婴儿配方奶粉加工过程中美拉德反应危害物形成因素及其神经网络预测模型

• 作 者: 刘磊
• 发表日期: 2020年01期
• 基金项目: 国家重点研发计划:食品典型热加工过程中危害物的交互作用和调控策略,2017YFC1600405；

婴儿配方奶粉是根据婴儿的营养需求设计的最佳母乳替代品,其营养价值、品质和安全性直接关乎婴儿早期生长发育情况和生命质量。婴儿配方奶粉需要经过一定强度的热处理才能保证产品的生物安全性。然而,在热处理过程中,乳粉体系容易受到美拉德反应等热损害,造成营养成分的损失及危害物如糠醛类、晚期糖基化终末产物（Advanced Glycation End Products,AGEs）的生成。目前,对于婴儿配方奶粉加工过程中美拉德反应危害物的形成,缺乏系统的认识和研究。因此,本论文以婴儿配方奶粉为研究对象,首先选购不同品牌的1-3段市售婴幼儿配方奶粉,分析其美拉德反应危害物水平,并利用相关性分析试图探究营养成分的差异与危害物形成之间的联系。随后,通过设计奶粉配方及模拟工业生产,探究原辅料的逐步添加,以及不同杀菌方式和喷雾干燥温度对美拉德反应危害物形成的影响,分析各危害物形成之间可能存在的联系及影响规律。在此基础上,利用Matlab软件设计GA-BP神经网络,构建了婴幼儿配方奶粉中美拉德反应危害物的预测模型。其主要研究内容与结果总结如下:（1）以30种市售婴幼儿配方奶粉为研究对象,测定其主要营养成分（蛋白质、脂肪等）及美拉德反应危害物（糠氨酸、羧甲基赖氨酸、羧乙基赖氨酸等）水平,探究婴幼儿配方奶粉理化指标与美拉德反应危害物之间的相关性。结果表明:1-2段配方奶粉的蛋白质与脂肪含量、水分、色差值、美拉德反应危害物水平均较为接近。并且1-2段配方奶粉中L*值、蛋白质与水分含量低于3段配方奶粉,而b*值、PUFA含量、furosine、3-DG、MGO、GO、CML及CEL均高于3段配方奶粉。相关分析的结果表明,不饱和脂肪酸与羰基化合物的积累有关,而羰基化合物能够通过烯醇化途径或与活性氨基结合影响HMF、CML和CEL的积累,这些美拉德反应终末产物的积累会导致产品褐变。（2）研究了婴儿配方奶粉生产加工过程中关键工艺控制点对美拉德反应危害物形成的影响,总结了相关规律。为了进一步了解配方奶粉生产加工过程中美拉德反应危害物的变化趋势,选取原辅料添加,巴氏杀菌及喷雾干燥三个关键步骤作为控制点进行分析。结果表明,原辅料添加后PUFA占比及蛋白质含量升高,促进了美拉德反应危害物的积累,导致乳粉褐变。相对于高温短时杀菌方式,在原辅料添加后,低温长时杀菌方式更容易导致美拉德反应危害物的积累。此外,随着喷雾干燥温度升高,furosine与HMF逐渐积累,而3-DG、DA、MGO及GO等中期产物的产率低于转化率,其含量逐渐降低,晚期产物CML随喷雾干燥温度升高不断积累,而CEL整体呈降低趋势。（3）建立了乳清粉、乳糖、植物油、维生素和矿物质的单独或复配体系,结合营养成分、水分与色泽等理化性质,分析不同原辅料组成对糠氨酸、α-二羰基化合物、HMF、CML与CEL等美拉德反应危害物形成的影响,探究相关作用机制。结果表明,乳清粉促进各种美拉德反应危害物的积累,乳糖作用不明显,植物油对CML具有促进作用。矿物质单独添加时,导致PUFA占比升高,促进α-二羰基化合物形成,但抑制其他美拉德反应危害物的积累。维生素单独添加时与矿物质作用效果近似,促进DA,GO,HMF等羰基类物质的形成,但对于CML与CEL等晚期产物表现出一定抑制作用。（4）基于遗传算法优化的神经网络（GA-BP）,建立预测美拉德反应危害物的数学模型,并应用于婴幼儿配方奶粉。针对配方奶粉原辅料与美拉德反应危害物之间的联系,将市售配方奶粉成分作为输入层,单一美拉德反应危害物作为输出层,利用Matlab软件设计GA-BP神经网络,建立基于遗传算法优化的BP神经网络预测模型,相关系数与误差结果表明模型较为稳定,除MGO、GO与CML的预测成功率较低,需要补充样本量进行训练,其余危害物预测结果基本满足要求。