干酪乳杆菌鼠李糖亚种冻干保护剂的研究

以存活率为指标,对干酪乳杆菌鼠李糖亚种(Lactobacillus casei subsp.rhamnosus 719)的菌体进行冻干保护研究,通过优化冻干保护剂,以降低冻干过程中的细胞损伤.结果表明,7种保护剂中,保护效果由大到小依次为海藻糖、脱脂奶粉、蔗糖、甘油、可溶性淀粉、硫酸锰、抗坏血酸;复配则以质量分数10%海藻糖+10%脱脂奶粉的组合为最佳,其菌体存活率达100%,冻干菌粉活菌数达1011 g-1.     

干酪乳杆菌冻干保护剂研究

干酪乳杆菌为生产酸奶和奶酪的重要菌种,在真空冷冻干燥过程中会受到损伤,加保护剂可提高其存活率。通过计算干酪乳杆菌的存活率,利用单因素比较和响应面实验设计,确定冻干保护剂的最适配方。在单一保护剂作用筛选试验中,乳酸菌存活率较高的依次是:海藻糖、L-半胱氨酸、山梨醇、乙酸钠。复合保护剂作用中,干酪乳杆菌存活率最高的保护剂溶液配方为:海藻糖118.2g/L,L-半胱氨酸17.1g/L,山梨醇10.3g/L,乙酸钠1.7g/L,脱脂奶粉120g/L,干酪乳杆菌的存活率达98.74%。本试验结果对保存乳酸菌菌种和制备高活性发酵剂具有应用价值。     

戊糖乳杆菌R1冻干保护剂的优化研究

在单因素和正交实验的基础上,主要采用3因素二次回归正交设计,对戊糖乳杆菌R1(Lactobacillus pentosaceus R1)冻干保护剂组合比例进行优化.实验结果表明,当冻干条件是预冻-3℃/min的程序降温,降至-45℃维持3h;干燥先在-15℃,真空度为150Pa,保持14h,然后温度调至10℃,保持10h,最后温度调至25℃,保持5h;包装充N2去真空,充N2包装时,得出R1冻干存活率达95%以上的最佳保护剂配比脱脂乳10.000%,蔗糖4.993%,甘油1.491%.     

响应面法对干酪乳杆菌冻干保护剂的优化

采用响应面方法,以存活率为指标优化了干酪乳杆菌冻干保护剂的配方。Plackett-Burman实验表明,脱脂乳、乳糖和谷氨酸钠对存活率具有显著的影响,通过中心复合实验进一步优化保护剂的比例,当脱脂乳、乳糖和谷氨酸钠的质量浓度分别为15.8 g/100 mL,5.73 g/100 mL和0.42 g/100 mL时细胞存活率为92.4%,明显高于不添加保护剂时细胞的存活率(5.25%)。     

鼠李糖乳杆菌冻干保护剂的研究

以菌种冻干后存活率为指标,研究糖类、蛋白质类、多元醇类对鼠李糖乳杆菌的冻干保护作用。实验结果表明,在脱脂乳、甘油、海藻糖、蔗糖、葡萄糖、乳糖、糊精、抗坏血酸、谷氨酸钠、麦芽糖10种物质中保护效果较好的物质分别为脱脂乳、海藻糖、甘油。将它们确定为单因素进行响应面分析,响应面优化结果为:脱脂乳11.12%、海藻糖4.87、甘油2.96%。菌种冻干后的细胞成活率能达到96.48%±1.27%,与理论预测值接近。     

保加利亚乳杆菌冻干保护剂保护作用的研究

冷冻干燥前在菌液中加入保护剂,可提高乳酸菌的冻干存活率.研究比较多种保护剂的保护作用,其中海藻糖的保护效果最好;在扫描电镜下放大不同倍数观察了冻干后的保加利亚乳杆菌,并对海藻糖的保护机理进行了探讨.     

