儿茶素调控空气炸制薯片中典型美拉德反应危害物共形成及动力学特征的联合控制与机器学习预测研究

为解决高温加工食品中丙烯酰胺(AA)和羧甲基赖氨酸(CML)等美拉德反应危害物(hMRPs)的共形成难题，中国研究人员通过动力学建模与机器学习(ML)技术，系统评估了儿茶素化合物(EGCG/EC/TP)对空气炸制薯片中AA和游离/结合态CML的联合抑制效应。研究发现EGCG最高可抑制AA和CML达50.16%和48.73%，随机森林模型预测R2>0.9，为食品热加工危害物智能防控提供了新策略。

　　

随着空气炸锅作为健康烹饪工具的普及，其高温加工过程中产生的美拉德反应危害物(hMRPs)引发新的食品安全隐忧。丙烯酰胺(AA)和羧甲基赖氨酸(CML)作为典型hMRPs，具有致癌和促糖尿病风险，但现有研究多聚焦单一污染物控制，且对空气炸制条件下游离/结合态CML的差异调控机制认知不足。中国农业科学院茶叶研究所团队在《Food Chemistry》发表的研究，首次将动力学分析与机器学习(ML)相结合，揭示了儿茶素化合物对空气炸制薯片中多类型hMRPs的协同抑制规律。

研究采用高效液相色谱-质谱联用技术定量AA和CML，通过构建logistic-exponential动力学模型解析反应路径，并运用随机森林等ML算法建立预测模型。实验选用(-)-表没食子儿茶素没食子酸酯(EGCG)、表儿茶素(EC)和茶多酚(TP)作为干预剂，浓度梯度设置为0.001%-1%(w/w)。

【Effect of catechins on the joint formation of AA and CML】
在160°C最优反应温度下，EGCG对AA、游离CML和结合CML的抑制率分别达50.16%、48.73%和33.60%，TP组分别为48.05%、50.21%和31.87%，呈现非线性剂量效应。动力学分析表明儿茶素主要抑制生成相而非消除相。

【Kinetic analysis】
建立的logistic-exponential模型显示，儿茶素处理显著降低AA和CML的生成速率常数(k₁)，但对消除速率常数(k₂)影响有限，证实其通过阻断前期反应中间体形成发挥抑制作用。

【Machine learning prediction】
随机森林模型对AA和CML的预测R²>0.9，相对分析误差(RPD)>3，特征重要性分析揭示反应时间和儿茶素剂量为关键变量。

该研究创新性地实现了hMRPs多靶点联合控制的量化预测，为智能食品加工系统开发提供了理论支撑。特别值得注意的是，研究首次区分了游离/结合态CML的差异抑制规律，这对准确评估膳食暴露风险具有重要意义。研究获得国家重点研发计划(2024YFF1106700)支持，相关ML模型已具备工业化应用潜力，为热加工食品安全生产提供了可量化的智能解决方案。