侯清娥，秦小明，林華娟，章超樺，劉 慧，尤久勇

(廣東海洋大學(xué)食品科技學(xué)院，廣東湛江524025)

基于神經(jīng)網(wǎng)絡(luò)法制備牡蠣呈味肽工藝優(yōu)化研究

侯清娥，秦小明*，林華娟，章超樺，劉 慧，尤久勇

(廣東海洋大學(xué)食品科技學(xué)院，廣東湛江524025)

為獲得呈味較好且含肽量較高的牡蠣酶解液，選取新鮮牡蠣肉為原料，以酶解液的肽比例、感官分值為指標(biāo)，采用正交實(shí)驗(yàn)，獲得酶解時(shí)間、溫度、加酶量和料水比四因素與肽比例以及感官分值之間的相關(guān)性，然后應(yīng)用神經(jīng)網(wǎng)絡(luò)法以此四因素為網(wǎng)絡(luò)輸入，肽比例及感官分值分別為網(wǎng)絡(luò)輸出對(duì)酶解工藝分析模擬，并進(jìn)一步通過(guò)遺傳算法對(duì)酶解工藝進(jìn)行優(yōu)化。神經(jīng)網(wǎng)絡(luò)系統(tǒng)獲得的優(yōu)化工藝條件:酶解時(shí)間5.4h，酶解溫度58.6℃，加酶量1.03%，料水比1∶2.8，其呈味肽比例預(yù)測(cè)值達(dá)80.81%，驗(yàn)證實(shí)驗(yàn)結(jié)果為78.35%;優(yōu)化工藝條件:酶解時(shí)間6.0h，酶解溫度53.8℃，加酶量0.95%，料水比1∶2.1，其感官評(píng)定預(yù)測(cè)值為6.67分，驗(yàn)證實(shí)驗(yàn)結(jié)果為6.39分。以上優(yōu)化工藝條件，其預(yù)測(cè)值與驗(yàn)證值的相對(duì)誤差均在5%以內(nèi)，表明以神經(jīng)網(wǎng)絡(luò)法優(yōu)化牡蠣酶解工藝條件，可以獲得較為理想的目標(biāo)值。

牡蠣，呈味肽，BP神經(jīng)網(wǎng)絡(luò)，遺傳算法

1 材料與方法

1.1 材料與儀器

牡蠣 購(gòu)于湛江市東風(fēng)市場(chǎng)，開殼取肉，清洗瀝干水，分裝于封口袋中置于-20℃冷凍備用;還原型谷胱甘肽(GSH)Genview Consulting Ltd.;胰酶 廣西南寧厐博生物工程有限公司，4000U/g;谷氨酸鈉河南蓮花味精股份有限公司。

Shimadzu AY-120電子天平、YLE-1000電熱恒溫水浴鍋 北京精科華瑞儀器有限公司;TDZ5-WS多管架自動(dòng)平衡離心機(jī) 湛江裕鑫實(shí)業(yè)有限公司; UV-3200PC紫外分光光度計(jì) 上海美譜達(dá)儀器有限公司。

1.2 實(shí)驗(yàn)方法

1.2.1 酶解液的制備 將解凍牡蠣肉勻漿，稱取一定量的牡蠣肉勻漿液于錐形瓶中，添加胰酶，然后調(diào)整料水比，在設(shè)定的水解溫度下酶解一段時(shí)間，酶解液于沸水浴中滅酶15min，冷卻至室溫，4000r/min離心20min，上清液經(jīng)過(guò)濾后得到酶解液。

1.2.2 測(cè)定方法 粗蛋白的測(cè)定采用微量凱氏定氮法［10］;肽含量的測(cè)定采用雙縮脲法［11］，以谷胱甘肽作為標(biāo)準(zhǔn)物質(zhì)計(jì)算肽濃度含量，并以酶解液中肽含量與總蛋白含量的百分比計(jì)算得到肽比例。

1.2.3 感官評(píng)定 以不同濃度的谷氨酸鈉溶液(0.2～1.6g/L)作為鮮度標(biāo)準(zhǔn)，以1.6g/L谷氨酸鈉溶液的鮮度為最高分(8分)，以0.2g/L谷氨酸鈉溶液的鮮度為最低分(1分)，其他各濃度分值對(duì)應(yīng)范圍為1～8分;感官評(píng)定員均經(jīng)過(guò)基本滋味培訓(xùn)，1個(gè)小組15位成員，其年齡均在21～27歲之間。牡蠣酶解液通過(guò)以上方法感官評(píng)定后，評(píng)分原始數(shù)據(jù)采用狄克松法進(jìn)行檢驗(yàn)處理，最終取平均值。

