人工神经网络辅助的过程建模与辉光放电等离子体调控腰果蛋白浓缩物特性

《Food Research International》：Artificial neural network-assisted process modeling and glow discharge plasma modulation of cashew nut protein concentrate properties

　　

• •
  工艺优化在高效生产富含蛋白质的腰果浓缩物方面表现优异。
• •
  RSM与ANN联合优化蛋白质浓缩物的生产，具有很高的准确性。
• •
  辉光放电等离子体在不造成大量降解的情况下改良性功能特性。
• •
  腰果蛋白浓缩物是多种食品应用中前景广阔的配料。

引言

植物蛋白如今的评价标准已不再局限于其在营养层面上替代动物来源蛋白的能力。在食品体系中，其应用价值取决于其分散性、水合能力、与油-气界面的相互作用、保色能力、耐加工性以及作为粉末在储存和处理过程中的表现。一种高蛋白质含量的浓缩物如果溶解度差、界面活性弱、过度聚集、色泽不理想或流动性差，其应用可能仍然受限。因此，植物蛋白配料开发必须将蛋白质富集与功能性、物理特性及配方性能联系起来（Day, 2013; Loveday, 2020; Ma等, 2022）。

腰果仁是蛋白质配料开发中一种相关但尚未被充分探索的原料。先前的研究表明，腰果蛋白可以提供与水吸收、油吸收、乳化、发泡和凝胶化相关的特性，具体取决于提取和制备条件（Liu等, 2018; Ogunwolu等, 2009）。最近，do Carmo等（2025）将腰果蛋白浓缩物描述为替代蛋白行业的一种前景广阔的配料。这些发现表明，蛋白质回收可以大幅增加破碎腰果仁的价值，为远超其作为原始商品商业化的应用创造了机遇。因此，蛋白质浓缩物的生产是一种为破碎腰果仁增值的有前景的策略，为腰果行业开辟了重要机遇。然而，剩余的挑战在于确定能够平衡蛋白质浓度、蛋白质得率、功能性和粉末特性的加工条件。

优化是这类工艺开发的核心。响应面法（RSM）之所以有用，是因为它能够在结构化的实验域内估计线性、二次和交互效应，同时允许进行方差分析、失拟检验以及通过响应面进行图形化解读（Ba? & Boyac?, 2007; Bezerra等, 2008; Box & Wilson, 1951）。当所选条件不仅需要作为数学最优解具有吸引力，还需要在实际中可行时，这些特征尤为重要。在食品加工中，RSM已被用于定义操作区域、减少实验工作量，并支持涉及工艺性能、配方、产品质量和感官接受度的决策（Lira等, 2025; Viana等, 2021）。然而，二阶多项式模型可能无法完全描述食品加工过程中非线性响应行为。人工神经网络（ANNs）可以补充一个非线性预测层，因为前馈网络能够近似输入-输出关系，而不强加预定义的多项式结构（Hornik等, 1989）。在本研究中，RSM和ANN被视为互补工具：RSM提供了设计空间的统计解读，而ANN则用于在响应行为需要更大灵活性时支持预测。类似的组合策略已被应用于食品加工过程建模中，包括喷雾干燥系统和其他多响应优化问题（Youssefi等, 2009）。

一旦获得优化的浓缩物，后处理可用于调整其技术特性。冷等离子体因其在相对温和的热条件下通过反应性物种改变表面化学和分子组织来修饰蛋白质而备受关注。这些变化的程度取决于等离子体构型、气体组成、暴露条件和基质组成，可能涉及溶解度、表面疏水性、氧化状态、二级结构、聚集和界面行为（Olatunde等, 2023; Rout & Srivastav, 2023）。对于植物蛋白，这种方法具有重要意义，因为溶解度有限、颗粒聚集和界面活性弱往往限制其在食品配方中的应用。辉光放电等离子体提供了一种可控的处理环境，可以在不使用化学试剂或严重加热的情况下修饰蛋白质浓缩物。

