采用化学反应工程方法对蛋白质稳定的水包油乳液中脂质消化进行建模：传质、界面反应和液滴粒径演变的作用

《Journal of Food Engineering》：Modeling lipid digestion in protein-stabilized oil-in-water emulsions using a chemical reaction engineering approach: role of mass transfer, interfacial reactions and droplet size evolution

•非均相动力学模型将界面反应与传质耦合。
•无需参数拟合即可预测脂质生物可及性。
•通过建模和半动态体外消化捕获胃动力效应。
•模型预测优于传统一级动力学模型。
•界面反应动力学主导于传质阻力。

引言
胃肠道（GIT）是一个复杂的生理系统，由相互连接的隔室组成，在动态的机械、物理化学和生物化学条件下运作（Rivera del Rio 等人，2022）。胃肠道内的消化源于流体动力学、传质和酶促反应的耦合作用，它们共同控制食物的分解和营养释放（Li 和 Jin，2021）。因此，了解食物在消化过程中的命运已成为食品科学与工程领域的核心议题（Le Feunteun 等人，2021a）。食物是多尺度材料，其宏量营养素在分子、超分子和微观结构水平上组织；其成分和物理结构都可能强烈调节食糜传输、水解速率和营养生物可及性（Capuano 和 Janssen，2021；Le Feunteun 等人，2021a）。因此，阐明食物结构、消化条件和宏量营养素降解之间的关系对于理性功能食品设计至关重要（Gerrits 等人，2021）。

在此背景下，乳基食物中脂质的命运引起了越来越多的关注，推动了实验和理论方法的发展，以研究模拟消化条件下的食物行为（Le Feunteun 等人，2021b）。油包水（O/W）乳液由分散在水相中的油滴和表面活性化合物稳定而成，被广泛用作研究脂质消化的模型基质。在胃中，胃动力和蠕动驱动乳化作用及结构重排，改变液滴大小和界面组成，最终影响消化动力学（Acevedo-Fani 和 Singh，2022；Hu 等人，2025）。油滴中的甘油三酯（TAGs）在胃脂肪酶（GL）作用下发生部分水解，生成游离脂肪酸（FFAs），通常达到 10-25% 的脂肪分解（Amara 等人，2019）。同时，剪切和混合可促进失稳现象，如分层和絮凝，导致食糜空间异质性（Acevedo-Fani 和 Singh，2022；Bornhorst 等人，2016）。在这些条件下，GL 反应速率不仅取决于固有酶活性，还取决于消化液中的酶传输以及水解发生处的油水界面底物可及性（Li 和 McClements，2010）。

转移到小肠后，脂质水解主要通过胰脂肪酶（PL）-辅脂酶系统继续，这取决于可用的界面面积和酶向界面的传输。随后，脂解产物被胆盐溶解成混合胶束，促进吸收（Acevedo-Fani 和 Singh，2022）。因此，在胃和小肠阶段，吸附界面的完整性和组成是决定脂肪酶对 TAGs 的接近性及整体脂质消化的关键因素（Le Feunteun 等人，2021a）。对于蛋白质稳定的乳液（例如乳清蛋白分离物 WPI 或酪蛋白酸钠），酸化会减少表面电荷并削弱静电排斥，促进胃条件下的聚集（Nik 等人，2011）。在低 pH（约 2.0）下，这些乳液可能发生絮凝，并被胃蛋白酶进行界面蛋白水解，从而改变界面性质，可能影响蛋白质消化和随后的脂肪分解（Acevedo-Fani 和 Singh，2022；Bornhorst 等人，2016）。这些耦合现象强调了开发消化模型的必要性，该模型需在预测脂质生物可及性时考虑乳液结构、传质限制和消化分泌物的同步演变。

体内消化研究提供了最符合生理相关的胃肠道过程表征；然而，其应用受到伦理、技术和经济限制（Zhao 等人，2023）。因此，开发了一系列体外消化模型，以在可控、可重复和经济有效的方式下重现关键生理条件（Brodkorb 等人，2019）。这些包括静态和动态系统，如 TIM-1、HGS（Kong 和 Singh，2010）、GDS（Kozu 等人，2014）、DIDGI?（Ménard 等人，2014）、DIVRSD（Wu 和 Chen，2020）、DGM（Thuenemann 等人，2015）、IMGS（Barros 等人，2016）、DIVHS（Wang 等人，2019）、SoGut（Dang 等人，2020）等。尽管不断改进，但体内和体外结果之间的差异仍然存在，当动态传输现象（混合、界面更新和传质阻力）被简化或未明确表征时（Tan 等人，2023）。

为了补充实验方法，数学（计算机模拟）模型已成为解释消化过程的宝贵工具，使用物理化学原理、传质理论和可测量的食物特性（Le Feunteun 等人，2021a；Van der Sman 等人，2020）。现有模型可大致分为动力学、经验、随机或机理模型。经典动力学方法通常采用米氏动力学、零级或一级动力学（Le Feunteun 等人，2021b），包括代表性示例，如 Verger 等人（1973）提出的界面修正和 Li 和 McClements（2010）开发的表面积依赖模型。经验模型旨在重现实验观察结果，而不明确表示潜在机制，例如胃排空功能（Elashoff 等人，1982）或肠内脂肪分解相关性（Infantes-Garcia 等人，2021）。随机模型将消化描述为具有随机变量的离散事件序列，包括多响应级联方法（Salvia-Trujillo 等人，2017；Verkempinck 等人，2019）；然而，其计算复杂性可能限制更广泛的应用（Le Feunteun 等人，2021a）。

