基于超声-酶法预处理协同强化发芽糙米（GBR）中生物活性化合物的研究：使用响应面法（RSM）、人工神经网络-遗传算法（ANN-GA）和人工神经网络-粒子群优化（ANN-PSO）的多目标建模

《ACS Omega》：Synergistic Intensification of Bioactive Compounds in Germinated Brown Rice via Ultrasonic–Enzymatic Pretreatment: Multi-Objective Modeling Using RSM, ANN–GA, and ANN–PSO

　　

超声-酶法预处理可增强糙米的发芽过程。然而，结构-代谢相互作用及工艺优化仍需进一步研究。研究人员系统性评估了超声时间（UT）、纤维素酶浓度（CC）和液固比（LS）对γ-氨基丁酸（GABA）、总酚含量（TPC）、总黄酮含量（TFC）、抗氧化活性（2,2-二苯基-1-苦基肼（DPPH）自由基清除和铁离子还原抗氧化能力（FRAP）测定）以及最佳蒸煮时间（OCT）的影响，采用Box-Behnken设计。研究人员使用响应面法（RSM）和人工神经网络（ANN）模型预测结果。遗传算法（GA）和粒子群优化（PSO）促进了多目标优化。ANN模型表现出更高的预测准确性，具有更大的决定系数和更低的预测误差。优化后的工艺提高了GABA含量，增强了抗氧化特性，并缩短了蒸煮时间。扫描电子显微镜（SEM）显示，优化后的样品表现出更大的颗粒破碎、分层和孔隙，表明空化辅助的酶水解作用。这些变化促进了物质移动和有益化合物的释放。总之，基于ANN优化的超声-酶法预处理是一种有效且可扩展的方法，用于生产具有改善营养和技术特性的功能性发芽糙米（GBR）。

研究背景与意义：发芽糙米（GBR）因发芽过程改善了营养和生物活性品质，并成为重要的功能性谷物。糙米含有较高的膳食纤维、矿物质、酚类物质、生育酚、生育三烯醇及其他对代谢和抗氧化有益的植物化学物。发芽可启动酶和代谢途径，释放如γ-氨基丁酸（GABA）、酚类化合物和黄酮类化合物等促进健康的物质，同时改善消化率和功能功效。GABA因其在神经调节、血压调节和整体代谢健康方面的生理意义而受到广泛关注，使GBR成为功能性食品开发的有力候选者。尽管有这些好处，GBR加工仍有两个局限性：麸皮基质中生物活性化合物释放有限，以及相对较长的蒸煮时间。麸皮层虽具有营养优势，但充当了水扩散、酶渗透和质量传递的物理屏障，从而限制了发芽过程中的代谢物积累及后续加工中结合植物化学物的释放。这些结构限制也导致更差的技术属性，如延长蒸煮时间和降低消费者便利性。为解决这些限制，环境可持续和结构改性加工技术逐渐被研究。超声辅助加工因声空化而产生微射流、局部剪切应力和瞬态压差，从而干扰生物组织并增强质量传递，具有吸引力。谷物和芽系统中的超声可增强水合作用、提高扩散率、改变微观结构并刺激应激响应代谢，导致GABA和酚类物质积累增加。同时，酶预处理提供了增加结合植物化学物提取率和降低谷物组织结构刚性的替代方法。细胞壁降解酶（包括纤维素酶）水解外层中的富含纤维素的网络，导致孔隙率增加、水渗透性改善和基质结合化学物质的释放。超声和酶疗法可协同利用：空化改善酶渗透和底物可及性，而酶水解加速超声引发的微观气泡形成和坍塌（即空化）启动的结构破坏。这种协同作用已被证明可提高谷物系统中生物活性积累、抗氧化活性和结构渗透性。然而，先前的研究虽说明了发芽、超声或酶预处理的独特优势，但在建立加工条件、微观结构改变和功能结果之间的明确关系方面仍存在关键差距。许多研究主要强调单一或有限响应的经验优化，而较少研究明确将结构修饰与生物活性化合物和蒸煮效能的改善联系起来。建立结构、功能和过程之间的联系对于先进功能性谷物加工系统的合理设计至关重要。数学和计算优化方法越来越多地用于食品工程以解决此类多变量问题。响应面法（RSM）因其能以少量实验有效地模拟二次趋势而继续受到青睐。然而，当系统表现出显著非线性、阈值效应或高阶相互作用时，RSM可能不足。人工神经网络（ANN）有能力学习非线性和高维关系而无预定义多项式框架，并一贯显示出在食品过程建模中增强的预测性能。此外，将ANN与元启发式算法（如遗传算法（GA）和粒子群优化（PSO））集成构成了解决复杂食品系统中多目标优化的有效方法。因此，本研究旨在研究超声辅助纤维素酶预处理对发芽糙理化化性质、生物活性化合物、抗氧化活性和蒸煮特性的影响。此外，本研究旨在比较RSM和ANN模型的预测性能，并实施ANN-GA和ANN-PSO方法进行多目标优化。进一步使用扫描电子显微镜（SEM）评估结构转变，以阐明微观结构修饰和功能增强之间的机制关系。研究结果可为改善功能性谷物产品营养和技术质量的机制知情和AI驱动策略提供依据。该论文发表在《ACS Omega》。