植物乳杆菌YI-Y 2013冻干保护剂配方优化

为制备鲜湿米粉发酵剂,以分离自米粉自然发酵液的植物乳杆菌YI-Y 2013的菌体存活率为目标,在单因素试验基础上,经过Plackett-Burman试验筛选出有显著效果的3种保护剂:山梨醇、麦芽糊精和甘油,进一步通过中心组合试验设计和响应面分析得到显著性的拟合回归方程。结果表明,最佳保护剂配方为:山梨醇浓度1.1g/100g,麦芽糊精浓度24.8g/100g,甘油浓度2.4g/100g,该条件下菌体存活率为(76.08±2.68)%,与预测值较为接近。     

罗伊氏乳杆菌冻干保护剂的优选及高密度冻干工艺优化

为提高罗伊氏乳杆菌的冻干存活率及产业化制备效率,系统解析不同种类保护剂对该菌的保护效果并优化高密度冻干工艺降低冻干体积。首先将不同分子量、不同种类的单糖(醇)、二糖(醇)、低聚糖、多糖和蛋白质分别与罗伊氏乳杆菌的菌泥混合冻干测定存活率,然后研究不同分子质量的保护剂复配,及优势保护剂复配其他类物质对菌体的冻干保护效果,最后优化冻干前菌体与保护剂的比例和菌悬液总干物质含量。结果表明,低聚糖对罗伊氏乳杆菌具有最好的冻干保护效果,分子质量大小不同的物质以不同比例复配均不会提高保护效果,谷胱甘肽、甜菜碱、氨基酸、核苷酸、无机盐、维生素等物质均未显著提高低聚糖对该菌的冻干保护效果。菌泥与低聚糖类保护剂以干重比为1∶1. 2混合时,具有最高的冻干存活率,冻干前菌悬液总干物质质量分数最高为29%时菌体存活率达90%以上。该研究结果为乳杆菌的高效冻干提供了指导。     

响应面法优化鼠李糖乳杆菌冻干保护剂配方的研究

直投式乳酸菌发酵剂的制备中,菌体在冷冻干燥过程中受损会降低发酵活力。采用响应面法结合Plackett-Burman实验设计与最陡爬坡法,探讨保护剂对鼠李糖乳杆菌的保护效果。结果表明:脱脂乳、海藻糖和甘油对菌体存活率的影响比较显著,脱脂乳与海藻糖、海藻糖与甘油对菌体存活率的交互作用影响高度显著,而脱脂乳与甘油的交互作用不显著。冻干保护剂最佳配方为:脱脂乳浓度6.56g/100mL、海藻糖浓度2.35g/100mL、甘油浓度2.47g/100mL,在此条件下,菌体存活率可达86.69%,该配方有较强的实用价值。      

响应面法优化鼠李糖乳杆菌冻干保护剂配方的研究

直投式乳酸菌发酵剂的制备中,菌体在冷冻干燥过程中受损会降低发酵活力。采用响应面法结合Plackett-Burman实验设计与最陡爬坡法,探讨保护剂对鼠李糖乳杆菌的保护效果。结果表明:脱脂乳、海藻糖和甘油对菌体存活率的影响比较显著,脱脂乳与海藻糖、海藻糖与甘油对菌体存活率的交互作用影响高度显著,而脱脂乳与甘油的交互作用不显著。冻干保护剂最佳配方为:脱脂乳浓度6.56g/100mL、海藻糖浓度2.35g/100mL、甘油浓度2.47g/100mL,在此条件下,菌体存活率可达86.69%,该配方有较强的实用价值。     

基于人工神经网络优化抄纸浆料配比

提出了应用人工神经网络技术进行抄纸浆料配比优化的方法,介绍了优化原理和过程.以卷烟纸为例,建立了多种浆料的配比与纸张主要物理性能指标之间的人工神经网络模型.该模型比传统回归模型有着更高的预测精度.以此模型为基础,通过扫描仿真,获得了针叶木浆、麻浆及填料配抄生产卷烟纸的各组分的配比范围,并从中优选出最佳配比.     