用于食品用途的蛋白质浓缩物还需要超出蛋白质回收方面的表征。粉末流动性测试（PFT）描述压实和剪切状态下干物料的特性。扫描电子显微镜（SEM）提供颗粒形貌和表面组织信息。傅里叶变换红外光谱法检测官能团和蛋白质相关谱带的变化，特别是酰胺I和酰胺II，它们对蛋白质的分子环境敏感（Barth, 2007）。差示扫描量热法（DSC）通过测量与蛋白质展开、残余热组织和加工引起的构象稳定性变化相关的热流转变来提供热学信息（Durowoju等, 2017; Johnson, 2013）。这些技术有助于将物理、形貌、分子和热学变化与技术功能性、色泽、表面电荷和多变量配料特性联系起来（Juliano & Barbosa-Cánovas, 2010; Ma等, 2022）。

据此，本研究探讨了等电沉淀过程中使用的冷藏静置时间如何影响蛋白质浓度和回收率，以及经验证的短时间条件能否为后续等离子体修饰提供实用基础。RSM和ANN作为互补的建模方法被用于描述提取域，随后将选定的浓缩物在两种合成空气流量下进行辉光放电等离子体处理。所得配料从物理、结构、热学、技术功能性、色度和电动力学等维度进行了评估，以确定等离子体后处理是否产生了不同的功能特性而非在所有性质上的统一改善。

本研究的设计前提是提取阶段和等离子体阶段在配料开发的层面发挥作用。提取条件主要决定蛋白质浓度和回收率，而等离子体后处理可以修饰颗粒组织、蛋白质结构、界面行为及相关功能特性。这种方法允许分别考察工艺选择和后处理修饰，同时将两个阶段与腰果蛋白配料开发联系起来。

章节片段

原料

破碎腰果仁由USIBRAS?（巴西塞阿拉州阿基拉兹）捐赠。样品在避光不透明包装中真空包装，并在?18°C冷冻储存至使用。

对照蛋白质浓缩物的制备

蛋白质浓缩物通过水等电提取获得，遵循Ogunwolu等（2009）描述的方法并做适应性调整。将部分脱脂腰果粉以1:10（w/v）比例分散于蒸馏水中。用

响应行为与RSM模型适用性

中心复合旋转设计表明，RT₁和RT₂以不同方式影响蛋白质浓度和蛋白质得率（表1；图2）。最高蛋白质浓度在最短因子条件下获得，即RT₁=17.57分钟和RT₂=8.79分钟，浓缩物达到72.41±0.23%。得率则呈另一方向。RT₁=119.99分钟和RT₂=30分钟的条件产生了最高得率58.73±0.15%，但其蛋白质浓度较低，为68.76±0.38%。

结论

本研究探讨了腰果蛋白浓缩物的生产，并表明蛋白质浓度和蛋白质得率未在实验域的同一区域达到最大化。RSM对于解读两个静置步骤的影响很有用，对得率拟合度很高，而蛋白质浓度的局部变异性较大。ANN提供了补充的非线性预测方法，尽管其性能具有响应依赖性，特别是对蛋白质

CRediT作者贡献声明

Fabia Costa：写作——审阅与编辑，写作——初稿撰写，可视化，调查研究，形式化分析，数据管理，概念构思。José Diogo da Rocha Viana：可视化，验证，调查研究，形式化分析，数据管理，概念构思。Gilleno Ferreira de Oliveira：可视化，验证，调查研究，形式化分析。Giordana Demaman Arend：可视化，调查研究，形式化分析。Bianca Alves da Silva：可视化，验证，形式化分析。

资助

本研究由GFI（良好食品研究所）、巴西科学技术发展委员会（CNPq）（巴西科学、技术与创新部，流程编号404293/2023-9和444421/2024-6）、塞阿拉州科学与技术发展基金会——FUNCAP（FPD编号0213-00247.01.01/23）、巴西农业研究公司——EMBRAPA（SEG流程编号20.24.00.204.00.00）以及Usibras?（巴西塞阿拉州阿基拉兹）资助，后者捐赠了腰果至

利益冲突声明

作者声明，他们不存在已知的竞争经济利益或个人关系，这些利益或关系可能影响本论文所报告的工作。

Fabia Costa|José Diogo da Rocha Viana|Gilleno Ferreira de Oliveira|Giordana Demaman Arend|Bianca Alves da Silva|Arthur Claudio Rodrigues de Souza|Fabiano André Narciso Fernandes|Sueli Rodrigues|Paulo Henrique Machado de Sousa|Ana Paula Dionísio