主要关键技术方法：研究人员采用Box-Behnken设计（BBD）评估超声-酶法预处理对GABA、TPC、TFC、抗氧化活性（DPPH和FRAP）和OCT的影响，自变量为超声时间（UT，10–30 min）、纤维素酶浓度（CC，0.1–0.5 g/100 mL）和液固比（LS，1–3 mL/g），共17个实验批次。糙米样本来自泰国加拉信府当地稻农（2025年12月），经清洗、消毒后进行超声-酶法预处理（40 kHz超声波清洗器，400 W，纤维素酶溶液），随后在30°C培养12 h、35°C发芽24 h至芽出现，50°C热风干燥至水分低于14%，粉碎过250 μm筛。提取物以80%乙醇超声辅助提取，定量GABA（RP-HPLC）、TPC（Folin-Ciocalteu法，没食子酸当量GAE）、TFC（NaNO₂-AlCl₃-NaOH法，槲皮素当量QE）、DPPH自由基清除率和FRAP值，OCT以玻璃片压碎法测定。微观结构以SEM观察。数据分别以RSM（二阶多项式模型）和ANN（TensorFlow/Keras，多层感知机，3输入、2隐藏层各20神经元、6输出）建模，以决定系数（R²）、MSE、RMSE、MAE、SEP%、AAD%验证；多目标优化采用GA和PSO（DEAP框架），以综合评分函数同时最大化GABA、TPC、TFC、DPPH、FRAP并最小化OCT和纤维素酶成本，实验验证优化条件，并做主成分分析（PCA）阐明变量关系。

