大豆肽作為大豆蛋白的水解產(chǎn)物，比蛋白質(zhì)更易消化吸收，且過敏性和抗原性較低。酶水解法是目前較常用的生產(chǎn)大豆肽的方法，而在酶解過程中會產(chǎn)生苦味，目前對苦味的判定主要采用感官評價法，但其結(jié)果不夠客觀準確，易受外界環(huán)境、評價者自身因素的干擾。電子舌作為一種能快速檢測味覺品質(zhì)的新技術(shù)，可以對樣品進行味覺的量化，克服感官評價易受主觀影響的不足，具有重復性、高靈敏性、可靠性等優(yōu)勢。本文采用法國AlphaMOS公司ASTREE電子舌的電勢型味覺傳感器來采集溶液信號，對大豆肽溶液苦味特性進行定性和定量分析評價。
材料與方法
材料與儀器
大豆肽樣品自制；大豆分離蛋白；風味蛋白酶(酶活力為2.8xl0U／g)；奎寧。
實驗方法
大豆肽樣品的配制按照一定方法配制大豆肽樣品。
數(shù)據(jù)采集待測液和清洗液交替進行檢測。樣品數(shù)據(jù)采集時間設(shè)為120S，取最后3s的值作為每個樣本的測量數(shù)據(jù)。為減少測量誤差每個樣品重復采集10次，取后6次測量的各傳感器響應(yīng)值作為樣本數(shù)據(jù)進行后續(xù)處理。
數(shù)據(jù)處理
利用電子舌采集的傳感器數(shù)據(jù)，采用判別因子分析法(DFA)對5種樣品進行區(qū)分，檢驗區(qū)分效果；采用PLS方法建立電子舌大豆肽苦味的定量評價模型。在模型的建立過程中采用建模集的相關(guān)系數(shù)、建模集均方根誤差和預測集的相關(guān)系數(shù)、預測集均方根誤差評價模型效果。
結(jié)果與分析
感官評價
本文首先對大豆肽的苦味特性進行人工感官評價，然后冉研究電子舌儀器進行感官分析。本實驗從對苦味敏感的專業(yè)人員中選取10位感官評價員(5男5女)進行感官評價，每次品嘗之后，需要用清水漱口，再進行下一次品嘗。最后，將與其口味接近的奎寧標準液濃度對應(yīng)的分值記為此溶液的得分。之后取10位評價人員的平均分為苦味評定分數(shù)。以奎寧的作為評分標準，評分標準見表1。表2為風味蛋白酶不同水解時問下的苦味得分值。
DFA區(qū)分
DFA是研究樣品所屬類型的一種統(tǒng)計分析方法，即通過重新組合傳感器數(shù)據(jù)來優(yōu)化區(qū)分性的分類技術(shù)，使組間距離最大的同時保證組內(nèi)差異最小使各個組間的重心距離最大，從而建立判別函數(shù)和判別準則，判斷樣品屬于哪一類別。首先對正確分類的訓練樣本集建立DFA模型，然后將未知樣品投影到模型圖譜上，計算未知樣品與模型圖譜上的每類樣品的中心距離，將未知樣品判定為距離最近的那一類。基于判別因子分析法建模，得到五種樣品的區(qū)分圖如圖1所示。從DFA二維圖中可知DF1與DF2總貢獻率達到99．994％，模型區(qū)分指數(shù)DI=100，5種樣品被很好區(qū)分開。從5種樣品的預測集中分別任意選擇1個樣本(圖中顯示為黑色點)，根據(jù)建立的DFA模型進行區(qū)分，結(jié)果表明5個未知樣本均落存在相應(yīng)的組中，識別率為100％，分效果良好。
PLS模型建立及預測
用PLS建立大豆肽溶液電子舌苦味預測模型，并對電子舌傳感器響應(yīng)值與人工感官評價得分值問的相關(guān)性進行研究。以七根傳感器的響應(yīng)信號值為白變量，以感官得分值為因變量構(gòu)建偏最小二乘模型。建模集為60個樣本，驗證集為30個樣本。結(jié)果如圖2、圖3所示，分別表示建模集、預測集的實際苦味值與預測值的相關(guān)圖。
對于偏最小二乘模型，P(p=0．000)<0．05，表明該模型的回歸方程有顯著意義，且該模型的建模集中，真實值與預測值之間的相關(guān)系數(shù)為0．9923，RMSE為2．47％，預測集的相關(guān)系數(shù)為0．9890，RMSE為6．81％，預測效果較好。
結(jié)論
采用法國AlphaMOS電子舌對制取的五種不同酶解時間條件下的樣品進行苦味特性研究。分別采用DFA模式識別方法和PLS預測模型對采集的數(shù)據(jù)進行定性和定量分析，研究表明：采用DFA分析法能夠?qū)ξ宸N不同的大豆肽樣品的呈味特性和味覺相似程度進行定性評價，PLS模型能對未知樣品進行呈味預測；大豆肽的苦味預測結(jié)果與實際感官評價吻合。研究結(jié)果為后續(xù)大豆肽產(chǎn)品的呈味特性研究提供一種新的方法途徑。
來源：感官科學與評定 轉(zhuǎn)載請注明來源。
參考文獻：惠延波,樊留強,陳復生,牛群峰,王莉,賈芳.基于電子舌技術(shù)的大豆肽區(qū)分及苦味評價[J].食品工業(yè)科技,2016,37(08):97-99+109.DOI:10.13386/j.issn1002-0306.2016.08.011.
