基于ANN-GA优化双酶水解平菇（Pleurotus sajor-caju）营养组分的高效绿色提取策略及其功能应用研究

本研究针对平菇（Pleurotus sajor-caju）采后易腐、营养组分利用率低的问题，采用alcalase与flavourzyme双酶协同水解策略，结合人工神经网络与遗传算法（ANN-GA）优化工艺，显著提高了蛋白质回收率（36.83%）及功能性氨基酸（如谷氨酸32.45 mg/100 g、赖氨酸8.28 mg/100 g）的释放，为开发清洁标签植物基蛋白配料提供了可持续且智能化的解决方案。

　　

平菇（Pleurotus sajor-caju）作为一种广泛栽培的食用菌，不仅富含蛋白质、必需氨基酸和多糖等生物活性成分，还具有低脂肪、低热量的特点，是理想的植物蛋白替代来源。然而，由于其含水量高、缺乏外层保护结构以及采后呼吸作用旺盛，平菇极易腐败变质，造成大量营养资源的浪费。尽管传统的干燥或热加工能在一定程度上延长保质期，却往往导致热敏性生物活性成分的降解和品质下降。因此，开发一种绿色、高效的技术以提升平菇副产物的附加值并推动其在功能性食品中的应用，已成为当前食品科学与营养领域的重要课题。

酶解技术作为一种温和、高效的绿色加工方法，能够将复杂的蛋白质大分子降解为更易消化吸收、生物活性更强的肽段和游离氨基酸。在众多蛋白酶中，alcalase（一种内切蛋白酶）和flavourzyme（兼具内切和外切蛋白酶活性）因其高效的蛋白降解能力而被广泛应用。前者能有效切割肽链内部的键，后者则擅长从末端水解氨基酸，二者协同作用可显著提高水解效率并改善产物风味。然而，现有研究多集中于动物或大豆蛋白底物，对蘑菇蛋白，尤其是平菇蛋白的双酶水解优化研究仍较为有限。此外，常规的响应面法（RSM）在优化复杂生物过程时存在局限性，难以准确捕捉非线性相互作用。而人工神经网络（ANN）与遗传算法（GA）相结合的建模方法，则能够通过数据驱动的方式实现全局优化，大大提高工艺的精准性和效率。

该研究旨在通过ANN-GA建模优化alcalase和flavourzyme的双酶水解工艺，最大化平菇蛋白回收率及关键营养组分（如谷氨酸和赖氨酸）的释放，为开发高值化、清洁标签的植物基蛋白配料提供新策略。

本研究论文发表于《Journal of Agriculture and Food Research》。

为开展本项研究，作者主要采用了以下几种关键技术方法：首先，以太阳能干燥的平菇粉为原料，在pH 5.5条件下添加cellulase预处理以破坏细胞壁；随后采用alcalase与flavourzyme进行双酶水解，酶浓度范围为0.1–0.4%（w/w）；采用Lowry法测定蛋白质与肽含量，Ninhydrin法测氨基酸，分光光度法测氨氮、谷氨酸与赖氨酸；利用MATLAB R2023b构建ANN模型（隐藏层10个神经元，训练算法为Levenberg-Marquardt），并结合遗传算法（GA）进行多目标优化，以最大化蛋白质回收率及目标氨基酸的产率。

3.1. Effect of alcalase and flavourzyme enzyme ratios on protein recovery efficiency in oyster mushroom extracts

酶比例显著影响蛋白回收效率，在0.3% alcalase与0.3% flavourzyme时达到最高值36.35%，酶浓度继续增加则因底物饱和与产物抑制导致效率下降。双酶协同作用通过内切与外切活性的互补增强肽键断裂，显著提高了蛋白溶出率。

3.2. Effect of alcalase and flavourzyme ratios on peptides, amino acid, and NH₃ content in extracts from oyster mushrooms

肽与氨基酸含量随酶比例增加而上升，在0.3%时达到峰值（肽2.23 g/100 g，氨基酸3.86 g/100 g），而NH₃含量随酶量增加持续升高。酶解过程中肽链断裂生成短肽与游离氨基酸，但过量酶可能导致氨基酸降解为NH₃等副产物。

3.3. Effect of alcalase and flavourzyme ratios on glutamic acid and lysine content in extracts from oyster mushrooms

谷氨酸在0.3%酶浓度时最高（32.45 mg/100 g），而赖氨酸在0.4%时达到8.28 mg/100 g。 flavourzyme的广谱特异性促进了谷氨酸（鲜味氨基酸）和赖氨酸（必需氨基酸）的释放，提高了水解产物的风味与营养品质。

3.4. Optimization by ANN-GA approach

ANN模型表现出优异的预测性能（R² > 0.99），GA优化得到最佳酶配比为0.271% alcalase与0.306% flavourzyme，此时蛋白回收率达36.83%，肽、谷氨酸、赖氨酸含量分别为2.48 g、32.45 mg、8.28 mg/100 g干物质，NH₃仅0.01 g，实际验证值与预测值高度吻合（差异<2%）。

该研究通过ANN-GA智能优化双酶水解工艺，成功实现了平菇蛋白的高效回收与功能性氨基酸的靶向富集，不仅显著提升了营养组分的提取效率，还有效降低了苦味肽与氨氮等不良副产物的生成。这一绿色、精准的策略为蘑菇副产物的高值化利用提供了新思路，契合当前清洁标签、植物基和可持续食品的发展趋势。研究的成功实施展示了人工智能技术在食品加工优化中的强大潜力，尤其为复杂生物反应体系的精细化控制提供了可靠工具。未来研究可进一步结合感官评价与体内功能实验，深入探索该水解产物在功能性食品、天然调味料和特定膳食补充剂中的应用潜力。