研究结果：

1. 1.
   引言（Introduction）：研究人员指出GBR的营养优势及当前加工瓶颈（麸皮屏障导致生物活性释放不足和蒸煮时间长），综述了超声空化效应、酶水解及二者协同机制，并讨论了RSM与ANN在食品过程建模中的优缺点，提出将ANN与GA/PSO集成用于多目标优化的必要性，进而阐明本研究目的。
2. 2.
   材料与方法（Materials and Methods）：研究人员描述了糙米来源、化学试剂、Box-Behnken设计变量水平、超声-酶法预处理与发芽流程、样品提取及GABA、TPC、TFC、DPPH、FRAP、OCT的测定方法，SEM样品制备与观察条件，以及RSM二阶多项式建模、ANN架构与训练、多目标优化目标函数与约束、模型验证统计量（MSE、RMSE、R²、MAE、SEP%、AAD%）、PCA标准化与双标图解释及统计差异分析（ANOVA，Duncan检验）。
3. 3.
   结果与讨论（Results and Discussion）：
   3.1. 超声-酶法预处理的工艺-响应关系（Process–Response Relationships of Ultrasonic–Enzymatic Pretreatment）：实验结果显示GABA为15.45–42.53 mg/100 g，TPC为62.47–97.43 mg GAE/g，TFC为15.96–22.85 mg QE/g，DPPH为40.30–66.57%，FRAP为27.22–38.74 μM FeSO₄/g，OCT从35.5降至24.5 min；表明超声-酶法预处理可同时改善GBR营养质量和加工效率，生物活性含量与OCT呈负相关，说明结构改变增强水合与蒸煮特性。
   3.2. 加工变量效应：响应面分析（Effects of Processing Variables: Response Surface Analysis）：RSM响应面图显示GABA受UT与CC交互影响显著，UT延长至约25–30 min且CC中高浓度时GABA大幅上升，LS约2 mL/g时峰值，更高LS因空化强度降低和稀释效应使GABA下降；TPC随UT和CC增加显著上升，在中等至高强度处理时达峰值，过高CC和LS时TPC下降（稀释、空化效率降低、酚类氧化或酶水解破坏酚-蛋白/多糖复合物）；TFC呈类似趋势但对条件更敏感，LS²极显著，约2 mL/g较优；DPPH和FRAP随预处理强度增加而增加，DPPH在中等UT和CC达最大后稳定或略降，LS主导影响（2.0–2.5 mL/g较优），FRAP一致增加；OCT随UT和CC增加显著降低，LS最重要，1→3 mL/g时OCT显著减少（31%降幅），非线性响应存在饱和阈值。
   3.3. 超声-酶法预处理的机制效应（Mechanistic Effects of Ultrasonic–Enzymatic Pretreatment）：研究人员解释为声空化产生微射流和剪切力破坏麸皮层和细胞矩阵以促进质量传递，UT提升GABA、TPC和抗氧化物质；纤维素酶水解纤维素和半纤维素网络提高孔隙率和渗透性，促进结合酚类和黄酮释放及质量传递；UT与CC交互显著，超声促进酶渗透，酶水解放大空化引发的结构破坏，协同增强质量传递和酶-底物相互作用，激活GABA分流（谷氨酸脱arboxylase GAD依赖Ca²⁺）和苯丙烷途径（苯丙氨酸解氨酶 PAL），SEM显示优化样品孔隙、微断裂、分层增加。
   3.4. 统计建模与模型充分性（Statistical Modeling and Model Adequacy）：ANOVA显示所有响应二次模型高度显著（p<0.001或<0.01），R²为0.9525–0.9925，变异系数1.48–5.30%；回归方程显示二次项（平方变量与交互）影响最显著，表明高度非线性系统存在明确最优区；GABA缺乏拟合显著（p=0.0049），说明二次模型可能无法捕捉更高阶交互。
   3.5. ANN模型开发（ANN Model Development）：为弥补RSM局限，研究人员建立ANN（3输入、2×20神经元隐藏层、6输出，TensorFlow/Keras，Levenberg–Marquardt训练），MSE 0.0412–2.2519，RMSE 0.2029–1.5006，AAD% 0.3085–1.3089%，SEP% 0.7070–2.7636%；ANN预测与实验值紧密吻合，如在Run 12中ANN预测GABA 42.53 mg/100 g，RSM 40.79 mg/100 g，表明ANN可有效建模复杂非线性关系且不需数据先验假设，但计算需求更高且系数可解释性较低。
