红外光谱结合化学计量学快速检测酸奶中微生物转谷氨酰胺酶的活性与浓度研究

本研究利用近红外（NIR）和中红外（MIR）光谱技术，结合化学计量学方法（如SIMCA和PLS-DA）及机器学习，实现了对酸奶中微生物转谷氨酰胺酶（mTGase）的存在、活性状态（活性/非活性）及浓度（1 U和2 U）的快速、无损检测。该方法为乳制品行业提供了高效的质量控制手段，尤其适用于应对欧盟等地区对酶制剂活性监管的合规需求。

　　

Spectral information

通过近红外（NIR）光谱采集的酸奶样本平均光谱如图2a所示，显著振动波段参考Temizkan等人（2020）的研究进行了标识。在8650至8300 cm^?1范围内的峰归属于O–H伸缩的一级倍频和C–H伸缩的二级倍频。7430 cm^?1处的峰与N–H的一级倍频及组合带相关。约6900 cm^?1和5180 cm^?1的峰分别源于游离O–H的一级倍频和O–H伸缩与变形振动的组合带。

Conclusions

表1总结了通过傅里叶变换近红外（FT-NIR）和傅里叶变换中红外（FT-MIR）光谱数据获得的分类模型的统计结果。本研究成功证明，NIR与MIR光谱技术在分类酸奶样本中微生物转谷氨酰胺酶（mTGase）的使用、酶活性状态（活性/非活性）及酶浓度（1 U与2 U）方面具有显著潜力。两种技术均能区分含活性酶的样本与对照组，其中MIR光谱在区分酶活性状态方面表现更优。然而，仅依靠SIMCA和PLS-DA方法无法有效区分不同酶浓度（1 U与2 U），而机器学习方法在此方面展现出更高准确性。总体而言，结合化学计量学与机器学习的红外光谱技术为酸奶中mTGase的快速检测提供了可靠解决方案。

CRediT authorship contribution statement

Hatice S??ramaz： 原始稿件撰写、实验操作、数据分析。

Huseyin Ayvaz： 稿件审阅与修改、原始稿件撰写、方法验证、软件分析。

Ahmed Menevseoglu： 稿件审阅与修改、原始稿件撰写、可视化、验证与软件支持。

Mysa Ahmed Hasan Ayash Yaaqob： 实验操作与数据分析。

Muhammed Ali Dogan： 实验操作与数据分析。

Mustafa Ozturk： 稿件审阅与修改、原始稿件撰写、项目监督与资金获取。

Declaration of competing interest

作者声明不存在任何已知的竞争性经济利益或个人关系，以避免对研究结果产生不当影响。

Acknowledgments

作者感谢Sakarya大学的Abdil ?zdemir教授提供的技术支持，同时感谢Chr—Hansen公司赠送的发酵剂样本，以及Barentz G?da ve Kimya公司提供的转谷氨酰胺酶样品。