机理模型，通常称为基于生理的动力学模型，明确整合了胃肠道生理（例如转运、分泌、水解和吸收）、食物特性和传输现象，经常借鉴过程工程概念（Gerrits 等人，2021；Le Feunteun 等人，2020）。从这个角度看，消化可以映射到诸如研磨、混合和膜分离等单元操作（Bornhorst 等人，2016）。多项研究已将此类框架应用于各种食物和机制。Taghipoor 等人（2014）开发了一个肠内模型，通过质量平衡和异质食团中的酶促转变纳入了膳食纤维的影响。Kondjoyan 等人（2015）提出了一个两阶段模型，考虑了 pH 对胃蛋白酶活性和蛋白质变性的影响，描述了球形肉颗粒中的传输和界面反应。对于乳液，Giang 等人（2016）通过一级动力学和油水界面处的质量平衡耦合液滴大小来模拟脂肪分解。Moxon 等人（2017）将胃表示为连续搅拌釜反应器，将肠道表示为平推流反应器，使用无量纲数表征传质。其他贡献包括肠内葡萄糖吸收的现象学描述（Gim-Krumm 等人，2018）、胃内蛋白质消化的反应 - 扩散模型（Sicard 等人，2018）、酸渗透和水分重新分布（Mennah-Govela 等人，2020），以及连接淀粉消化期间质量传输和酶动力学的无量纲分析（例如达姆科勒数）（Sun 等人，2022）。计算流体力学（CFD）也被用于以高空间分辨率表征胃动力学（Ferrua 和 Singh，2010；Imai 等人，2013；Pal 等人，2004）；然而，许多 CFD 研究简化或省略了酶促反应和真实的食物质微结构（Le Feunteun 等人，2021b）。

从工程角度看，乳液系统中的脂质消化可以描述为发生在动态界面上的耦合反应 - 传输过程。在此框架内，化学反应工程的经典概念，如界面反应动力学和传质阻力，以及描述分散相动力学的群体平衡方法，为分析消化现象提供了坚实的基础。然而，隔室模型的开发仍然具有挑战性，因为潜在的物理化学机制和食物系统的结构同时演变，并通过高度非线性的相互作用耦合（Bornhorst 等人，2016；Dupont 等人，2018；Le Feunteun 等人，2021b）。在此背景下，本研究开发了一种基于化学反应工程，特别是非均相动力学（HK）的机理模型，以描述蛋白质稳定 O/W 乳液的消化。该模型整合了胃内蛋白水解与依赖于界面面积的反应动力学及传质，同时纳入了以游离脂肪酸释放量计量的肠内脂肪分解，并与可用于酶促活性的液滴表面积动态变化相关联。模型开发和评估得到了使用半动态体外机械胃系统（IMGS）获得的体外消化数据的支持，该系统由 Barros 等人（2016）报道。值得注意的是，所提出的框架旨在捕捉控制脂质水解的主导机制，并基于工程角度解释半动态体外系统中的消化行为，而不是解决乳液中发生的所有微观物理化学事件。

章节片段
模型的一般描述
本建模框架建立在 Barros 等人（2016）的实验研究基础之上，他们开发了 IMGS 以重现真实的几何形状、蠕动运动和动态胃酸性（pH）曲线。在该工作中，以游离脂肪酸释放量计量的肠内脂肪分解，使用了由 10 wt% 葵花籽油作为脂质相和 90 wt% 含 1.0 wt% WPI 的水相组成的 WPI 稳定 O/W 乳液进行评估，...使用两种消化配置进行评估：IMGS 中的胃消化随后

肠内脂肪分解模型的验证
图 2a 显示了 HK 模型预测的肠内 FFA 释放量。这些数值与在 IMGS-SBi 和 SBg-SBi 配置下进行的体外消化试验获得的实验数据进行了比较，相应的统计指标汇总于表 2。模型预测的最终 FFA 释放量为 28.83%，与 IMGS-SBi 条件下获得的实验值（27.35%）非常吻合，相对偏差为 5.4%。相比之下，

结论
本研究证明，基于化学反应工程框架的非均相动力学（HK）模型，为描述半动态消化条件下 WPI 稳定 O/W 乳液中胃内蛋白水解和肠内脂肪分解的耦合过程提供了一种合适的方法。无需参数校准，模型预测的最终肠内 FFA 释放量为 28.83%，与 IMGS-SBi 条件下获得的实验数据（27.35%）非常吻合，且与较低

CRediT 作者贡献声明
Carolina Quezada：写作 - 审阅与编辑，写作 - 初稿撰写，可视化，验证，软件，方法论，调查，正式分析，数据整理，概念化。
Karla Pérez：写作 - 审阅与编辑，可视化，软件，方法论，正式分析，数据整理。
Bruno González：写作 - 审阅与编辑，可视化，软件，方法论，正式分析，数据整理，概念化。
Humberto Estay：写作 - 审阅与编辑，验证，资源，
利益冲突声明
作者声明，他们没有已知的竞争性财务利益或个人关系，这些关系可能影响本文所报告的工作。
致谢
本研究由智利国家研究与开发局（ANID）通过 FONDECYT 项目 No. 1191858 和项目 CIA250010 资助。

Carolina Quezada|Karla Pérez|Bruno González|Humberto Estay|Elizabeth Troncoso