   3.6. 比较建模性能（Comparative Modeling Performance）：对比显示ANN的R²更高、误差指标更低，尤其GABA和DPPH等强非线性响应；预测值 vs 实验值图显示ANN点更靠近45°线；误差分布图显示ANN误差更窄、更稳定；RSM仍有助于早期优化和因子效应理解，ANN更适合复杂系统精确预测与多目标优化，结合进化算法（GA、PSO）可进一步提升。
   3.6.4. ANN响应面可视化（Visualization of the ANN Response Surface）：ANN生成的三维面显示非线性关系，GABA在UT 20–25 min、CC 0.4–0.5 g/100 mL增加明显，28 min后趋平（可能为饱和或热降解），LS 2.0–2.5 mL/g较优；TPC在CC 0.45–0.50 g/100 mL、LS近2.0 mL/g最优，超出则快速下降；TFC较宽最优范围；DPPH类似TPC表面，20–30 min UT、0.3–0.5 g/100 mL CC出现阈值效应；FRAP随UT和CC持续增加；OCT主要受LS影响，UT和CC增加OCT降低但25 min后效应减弱；RSM面便于因子效应理解，ANN面捕捉边界平台，两者可联合使用。
   3.7. 智能多目标优化（Intelligent Multi-Objective Optimization）：RSM基于满意度函数优化得UT 30 min、CC 0.33 g/100 mL、LS 2.35 mL/g，预测GABA 40.76 mg/100 g、TPC 94.05 mg GAE/g，实验验证接近；ANN–GA优化得UT 28.60 min、CC 0.48 g/100 mL、LS 2.05 mL/g，预测GABA 44.18 mg/100 g、TPC 99.27 mg GAE/g；ANN–PSO优化得UT 29.20 min、CC 0.47 g/100 mL、LS 2.20 mL/g，预测GABA 44.52 mg/100 g、TPC 99.84 mg GAE/g，OCT 24.20 min；ANN–PSO总体表现最佳，能广泛搜索并避免早熟收敛，适合复杂食品系统多目标同时优化。
   3.8. 实验验证（Experimental Validation）：在预测最优条件下实验测定值与预测值密切吻合，误差低于5%，证明ANN-based优化模型可靠且稳健，GA与PSO结果一致，支持混合建模用于生物活性化合物优化。
   3.9. 微观结构-功能整合（Microstructure–Function Integration）：SEM显示对照GBR致密、孔隙有限、无裂纹或分层，导致长蒸煮时间和酚提取差；优化GBR（ANN–GA条件）出现微裂纹、分层、不规则断裂面和更大空隙，源于空化剪切力与酶水解协同削弱麸皮矩阵；这些结构改变（破碎、分层、孔隙增加）支持机制解释，并在提高生物活性积累和降低OCT间取得平衡。
   3.10. 多变量关系分析（Multivariate Relationship Analysis）：PCA双标图显示PC1和PC2共解释78.2%方差（63.2%+15.0%），GABA、TPC、TFC、DPPH、FRAP沿PC1正聚类，OCT沿PC1负向，表明生物活性/抗氧化变量间强正相关，且与OCT负相关；PC1可视为“生物活性-结构轴”；优化或近优样本聚集在高正PC1区，低效或极端条件样本在低生物活性、高OCT区；结果支持生物活性增强、抗氧化关联、蒸煮行为改善、结构修饰与优化有效性，并为功能性谷物设计提供多变量见解。
   3.11. 过程强化与工业意义（Process Intensification and Industrial Implications）：机制总结为超声-酶法预处理通过协同结构破坏与生化激活增强GBR功能；工业可扩展性来自中等处理条件、蒸煮效率提升和市场契合（UT 28.6 min、CC 0.48 g/100 mL有助节能节酶，OCT降31%意味消费者节能且产品更便利，更高GABA和抗氧化物使GBR具价值功能性成分）；可持续性来自超声为非热绿色方法、缩短处理时间并降低酶用量，ANN–PSO减少实验与资源消耗；ANN-based优化战略价值在于兼顾生物活性提升与工艺效率，高R²和低误差表明ANN可准确建模结构-酶-代谢复杂交互，并可拓展至其他谷物系统。

讨论与结论（Conclusions）：研究人员讨论并总结，超声-酶法预处理通过结合结构与代谢变化，有效增强发芽糙米的功能品质；声空化和酶水解过程导致GABA、酚类和黄酮类水平更高，抗氧化能力更强，蒸煮时间更短；ANN建模比RSM预测结果更准确，揭示了加工因子间复杂交互；结合ANN与进化算法（GA和PSO）实现了可靠的多目标优化，兼顾生物活性属性和加工效率；SEM证实处理样品存在破碎、分层和孔隙率增加等微观结构变化，这些修饰促进质量传递和底物可及性，支持观测到的生物活性积累和蒸煮改善；综合实验、建模和结构分析构建了功能性谷物加工系统精密设计的坚实基础，该方法在创造增值发芽谷物产品和工业过程放大方面具有较强潜力。