基于BP神经网络的牡蛎抗氧化活性肽制备工艺优化

以牡蛎为原料,通过响应面和BP神经网络模型对牡蛎蛋白酶解过程、工艺条件进行优化研究,实现酶解过程中可控制备牡蛎抗氧化活性肽。结果表明:采用胰酶水解牡蛎,经响应面优化得到最佳酶解条件为:加酶量0.28%,温度55℃,时间3.4 h,此条件下酶解产物·OH清除率可达到78.4%。在此基础上,以酶解过程中的响应因子-游离谷氨酸含量来监控牡蛎蛋白水解过程,运用BP神经网络数学模型拟合蛋白水解过程与产物活性之间的关系。构建出以加酶量、料水比和酶解体系游离谷氨酸浓度为神经网络输入,酶解产物·OH清除率为输出的BP神经网络模型,以实现在预期时间内通过实时监测游离谷氨酸含量即可得出产物活性变化情况,并定点终止反应的目的。模型预测值与实验值相关性系数r为0.9943,平均相对误差值为2.1%。该模型拟合性能良好,与牡蛎蛋白酶解过程具有高度相关性,可应用于牡蛎抗氧化活性肽的在线监控与可控制备。      

食用菌呈味肽制备及其呈味机理研究进展

呈味肽是一种低聚肽,因其丰富的滋味而受到广泛关注。呈味肽根据其食用性质分为甜味肽、苦味肽、鲜味肽、咸味肽、酸味肽和浓厚感肽。食用菌子实体中含有大量蛋白质,被认为是呈味肽的优质来源,但目前对于食用菌呈味肽的研究主要集中在单一菌中呈味物质的发掘阶段。文章主要对呈味肽的分类和食用菌呈味肽来源进行了综述,并总结了食用菌呈味肽的呈味机理以及制备、分离纯化、鉴定方法,以期为后期食用菌呈味肽的开发利用提供参考。     

牛骨蛋白酶解制备呈味肽工艺优化

我国畜骨资源丰富,但综合利用水平不高。以畜骨为原材料,利用蛋白酶解技术制备呈味肽,开发复合型骨调味品,具有原料价格低、营养价值大和附加值高的特点,发展前景良好,市场潜力巨大。本文以牛棒骨为原材料,选用三种酶制剂,通过JMP软件的定制设计功能,研究了骨水比、酶骨比和酶解时间对水解制备呈味肽的影响,在实验条件下建立了牛骨的水解预测模型,优化了酶解制备呈味肽的工艺参数;同时酶解液的感官品质的研究结果显示,实验条件下提高水解度、酶骨比和骨水比均有利于呈味肽的释放,促进酶解液风味的提高。     

食品中的呈味肽及其呈味机理研究进展

呈味肽因其不同链长度和结构序列具有不同的滋味特征,包括甜味、苦味、酸味、咸味和鲜味。目前国内对于呈味肽的研究主要集中在其种类和数量的发掘阶段,关于呈味肽与味觉感受器相互作用而呈味的机理还不是十分清晰;而国外对于呈味肽的降血压、降血糖等生物活性功能以及5类呈味肽的相应呈味机理研究有相关新报道。本文阐述了食品中的呈味肽以及其在食品中的作用,并综述了其呈味机理的研究新进展,以期为食品风味研究及调味品的开发提供参考依据。     

肽的呈味功能研究

肽在食品的调味中扮演着非常重要的角色。本介绍了肽在调味中的呈味作用、肽呈味作用特点，综述了国内外呈味肽研究概况，展望了我国呈味肽的研究及应用趋势。     

呈味肽构效关系研究进展

呈味肽是重要的滋味物质和风味前体物质之一,按其呈味特性的不同可分为甜味肽、苦味肽、酸味肽、咸味肽和鲜味肽。呈味相同的肽表现出相似的氨基酸组成、一级结构及空间结构特点。肽滋味类型和强度受氨基酸的性质、构型、含量、相互作用、在肽链中所处位置及肽的空间构型多重因素影响。本文综述了呈味肽结构与呈味特性之间的关系,以期为食品风味研究及呈味肽调味品的开发提供参考依据。     

