通过多阶段温度波动蛋白卷积神经网络评估温度波动对虾蛋白质量的影响

《Journal of Food Engineering》：Temperature-fluctuation effects on shrimp protein quality assessed via a multi-stage Temperature-Fluctuation Protein Convolutional Neural Network

• •
  提出了一个多阶段TP-CNN框架，以关联虾的品质特征、水分迁移和蛋白质结构演化。
• •
  TP-CNN模型实现了对虾蛋白质质量的快速预测。
• •
  SHAP分析确定TPA和水分迁移性是蛋白质结构恶化的重要特征。
• •
  TP-CNN框架在虾肉蛋白质结构质量分级上的准确率达到98.3%。

引言

虾肉是一种高价值的水产品，因其优良的品质特性和丰富的营养而受到全球消费者的青睐（Kittiphattanabawon等，2024年）。在捕捞、运输、冷冻储存和零售过程中，温度波动和反复的冻融（F-T）循环对虾肌肉蛋白质构成了主要的损害因素，导致蛋白质展开、聚集和降解（Liu等，2022年）。这种分子损伤会增加解冻和烹饪过程中的损失，降低色泽（L*、a*、b*）和TPA（质地分析）参数（硬度、咀嚼性和粘性），最终降低产品价值（Liu等，2024年；Liu等，2024年；Pan等，2019年）。温度应力引起的虾品质恶化包括肌肉蛋白质的物理结构损伤，这可能伴有微生物腐败和总挥发性碱性氮（TVB-N）值的升高。虽然TVB-N是微生物腐败的特异性生物标志物，但它无法反映由温度和冻融应力引起的蛋白质结构和物理质量的改变。作为全球重要的养殖虾类之一，Litopenaeus vannamei（白虾）在收获后的运输过程中容易受到温度波动和反复冻融循环的影响。较大的温度波动幅度会导致蛋白质结构改变和氧化，进一步引发虾肌肉的颜色变化（Pan等，2019年）。此外，反复的冻融循环还会严重损害白虾的肌肉弹性和多种品质属性（Liu等，2024年）。

蛋白质的二级结构（α-螺旋、β-折叠、β-转角和无规卷曲）主导着虾肉的稳定性和功能特性（Guo等，2017年；Wu等，2019年；Xiao等，2025年）。反复的温度变化会破坏蛋白质的天然构象：α-螺旋和β-折叠含量下降，而无序的β-转角和无规卷曲结构增加（Wu等，2019年）。LF-NMR T₂松弛信号能够准确追踪与蛋白质变性相关的水分迁移，冻融循环将固定水转化为游离水，这与肌纤维蛋白聚集紧密相关（Wang等，2020年；Wei等，2025年）。揭示T₂水分布、蛋白质构象和宏观质量之间的相关性为量化变量温度下的虾蛋白质降解提供了重要的理论支持（Xiao等，2025年）。

传统的虾品质评估依赖于宏观指标的单独检测或孤立的蛋白质结构指数的分析，缺乏对恶化机制的多尺度综合分析（Bongirwar & Mokhade，2022年；Pan等，2022年）。标准检测技术如圆二色法和TPA操作繁琐、耗时较长且设备成本较高，不适合现场快速检测（Zhang等，2021年）。深度学习，特别是1D-CNN，能够为食品品质预测提供强大的非线性特征提取能力（Liu等，2022年；Xiao等，2010年；Zhao等，2025年）。光谱技术与CNN结合使用已准确预测了水产品的TVB-N值，证明了光谱-深度学习框架在快速新鲜度评估中的可行性（Liu等，2022年；Ouyang等，2025年）。然而，大多数现有的水产品智能品质评估研究直接使用单一或融合的传感信号来预测新鲜度指标或品质等级，很少有研究构建多阶段推理模型。

在此背景下，本研究建立了一个多阶段温度波动蛋白质卷积神经网络（TP-CNN）框架，用于在冻融引起的极端温度波动条件下全面评估虾蛋白质的品质。首先，利用解冻损失、烹饪损失、色泽参数（L*、a*、b*）和TPA参数（粘性、咀嚼性和硬度）来预测T₂₂松弛时间和峰面积，从而将宏观质量变化与水分迁移特性联系起来。随后，将预测的T₂₂松弛特征作为额外输入变量，构建了一个1D-CNN模型来预测蛋白质二级结构成分的相对比例。最后，基于前几阶段获得的关键结构特征，建立了一个多分类模型来评估蛋白质结构质量。本研究的目的是阐明在冻融引起的极端温度波动过程中宏观质量变化、水分重新分布和蛋白质构象演化之间的相互作用，并为快速评估和分级虾及相关水产品的蛋白质品质提供实用策略。

章节片段

材料

从中国广东省广州市的当地市场购买了白虾（每公斤80-90只）。将它们放入冰水中，并在30分钟内运输到实验室。

样品制备

根据（Wachirasiri等，2016年）的F-T协议建立了温度波动处理模型，并根据本研究的目标进行了几项调整。样品经历了0到4次连续的F-T循环。在每次循环中，虾被转移到...

色泽

图2展示了多次冻融（F-T）循环后白虾色泽特性的变化。对于明度值（L*），在第一个F-T循环中记录的最高读数为40.28到42.29，此时没有观察到显著变化。随着F-T处理的持续，白虾的L*值总体呈下降趋势。值得注意的是，在第三次F-T循环后，L*值有轻微上升...

结论

本研究系统地研究了温度波动引起的F-T循环对白虾品质恶化的过程，并建立了一个多阶段TP-CNN框架用于蛋白质品质评估。反复的F-T循环导致虾肉的宏观品质逐渐恶化，表现为L*值下降、b*值升高、解冻和烹饪损失增加以及机械性能下降，包括硬度、弹性和咀嚼性。

CRediT作者贡献声明

魏宇涛：研究工作。 邓颖：监督指导。 李佳艺：数据管理。 谢子祺：方法论设计。 翁卫腾：软件开发，研究工作。 肖思立：资源协调，研究工作，资金获取。 张怡玲：初稿撰写，软件开发，数据管理，概念构思。 白卫东：资金获取。 杨哲勋：初稿撰写，正式分析，数据管理，概念构思。 刘巧瑜：监督指导，资金获取。 高学凯：项目管理。 刘双音：

Deng等，2025年；Liu等，2024年；Liu等，2022年；Liu等，2022年。

我们确认参与者同意参与研究并使用他们的信息。

? 作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

本工作得到了国家自然科学基金（编号：62373390）和广东省关键学科研究能力提升项目（编号：2025ZDJS008）的财政支持。

作者列表：Zhexun Yang | Yiling Zhang | Sili Xiao | Weiteng Weng | Ziqi Xie | Jiayi Li | Wen Jie Li | Ying Deng | Yutao Wei | Yudan Li | Shuangyin Liu | Xuekai Gao | Qiaoyu Liu | Weidong Bai