苹果渣多酚提取工艺的神经网络建模与遗传算法优化

本实验建立了苹果渣多酚提取工艺的人工神经网络模型,研究了提取工艺神经网络模型的遗传算法优化技术。结果表明,结构为4-9-1的神经网络能较为精确的拟合输入的样本数据,其对测试样本的输出与实验结果的相关系数为0.985;遗传算法优化出的最佳提取工艺参数为乙醇浓度为62%、乙醇溶液的体积与苹果渣的质量之比为14:1,温度为69.7℃,提取时间为5.9h,该工艺参数下的提取率明显大于单因素试验和二次组合试验的结果,比最好的大16.9%。用神经网络模型描述提取工艺参数与提取率之间的关系,用遗传算法优化工艺参数,能设计出最佳的提取工艺参数。     

人工神经网络结合遗传算法在焙炒大米过程中的应用

焙炒是一种全新的使原料淀粉糊化的方法.它用热风替代水蒸气,在高温,短时间的条件下处理原料米,具有无废水污染,容易保存等优点,为食用酒酿制过程中的一种新型技术.通过对焙炒大米的3个指标:糊化率、脂肪含量和氨基氮进行测定,利用人工神经网络技术ANN对上述性能指标和操作参数的数据进行训练学习,得到可以描述焙炒过程操作条件和性能指标之间关系的模型.在所得模型的基础上,利用遗传算法GA对大米的焙炒条件实施优化,对未参与ANN建模的数据进行评价和比较,结果发现,结合使用ANN和GA,能够比较准确地预测对应于期望指标的操作条件,预测结果与实验数据吻合.     

饲喂干酪乳杆菌K17对加州鲈鱼肌肉滋味的影响

为改善饲喂加州鲈鱼肌肉的滋味,研究了添加干酪乳杆菌K17的饲料对加州鲈鱼肌肉滋味物质的影响。试验分为6组:含1×108CFU/g干酪乳杆菌K17的饲料组（LB）,含10％脱脂乳粉保护的1×108CFU/g干酪乳杆菌K17的饲料组（MB）,含1×108CFU/g热灭活干酪乳杆菌K17的饲料组（DB）,含发酵上清液的饲料组（FS）、含10％脱脂乳粉的饲料组（MG）及含0.85％生理盐水的饲料组（SG）。实验结束后,利用电子舌测定了不同处理组样本的整体滋味差异,并分析了其呈味氨基酸和呈味核苷酸的含量。结果显示,通过电子舌主成分分析和判别因子分析,可将6组的差异性进行有效区分;采用雷达图能将各组鲜味、苦味和甜味大小区分。6组加州鲈鱼肌肉中检测出16种游离氨基酸。MB组鲜味氨基酸总量和天冬氨酸含量,FS组缬氨酸、异亮氨酸、亮氨酸、苯丙氨酸含量和苦味氨基酸总量和MG组的必需氨基酸总量显著高于对照组SG（P<0.05）。MB组的味精当量（Equivalent umami concentrations,EUC）增加最明显,与对照组相比差异显著（P<0.05）,6组EUC的大小为MB>FS>DB>LB>MG>SG,与电子舌预测结果基本一致。以上研究表明,饲喂不同剂型干酪乳杆菌K17对加州鲈鱼滋味成分和含量的影响存在一定差异, MB组对加州鲈鱼肌肉整体滋味贡献最大,这可为其在加州鲈鱼中应用提供理论依据。     

干酪乳杆菌SY13及其合生元对小鼠肠道中Akkermansia muciniphila丰度的影响

Akkermansia muciniphila在肠道内的丰度与宿主肥胖症、Ⅱ型糖尿病等一系列代谢性疾病呈显著负相关,为了观测干酪乳杆菌SY13(Lactobacillus casei SY13)及SY13与低聚果糖、SY13与乳果糖对小鼠肠道Akkermansia muciniphila的影响。本研究以8周龄的青年鼠及9个月大的老年鼠为研究对象,随机分为5组:AP组(8周龄鼠,灌胃1 d,1次/d)、AO组(9个月龄鼠,灌胃1 d,1次/d)、BP组(8周龄鼠,灌胃28 d,1次/d)、BO组(9个月龄鼠,灌胃28 d,1次/d),每组48只,每个实验组又分为对照组(无菌PBS,0.3 mL)、干酪乳杆菌SY13组(SY13:109 cfu,0.3 mL)、SY13低聚果糖组(SY13:109cfu;低聚果糖:15 mg,0.3 mL)和SY13乳果糖组(SY13:109cfu;乳果糖:15 mg,0.3 mL),每组12只。实时荧光定量PCR测定小鼠空肠、回肠、盲肠、结肠中Akkermansia muciniphila的丰度,根据CT值间接反应Akkermansia muciniphila的丰度。结果显示,SY13乳果糖组的CT值显著低于其他组(p<0.05),青年鼠的CT值显著低于老年鼠组(p<0.05),长期灌胃与单次灌胃相比,CT值较低(p<0.05)。研究表明,SY13乳果糖组对于提高实验鼠肠道内Akkermansia muciniphila的丰度具有最优的效果,且鼠龄越低,灌胃时间越长,Akkermansia muciniphila的丰度越高,同时,灌胃时间越长,Akkermansia muciniphila的保留时间就越长,这与鼠龄和灌胃项无关。     

