大星彩票交流群|大星彩票充值

减盐食品的钠含量不一定少 看好营养标签购买低钠食品******

　　“早起开门七件事，柴米油盐酱醋茶”，盐的重要性在人们日常生活中不言而喻，但摄入过量的盐也有可能引发高血压等慢性病。近年来，随着人们健康意识的不断提升，“减盐”成了生活新风尚。

　　最近，国内各大电商平台纷纷启动年货节线上促销活动，减盐酱油、减盐榨菜、减盐蚝油等被打上“减盐”标签的食品，颇受消费者的欢迎。

　　既然是减盐食品，里面的盐少了，那是不是就能敞开肚子放心吃了？对此，科技日报记者采访了科信食品与健康信息交流中心科技传播部主任阮光锋。

　　减盐食品的钠含量不一定少

　　普通食盐的主要成分是氯化钠。很多消费者觉得，减盐食品就是低钠食品，这可大错特错了，因为一些减盐食品的钠含量不一定低。

　　记者通过调查发现，在某些减盐食品外包装的营养标签上，每百克食品含钠量甚至超过2000毫克，这个量已经和人体每日所需的钠含量(2000至2500毫克)相接近了。

　　为什么在减盐食品中，还含有这么多钠？

　　阮光锋告诉记者，这是因为“国家对减盐食品的含钠量没有统一标准”，具体减盐减了多少全靠行业自律。记者了解到，根据我国《预包装食品营养标签通则》，宣称钠(盐)含量减少的食品与参考食品相比，前者钠含量必须减少25%以上。简单来说，一款食品想宣称“减盐”，只需找一款大家熟悉的同类食品进行对标，让减盐食品的钠含量比对标食品低25%以上即可。

　　换句话说，减盐减的是相对的百分比，而非减到某个绝对值。如果对标食品含钠量过高，即使减少25%以上的钠含量，减盐食品的钠含量依然可能偏高。

　　“另外，减盐食品的口感也可能让消费者在不经意间摄入更多盐。”阮光锋补充道，不少消费者在挑选食品时注重口感，一些减盐调味品的减盐量一般，但口感却可能清淡很多，这导致人们在做饭时要放更多的减盐调味品，才能达到让人满意的口感。“比如，近几年减盐酱油很火，但是它的味道会差一些。原先放一勺酱油就能调出的味道，现在可能需要放2至3勺才行。这样计算下来，盐的总摄入量可能是增加的。”

　　看好营养标签购买低钠食品

　　相关专家提醒，科学减盐需要从“源头”做起，尽量购买低钠食品。

　　“低钠不是减盐。”阮光锋强调，“根据《预包装食品营养标签通则》的要求，每100克食品中钠含量小于等于120毫克方可被称为低钠食品。因此，减盐食品并不一定是低钠食品；相反，很多减盐食品仍然属于高钠食品范畴。”

　　识别哪些食品属于低钠食品，归根结底要关注的是钠含量本身。预包装食品包装袋上的营养标签，为消费者了解食品钠含量提供了帮助。

　　专家表示，消费者应重点关注食品外包装上营养成分表中钠的含量，看清其单位是“每100克”还是“每份”；若单位是“每份”，则还要看清每份是多少克，以此来计算食品中的钠含量。

　　“食用低钠食品、低钠盐等，在一定程度上可以控制钠的摄入，但肾脏疾病患者需要征询医生的意见，不要盲目选择低钠盐。”阮光锋补充道。

　　除此之外，科学减盐还需要从厨房做起，减少烹饪过程中盐的使用。

　　阮光锋表示，可以在厨房中使用限量盐勺，巧妙选择天然食材和调料增味、提鲜，这样可以在增加食物多样性的同时减少盐的使用。例如，可以用葱、姜、蒜、辣椒、花椒、柠檬和醋等增味；鸡精、酱油、蚝油、酱料等调料含有较高的钠，用它们提鲜时应适量、合理搭配。

　　“研究表明，减少5%至10%的烹调用盐通常不会对菜品口味产生明显影响，且有助于人们逐步适应并养成清淡少盐的饮食习惯。”阮光锋表示。

　　最后，减盐不仅要控制食盐、鸡精、味精、酱油等“看得见的盐”的摄入量，还要注意减少“隐形盐”的摄入。饼干、薯片等食品由于制作工艺的限制，含钠量较高，即使吃起来不咸，也不宜多吃。

　　“盐吃多了虽然不好，但盐中的钠是调节人体生理机能不可或缺的元素，对维持身体正常的生理活动和功能起着重要的作用，摄取太少或缺乏会出现疲劳、虚弱、倦怠等现象。”阮光锋总结道，“我们需要科学减盐，但不能矫枉过正。”(实习记者 裴宸纬)

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）