基于RSM与ANN-GA协同优化的葵花籽粕蛋白提取工艺建模及营养评价研究

本研究针对农业废弃物葵花籽粕(SSC)的高值化利用问题，采用响应面法(RSM)与人工神经网络-遗传算法(ANN-GA)协同优化蛋白提取工艺，突破传统单因素优化局限。通过建立pH(8.5-10.5)、温度(25-45°C)、料液比(10-30 mL/g)和时间(1-3 h)四因素模型，获得蛋白得率28.03%(ANN-GA)与纯度88.69%，显著优于RSM结果。氨基酸分析显示除赖氨酸外EAA含量丰富，营养指数达61.87，为植物蛋白开发提供新思路。

　　

研究背景与意义
全球每年产生大量农业加工废弃物，葵花籽粕(SSC)作为油脂工业副产品富含29-61%的蛋白质，却因酚类物质导致的感官缺陷多被用作低值饲料。随着全球蛋白质需求激增（2025年预计700万吨），开发植物蛋白替代品成为解决资源与环境问题的关键。传统单因素优化方法耗时耗力且忽略参数交互作用，而葵花籽蛋白因缺乏转基因品种、硫氨基酸丰富等优势，成为极具潜力的有机蛋白来源。

研究设计与方法
印度马哈拉施特拉邦Annapurna Ladki Ghana Oil提供的SSC经脱脂脱酚预处理后，采用等电沉淀法提取蛋白。研究团队创新性地将中心复合旋转设计(CCRD)与ANN-GA结合：通过RSM建立30组实验的二次多项式模型，ANN采用4-10-2三层网络结构（Levenberg-Marquardt算法训练），GA以257代迭代优化参数。营养评价包含氨基酸分析仪检测、蛋白效率比(PER)计算及FAO标准评分。

主要研究结果
3.1 单因素实验
pH 11.5时蛋白得率最高(23.32%)但纯度下降，45°C和料液比30 mL/g为最佳平衡点。延长提取时间超过3小时导致蛋白变性，验证了温度与时间的非线性关系。

3.2 RSM建模
二阶模型R²
达0.969(得率)和0.989(纯度)，pH贡献度59.45%。交互作用显示高温(42°C)与碱性(pH 10.21)协同提升提取效率，而过高pH破坏蛋白结构。

3.3 ANN-GA优化
10神经元隐藏层的ANN模型R²
达0.996，MSE低至0.062。GA优化参数为pH 10.42、38.1°C、料液比18.23 mL/g，实验验证得率(28.03%)较RSM提升15.6%。

3.5 营养特性
亮氨酸(5.94 g/100g)和含硫氨基酸(4.00 g/100g)突出，EAAI指数70.98。虽赖氨酸(2.95 g/100g)为限制氨基酸，但PER值(1.82)优于大豆蛋白，营养指数61.87显示其食品应用潜力。

结论与展望
该研究首次将ANN-GA应用于SSC蛋白提取，突破RSM多项式限制，实现非线性关系精准建模。所得蛋白产品符合FAO婴幼儿氨基酸评分标准，为开发高性价比蛋白补充剂提供技术支撑。未来需进一步研究脱酚工艺对功能特性的影响，推动农业废弃物在功能性食品领域的应用。论文发表于《Journal of Agriculture and Food Research》，为可持续食品开发提供新范式。