
-
生物通官微
陪你抓住生命科技
跳动的脉搏
分数阶因子设计与机器学习揭示了基于鹰嘴豆(Cicer arietinum)的奶酪类似物中的关键配方因素
《Journal of Food Measurement and Characterization》:Fractional factorial design and machine learning reveal key formulation factors in chickpea-based (Cicer arietinum) cheese analogues
【字体: 大 中 小 】 时间:2026年05月03日 来源:Journal of Food Measurement and Characterization 3.3
编辑推荐:
摘要对植物基奶酪类似物(PBCA)需求的增长反映了消费者对具有理想质地和感官特性的无乳制品的兴趣日益增加。本研究采用了一种混合优化框架,结合了分数因子设计(FFD)和人工神经网络(ANN)建模方法,以确定影响鹰嘴豆基(Cicer arietinum)奶酪类似物的关键配方因素。首先
对植物基奶酪类似物(PBCA)需求的增长反映了消费者对具有理想质地和感官特性的无乳制品的兴趣日益增加。本研究采用了一种混合优化框架,结合了分数因子设计(FFD)和人工神经网络(ANN)建模方法,以确定影响鹰嘴豆基(Cicer arietinum)奶酪类似物的关键配方因素。首先,对几种植物基乳液(绿豆、全绿豆、黑眼豌豆、豇豆、鹰嘴豆和大豆)进行了评估,并使用不同的凝固剂来测定其凝固效率。结果显示,鹰嘴豆乳在使用木瓜蛋白酶时的凝固效果最好,因此被选为后续配方优化的研究对象。研究分析了水、植物油、淀粉、木瓜蛋白酶和卡拉胶对质地特性的影响。FFD实验结果表明,淀粉显著增加了产品的硬度、黏度和咀嚼性,而卡拉胶则提升了产品的凝聚性和结构稳定性(p<0.05)。ANN模型显示出很高的预测准确性(硬度的R2值为0.999,咀嚼性的R2值为0.913,凝聚性的R2值为1.000),能够捕捉到FFD模型无法处理的非线性交互效应。FFD与ANN的结合有效减少了实验变异性,并揭示出淀粉和卡拉胶是决定植物基奶酪类似物(PBCA)质地和口感的关键因素。这种集成建模策略减少了实验次数和材料消耗,有助于实现资源高效的配方开发,同时在不违背政策目标的前提下支持可持续发展。

对植物基奶酪类似物(PBCA)需求的增长反映了消费者对具有理想质地和感官特性的无乳制品的兴趣日益增加。本研究采用了一种混合优化框架,结合了分数因子设计(FFD)和人工神经网络(ANN)建模方法,以确定影响鹰嘴豆基(Cicer arietinum)奶酪类似物的关键配方因素。首先,对几种植物基乳液(绿豆、全绿豆、黑眼豌豆、豇豆、鹰嘴豆和大豆)进行了评估,并使用不同的凝固剂来测定其凝固效率。结果显示,鹰嘴豆乳在使用木瓜蛋白酶时的凝固效果最好,因此被选为后续配方优化的研究对象。研究分析了水、植物油、淀粉、木瓜蛋白酶和卡拉胶对质地特性的影响。FFD实验结果表明,淀粉显著增加了产品的硬度、黏度和咀嚼性,而卡拉胶则提升了产品的凝聚性和结构稳定性(p<0.05)。ANN模型显示出很高的预测准确性(硬度的R2值为0.999,咀嚼性的R2值为0.913,凝聚性的R2值为1.000),能够捕捉到FFD模型无法处理的非线性交互效应。FFD与ANN的结合有效减少了实验变异性,并揭示出淀粉和卡拉胶是决定植物基奶酪类似物(PBCA)质地和口感的关键因素。这种集成建模策略减少了实验次数和材料消耗,有助于实现资源高效的配方开发,同时在不违背政策目标的前提下支持可持续发展。
