité antioxydante. Leur source incontournable est le règne végétal. Leur composition dans différents aliments est compilée dans plusieurs bases de données organisées par l'USDA. Ces informations ont permis la création d'un enregistrement de données qui a été utilisé dans le travail pour prédire la capacité antioxydante totale des aliments par la méthode de la capacité d'absorption des radicaux oxygénés (ORAC), en utilisant des algorithmes d'intelligence artificielle. Le K-Nearest Neighbors (KNN) a été utilisé. Les attributs étaient : a) la quantité de flavonoïde, b) la classe de flavonoïde, c) la valeur de la capacité antioxydante équivalente au Trolox (TEAC), d) la probabilité de clastogénicité et la classification de clastogénicité par la méthode de la relation quantitative structure-activité (QSAR) et e) la valeur du polyphénol total (TP). La variable sélectionnée pour prédire était la valeur ORAC. Pour la prédiction, une méthode de validation croisée a été utilisée. Pour l'algorithme KNN, la valeur K optimale était de 3, ce qui montre clairement l'importance de la similitude entre les objets pour le succès des résultats. Il a été conclu à l'utilisation réussie de l'algorithme KNN pour prédire la capacité antioxydante dans les groupes d'aliments étudiés.Translated Description (Spanish)
Los flavonoides son compuestos bioactivos que pueden mostrar actividad antioxidante. Su fuente esencial es el reino vegetal. Su composición en diferentes alimentos se recopila en varias bases de datos organizadas por el USDA. Esta información permitió la creación de un registro de datos que se utilizó en el trabajo para predecir la capacidad antioxidante total de los alimentos mediante el método de capacidad de absorción de radicales de oxígeno (ORAC), utilizando algoritmos de inteligencia artificial. Se utilizó K-Nearest Neighbors (KNN). Los atributos fueron: a) cantidad de flavonoide, b) clase de flavonoide, c) valor de capacidad antioxidante equivalente Trolox (TEAC), d) probabilidad de clastogenicidad y clasificación de clastogenicidad por método de Relación Estructura-Actividad Cuantitativa (QSAR) y e) valor de polifenol total (TP). La variable seleccionada para predecir fue el valor ORAC. Para la predicción, se utilizó un método de validación cruzada. Para el algoritmo KNN, el valor óptimo de K fue 3, dejando clara la importancia de la similitud entre los objetos para el éxito de los resultados. Se concluyó el uso exitoso del algoritmo KNN para predecir la capacidad antioxidante en los grupos de alimentos estudiados.Files
manuscript.pdf
Files
(2.0 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:e1d40afe2ab49fe12754a6201c0ad94a
|
2.0 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- <strong>تطبيق خوارزمية KNN في تحديد إجمالي قدرة مضادات الأكسدة للأطعمة التي تحتوي على الفلافونويد </ strong>
- Translated title (French)
- <strong>Application de l'algorithme KNN pour déterminer la capacité antioxydante totale des aliments contenant des flavonoïdes </strong>
- Translated title (Spanish)
- <strong>Aplicación del algoritmo KNN para determinar la capacidad antioxidante total de los alimentos que contienen flavonoides </strong>
Identifiers
- Other
- https://openalex.org/W2319247640
- DOI
- 10.3390/ecsoc-19-e002
References
- https://openalex.org/W1970830282
- https://openalex.org/W2017643820
- https://openalex.org/W2021470699
- https://openalex.org/W2031500495
- https://openalex.org/W2050385572
- https://openalex.org/W2101145732
- https://openalex.org/W2112371042
- https://openalex.org/W2124329002
- https://openalex.org/W2146629981
- https://openalex.org/W2156055381
- https://openalex.org/W2170036297
- https://openalex.org/W2557070565
- https://openalex.org/W2590458621