呈味肽构效关系研究进展

呈味肽是重要的滋味物质和风味前体物质之一,按其呈味特性的不同可分为甜味肽、苦味肽、酸味肽、咸味肽和鲜味肽。呈味相同的肽表现出相似的氨基酸组成、一级结构及空间结构特点。肽滋味类型和强度受氨基酸的性质、构型、含量、相互作用、在肽链中所处位置及肽的空间构型多重因素影响。本文综述了呈味肽结构与呈味特性之间的关系,以期为食品风味研究及呈味肽调味品的开发提供参考依据。      

复合酶深度酶解牡蛎制备呈味基料的研究

以牡蛎为原料,选用胰蛋白酶和风味蛋白酶组成复合酶对其进行深度酶解,以水解度和感官评分为指标,通过单因素试验考察了胰蛋白酶与风味蛋白酶比例、酶添加量、酶解pH、酶解温度和酶解时间对牡蛎深度酶解的影响,对牡蛎深度酶解工艺进行优化,并对最优酶解条件下获得的牡蛎深度酶解产物的肽分子量分布和氨基酸组成进行分析。研究结果表明:牡蛎深度酶解最优工艺条件为胰蛋白酶与风味蛋白酶质量比为21、蛋白酶添加量0.1%([E]/[S])、酶解pH 7.5、酶解温度60℃、酶解时间24h,该条件下得到的牡蛎深度酶解产物中分子量3ku的多肽占83.5%,其中含有33.4%的分子量为1~3ku的多肽和50.1%的分子量1ku的多肽。牡蛎深度酶解产物游离氨基酸中必需氨基酸含量为40.51%,鲜味氨基酸含量为17.50%,甜味氨基酸含量为30.60%。     

肽的呈味作用研究进展

对于加工食品,特别是肉制品而言,肽是非常重要的风味物质和风味前体物质之一。本文综述了肽在呈味过程中所起的各种作用、国内外对肽呈味机理的研究现状和肽呈味功能的研究趋势。      

呈味肽的风味及调控

肽的呈味功能越来越多的受到人们的关注,目前研究肽的呈味功能基本集中于种类和数量的发现。文中综述了呈味肽的基本味感及呈味原理规律并讨论了呈味肽风味调控的方法和应用。呈味肽味道涵盖所有的5种基本味道,其甜味、苦味和鲜味是研究的热点,且呈味肽可作为风味前体物在食品加工中可进行美拉德反应产生特殊滋味。苦味为人们不喜欢的味道,鲜味为人们乐于接受的味道,文中总结了呈味肽脱苦的方法和鲜味增强方法,为开发和生产风味肽提供参考。     

基于神经网络平台的牡蛎肉超高压杀菌工艺条件优化

为研究超高压对牡蛎杀菌的影响,利用Box-Behnken实验设计建立数据集,以菌落总数为参考指标,借助JMP7.0软件的神经网络平台建立神经网络模型,优化牡蛎肉超高压杀菌处理工艺条件。实验结果表明,牡蛎肉超高压杀菌的最佳工艺条件为压力350MPa,保压时间20min,处理温度30℃,在此条件下超高压处理后的牡蛎肉菌落总数从3.2718lg cfu/g减少到2.44342lg cfu/g（灭菌率85.13%）,大肠菌群从7MPN/100g减少至0。验证实验结果表明,所建立的神经网络模型具有较好的预测能力,可准确地预测杀菌效果,预测值与实验值的相对误差较小（0.201%）。      

基于神经网络平台的牡蛎肉超高压杀菌工艺条件优化

为研究超高压对牡蛎杀菌的影响,利用Box-Behnken实验设计建立数据集,以菌落总数为参考指标,借助JMP7.0软件的神经网络平台建立神经网络模型,优化牡蛎肉超高压杀菌处理工艺条件。实验结果表明,牡蛎肉超高压杀菌的最佳工艺条件为压力350MPa,保压时间20min,处理温度30℃,在此条件下超高压处理后的牡蛎肉菌落总数从3.2718lg cfu/g减少到2.44342lg cfu/g(灭菌率85.13%),大肠菌群从7MPN/100g减少至0。验证实验结果表明,所建立的神经网络模型具有较好的预测能力,可准确地预测杀菌效果,预测值与实验值的相对误差较小(0.201%)。     