基于神经网络和遗传算法的醋酸发酵培养基优化

为优化醋酸菌As1.41发酵培养基,采用正交试验确定最佳碳、氮源种类,并利用神经网络和遗传算法寻求最佳培养基浓度。试验结果:最佳碳、氮源为葡萄糖与酵母膏;最优组合是:葡萄糖2.7%,酵母膏3.1%,乙醇6.6%,NaCl0.41g/100mL。在接种量4%,温度30℃,转速120r/min下摇床发酵5d,做对照试验,结果表明:利用神经网络和遗传算法优化的培养基产酸量比优化前提高了31%,比正交试验优化结果提高了16%,说明神经网络与遗传算法在培养基优化中具有显著的优越性。     

干酪乳杆菌HDS-01发酵对酸菜品质和细菌群落结构的影响

添加分离自酸菜发酵液的干酪乳杆菌（Lactobacillus casei）HDS-01构建酸菜发酵微生物生态体系,利用高效液相色谱法、酸碱滴定法、高通量测序和实时定量PCR技术结合传统酶学分析方法等,研究酸菜发酵过程中理化因子和微生物群落的动态变化,评价L. casei HDS-01对酸菜品质及安全性的影响。结果表明,添加L. casei HDS-01发酵酸菜的pH在第3 d就下降至3.15±0.08,发酵初期乳酸菌数为（7.63±0.19）lg CFU/mL。在发酵酸菜各时期,乳酸代谢途径关键酶活力均显著高于自然发酵酸菜（P<0.05）。在发酵末期,乳酸、总酸和V_C含量分别为（7.88±0.38）、（8.45±0.38） g/L和（445.02±10.53）mg/kg,亚硝酸盐含量为（1.55±0.86）mg/kg。对酸菜样品进行感官评价发现,L. casei HDS-01发酵酸菜从发酵液清澈度、酸菜的色泽、香气、口味以及脆度等方面均优于自然发酵酸菜。此外,L. casei HDS-01发酵酸菜中乳杆菌属（Lactobacillus）始终保持优势地位（63.36%~95.79%）,降低了肠杆菌属（Enterobacter）（0.04%~2.26%）和假单胞菌属（Pseudomonas）（0.28%~25.84%）等致病菌丰度,调控了菌群多样性,缩短了发酵进程。本研究对发酵用菌种资源和功能菌的开发具有重要的实践意义。     

一种基于遗传算法优化BP神经网络的电网故障诊断方法

提出了一种基于遗传算法优化BP神经网络的电网故障诊断方法,利用神经网络的非线性问题处理能力进行故障诊断。针对BP神经网络在运算过程中易陷入局部极小的问题,结合遗传算法计算网络参数初始值,寻找最优的隐含层节点数,对网络进行优化。结合实例验证,该方法相对于传统BP神经网络在解决电网故障诊断问题上,收敛速度和准确率都有所提升。     

基于径向基神经网络和遗传算法的聚-γ-谷氨酸发酵培养基优化

为了提高聚-γ-谷氨酸（PGA）的产量,采用正交设计方案对发酵培养基组分中谷氨酸、葡萄糖、柠檬酸、甘油的配比进行试验设计,运用径向基神经网络建立PGA产量与培养基组分浓度之间的预测模型,采用遗传算法对此模型进行全局寻优,得到四种主要组份的最佳配比：谷氨酸21.2g/L、葡萄糖75.4g/L、柠檬酸7.2g/L、甘油10.8g/L,PGA产量达到12.8g/L,采用上述方法优化后的培养基使PGA的产量原始培养基提高了39.1%.