提醒：文章僅供參考，如有不當，歡迎留言指正和交流。且讀者不應(yīng)該在缺乏具體的專業(yè)建議的情況下，擅自根據(jù)文章內(nèi)容采取行動，因此導致的損失，運營方不負責。如文章涉及侵權(quán)或不愿我平臺發(fā)布，請聯(lián)系處理。
材料與方法
材料與儀器
大豆肽樣品自制；大豆分離蛋白；風味蛋白酶(酶活力為2.8xl0U／g)；奎寧。
實驗方法
大豆肽樣品的配制按照一定方法配制大豆肽樣品。
數(shù)據(jù)采集待測液和清洗液交替進行檢測。樣品數(shù)據(jù)采集時間設(shè)為120S，取最后3s的值作為每個樣本的測量數(shù)據(jù)。為減少測量誤差每個樣品重復采集10次，取后6次測量的各傳感器響應(yīng)值作為樣本數(shù)據(jù)進行后續(xù)處理。
數(shù)據(jù)處理
利用電子舌采集的傳感器數(shù)據(jù)，采用判別因子分析法(DFA)對5種樣品進行區(qū)分，檢驗區(qū)分效果；采用PLS方法建立電子舌大豆肽苦味的定量評價模型。在模型的建立過程中采用建模集的相關(guān)系數(shù)、建模集均方根誤差和預測集的相關(guān)系數(shù)、預測集均方根誤差評價模型效果。
結(jié)果與分析
感官評價
本文首先對大豆肽的苦味特性進行人工感官評價，然后冉研究電子舌儀器進行感官分析。本實驗從對苦味敏感的專業(yè)人員中選取10位感官評價員(5男5女)進行感官評價，每次品嘗之后，需要用清水漱口，再進行下一次品嘗。最后，將與其口味接近的奎寧標準液濃度對應(yīng)的分值記為此溶液的得分。之后取10位評價人員的平均分為苦味評定分數(shù)。以奎寧的作為評分標準，評分標準見表1。表2為風味蛋白酶不同水解時問下的苦味得分值。
DFA是研究樣品所屬類型的一種統(tǒng)計分析方法，即通過重新組合傳感器數(shù)據(jù)來優(yōu)化區(qū)分性的分類技術(shù)，使組間距離最大的同時保證組內(nèi)差異最小使各個組間的重心距離最大，從而建立判別函數(shù)和判別準則，判斷樣品屬于哪一類別。首先對正確分類的訓練樣本集建立DFA模型，然后將未知樣品投影到模型圖譜上，計算未知樣品與模型圖譜上的每類樣品的中心距離，將未知樣品判定為距離最近的那一類。基于判別因子分析法建模，得到五種樣品的區(qū)分圖如圖1所示。從DFA二維圖中可知DF1與DF2總貢獻率達到99．994％，模型區(qū)分指數(shù)DI=100，5種樣品被很好區(qū)分開。從5種樣品的預測集中分別任意選擇1個樣本(圖中顯示為黑色點)，根據(jù)建立的DFA模型進行區(qū)分，結(jié)果表明5個未知樣本均落存在相應(yīng)的組中，識別率為100％，分效果良好。
用PLS建立大豆肽溶液電子舌苦味預測模型，并對電子舌傳感器響應(yīng)值與人工感官評價得分值問的相關(guān)性進行研究。以七根傳感器的響應(yīng)信號值為白變量，以感官得分值為因變量構(gòu)建偏最小二乘模型。建模集為60個樣本，驗證集為30個樣本。結(jié)果如圖2、圖3所示，分別表示建模集、預測集的實際苦味值與預測值的相關(guān)圖。
對于偏最小二乘模型，P(p=0．000)<0．05，表明該模型的回歸方程有顯著意義，且該模型的建模集中，真實值與預測值之間的相關(guān)系數(shù)為0．9923，RMSE為2．47％，預測集的相關(guān)系數(shù)為0．9890，RMSE為6．81％，預測效果較好。
采用法國AlphaMOS電子舌對制取的五種不同酶解時間條件下的樣品進行苦味特性研究。分別采用DFA模式識別方法和PLS預測模型對采集的數(shù)據(jù)進行定性和定量分析，研究表明：采用DFA分析法能夠?qū)ξ宸N不同的大豆肽樣品的呈味特性和味覺相似程度進行定性評價，PLS模型能對未知樣品進行呈味預測；大豆肽的苦味預測結(jié)果與實際感官評價吻合。研究結(jié)果為后續(xù)大豆肽產(chǎn)品的呈味特性研究提供一種新的方法途徑。
來源：感官科學與評定 轉(zhuǎn)載請注明來源。
參考文獻：惠延波,樊留強,陳復生,牛群峰,王莉,賈芳.基于電子舌技術(shù)的大豆肽區(qū)分及苦味評價[J].食品工業(yè)科技,2016,37(08):97-99+109.DOI:10.13386/j.issn1002-0306.2016.08.011.
提醒：文章僅供參考，如有不當，歡迎留言指正和交流。且讀者不應(yīng)該在缺乏具體的專業(yè)建議的情況下，擅自根據(jù)文章內(nèi)容采取行動，因此導致的損失，運營方不負責。如文章涉及侵權(quán)或不愿我平臺發(fā)布，請聯(lián)系處理。