超声波改性珠蚌多肽与钙离子的螯合

以珠蚌多肽为原料,研究超声波改性珠蚌多肽与钙的螯合能力,并对改性多肽与肽钙螯合物的结构进行初探。研究表明:超声波改性珠蚌多肽的最佳工艺为,超声功率160 W、超声时间10 min、超声温度50℃、液固比40∶1(mL∶g),此时钙质量分数达到6.037%。通过FTIR、UV、SEM等技术对改性多肽及其肽钙进行分析,FT-IR分析得出羧基参与肽钙螯合反应生成羧酸盐;UV分析得出改性多肽与钙离子通过配位键结合形成肽钙螯合物;SEM分析表明改性肽钙的结构类似于盐类。     

基于遗传算法和BP网络的精毛纺粗纱质量预报

针对BP神经网络收敛速度慢、容易陷入局部最优解和遗传算法搜索范围广、效率高、鲁棒性强的特点,提出将二者结合用于精毛纺粗纱过程建模和质量预报。将BP网络初始权重和阈值按一定规律串接成字符串作为遗传算法的染色体,通过选择、交叉和变异操作对其优化, 优化后的值作为该BP网络的初始权重和阈值进行二次训练。采用相同的数据训练表明,未优化的BP网络达不到预定精度或陷入局部最优解,经GA优化后收敛速度快且达到了所需精度。粗纱CV值和单重的20组数据预报表明：预报值与实测值间的相对平均误差率由之前的3.56%和3.48%分别降低到2.55%和2.23%;预报值和实测值间的相关系数较之前大为提高。     

基于改进粒子群算法的平房仓粮温BP神经网络预测模型建立

在传统的BP神经网络预测模型的基础上引入改进的粒子群算法对神经网络中的权值和阈值进行不断优化,针对平房仓内部不同温度监测点处的粮食温度建立预测模型,改进后的粒子群算法拥有更好的局部寻优能力和全局寻优能力,较传统的BP神经网络预测拥有更精确的预测精度,更小的预测误差,使优化后的BP神经网络能快速的从历史粮温中总结平方仓粮温变化规律,实现平房仓粮温的预测。     

基于BP神经网络的国毛毛条质量预测模型

采用BP神经网络预测技术建立少于3层的国毛毛条加工质量预测模型,利用贝叶斯判别规则提高网络的学习能力,通过实验对比选出最优隐层神经元数。模型预测结果表明,用神经网络方法预测毛条加工性能与实际结果有相当高的一致性。     

基于差分进化的BP网络学习算法

提出了一种基于差分进化的BP网络学习算法,该算法是一种全局随机优化算法.利用差分进化算法的全局寻优能力,可以很好的训练BP网络的权值和阈值.将所提出的算法与BP算法作对比实验,结果表明,所提出的算法相对于BP算法在分类准确度上有较大的提高,而且具有良好的收敛性和泛化能力.     

基于人工神经网络的牡蛎蛋白酶解动力模型的构建

以牡蛎分离蛋白为底物,采用碱性蛋白酶(Alcalase)进行酶解,在获得一定实验数据基础上利用训练后的人工神经网络(ANN)模型对牡蛎分离蛋白酶解过程进行预测。结果表明:训练后的ANN模型决定系数R2达到0.9998,人工神经网络预测水解度DH值和实验DH值之间具有很强的相关性,相关系数r值达到0.9957。并且在一定的酶浓度及底物浓度范围内,采用ANN预测数据,双倒数作图所得回归方程决定系数R2值达到0.9740,计算得米氏常数Km和最大反应速度V max分别为26.1g/L,8.6g/(L·min)。研究结果为人工神经网络模型在食品蛋白酶促反应动力学方面的应用提供参考。      

基于人工神经网络的毛条品质反演模型

简述了毛条品质反演的理论与实际意义，推导了BP神经网络的标准算法。通过建立BP神经网络模型对羊毛细度(D)、细度离散(CVD)、长度(H)与长度离散(CVH)进行反演，验证了BP神经网络模型的反演准确性与高效性。