基于神经网络的牡蛎呈味肽制备及呈味特性研究

基于神经网络的牡蛎呈味肽制备及呈味特性研究

论文摘要

牡蛎是我国重要的经济贝类品种之一,其产品蚝油等传统牡蛎调味品的风味优良,倍受消费者喜爱,并推测其中呈味肽是重要的风味成分。但是这些产品传统加工方法操作复杂,效率低下,如何实现技术更新又能保持其良好风味是牡蛎呈味肽类调味基料精深加工的关键技术之一。本文以牡蛎为原料,结合现代生物及仿真优化技术对牡蛎蛋白进行可控酶解制备风味良好且含肽量丰富的牡蛎蛋白酶解液,并对其中的肽进一步分离纯化分析其呈味特征,以期为牡蛎及牡蛎产品的呈味机理和高档海鲜调味料的开发提供理论依据。主要研究内容及结果如下:1、分别采用酸性的胃蛋白酶,碱性蛋白酶Alcalase 2.4L以及胰酶、动物蛋白水解酶、风味酶、复合酶在相同条件下对牡蛎蛋白进行水解。结果表明:其中胰酶酶解液不仅蛋白利用率最高达83.33%,生成的小肽类化合物丰富,而且其酶解液相对于其他几种酶的酶解液具有浓郁鲜味及甘甜味的风味特征。2、通过正交设计及随机试验获得实验数据,此基础上,以酶解时间、酶解温度、加酶量及料水比作为输入值,感观评分及肽比例作为输出值,构建了一个四输入单输出的三层BP神经网络,拓扑图为4-13-1,该BP神经网络可以精确地对酶解工艺进行模拟仿真与预测(误差为±5%)。3、在BP神经网络的基础上结合遗传算法对酶解工艺优化,以肽比例及感官评分最高为目标,获得的最佳酶解工艺参数为:酶解时间5.4h,酶解温度58.6℃,加酶量1.03%,料水比1:2.8。且在该条件下获得的酶解液其肽比例及感观分值分别为78.35%、6.39分,优于正交分析所得工艺。4、以最优酶解工艺制得酶解液,超滤处理基础上,采用了Sephadex G-25葡聚糖凝胶将超滤液分离为T1、T2、T3、T4、T5及T6六个肽组分,并对其感官评定及分子量和氨基酸组成的测定分析。结果表明:无论是在水溶液,还是盐溶液或谷氨酸钠溶液中,T2组分都表现出较强的鲜味呈味效果,而其他5个组分都没有明显的呈味特征。并且T2组分中的肽分子量主要分布于5KDa以下,其中3~5 KDa的分子量段中约含有24.71%。T2组分中含有大量的游离氨基酸,但肽含量也相对较高,其肽基氨基酸比例为45.28%。5、通过201×7型强碱性阴离子树脂(醋酸型)将T2组分进一步分离为T2-W和T2-S两部分,感官分析结果表明:T2-S组分有较强的鲜味呈味特性而T2-W没有明显呈味特性。6、氨基酸测定结果,T2-S组分中游离谷氨酸及天冬氨酸的含量最大占总氨基酸的比例为81.54%。T2-W组分中游离氨基酸占总氨基酸比例为57.54%,其余都为肽基氨基酸,游离谷氨酸及天冬氨酸占总氨基酸的比例为0.44%。结果表明:T2-S组分中的鲜味呈味物质为谷氨酸及天冬氨酸;T2-W中所含的肽类化合物没有呈味效果。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 牡蛎资源及其利用研究现状
  • 1.2 蛋白质可控酶解的研究进展
  • 1.3 人工神经网络
  • 1.4 肽的基本性质及呈味特性
  • 1.5 本论文研究目的、意义及内容
  • 2 水解酶对牡蛎酶解液感官风味的影响
  • 2.1 材料与仪器
  • 2.2 实验方法
  • 2.3 结果与分析
  • 2.4 讨论
  • 3 人工神经网络在牡蛎蛋白酶解工艺优化的应用
  • 3.1 材料与仪器
  • 3.2 实验方法
  • 3.3 结果与分析
  • 3.4 讨论
  • 4 牡蛎酶解液中呈味物质的初步分离纯化研究
  • 4.1 材料与仪器
  • 4.2 实验方法
  • 4.3 结果与分析
  • 4.4 讨论
  • 5 显著呈味效果T2 组分的进一步分离纯化
  • 5.1 材料与仪器
  • 5.2 试验方法
  • 5.3 结果与分析
  • 5.4 讨论
  • 6 总结论与展望
  • 6.1 总结论
  • 6.2 展望
  • 参考文献
  • 致谢
  • 作者简介
  • 导师简介
  • 相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签:;  ;  ;  ;  ;  

    基于神经网络的牡蛎呈味肽制备及呈味特性研究
    下载Doc文档

    猜你喜欢