1.2.4 實(shí)驗(yàn)設(shè)計(jì) 實(shí)驗(yàn)設(shè)計(jì)采用正交實(shí)驗(yàn)及隨機(jī)實(shí)驗(yàn)組合獲得實(shí)驗(yàn)數(shù)據(jù);并通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)實(shí)驗(yàn)數(shù)據(jù)的訓(xùn)練仿真及遺傳算法的尋優(yōu)處理獲得牡蠣酶解液的最佳酶解工藝組合，此步驟利用MATLAB7.8版軟件完成。

2 結(jié)果與分析

2.1 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果

以酶解時(shí)間、溫度、加酶量和料水比4個(gè)因素為網(wǎng)絡(luò)輸入，肽比例和感官分值分別為網(wǎng)絡(luò)輸出。結(jié)合隨機(jī)實(shí)驗(yàn)及四因素四水平正交設(shè)計(jì)得表1中的24組實(shí)驗(yàn)數(shù)據(jù)作為學(xué)習(xí)樣本及檢驗(yàn)樣本，訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，直到網(wǎng)絡(luò)輸出的誤差平方和在誤差允許的范圍之內(nèi)。這樣便建立了輸入到輸出的非線性映射，即預(yù)測(cè)模型。

表1 實(shí)驗(yàn)設(shè)計(jì)因素水平表

表2 實(shí)驗(yàn)結(jié)果

2.2 網(wǎng)絡(luò)結(jié)構(gòu)與訓(xùn)練仿真

在酶解制備牡蠣肽的BP神經(jīng)網(wǎng)絡(luò)模型的建立過(guò)程中:

a.網(wǎng)絡(luò)層數(shù)3層:輸入層4個(gè)節(jié)點(diǎn)，分別為酶解時(shí)間、溫度、加酶量和料水比;隱含層13個(gè)節(jié)點(diǎn);輸出層1個(gè)節(jié)點(diǎn)，分別為肽比例及感官評(píng)定分值，其拓?fù)浣Y(jié)構(gòu)為4-13-1。

b.傳遞函數(shù):網(wǎng)絡(luò)輸入層和隱含層之間的傳遞函數(shù)為tansig，隱含層與輸出層之間的傳遞函數(shù)為purelin。

c.網(wǎng)絡(luò)訓(xùn)練函數(shù):采用Levenberg-Marquardt BP訓(xùn)練函數(shù):trainlm函數(shù)。

d.訓(xùn)練誤差:神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果與訓(xùn)練樣本數(shù)據(jù)比較誤差控制在5%之內(nèi)。

2.3 網(wǎng)絡(luò)訓(xùn)練結(jié)果的分析

2.3.1 訓(xùn)練過(guò)程誤差趨勢(shì)分析 圖1、圖2表明，通過(guò)實(shí)驗(yàn)數(shù)據(jù)獲得牡蠣酶解液中肽比例及感官分值的BP神經(jīng)網(wǎng)絡(luò)模型時(shí)，網(wǎng)絡(luò)的學(xué)習(xí)及訓(xùn)練過(guò)程特征。從兩圖中的曲線可知網(wǎng)絡(luò)訓(xùn)練較穩(wěn)定且收斂迅速，牡蠣酶解液肽比例及感官分值的神經(jīng)網(wǎng)絡(luò)分別訓(xùn)練至第23步、第5步時(shí)，網(wǎng)絡(luò)性能達(dá)到所設(shè)定的均方誤差(MSE)目標(biāo)要求，并且圖1中的收斂過(guò)程較圖2緩慢平穩(wěn)，但兩圖曲線的整體趨勢(shì)表明了針對(duì)本研究所建立的BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)及參數(shù)比較合理。

表3 網(wǎng)絡(luò)的預(yù)測(cè)值與實(shí)驗(yàn)值的比較

圖1 牡蠣酶解液中肽比例的BP網(wǎng)絡(luò)模型訓(xùn)練過(guò)程

圖2 牡蠣酶解液感官分值的BP網(wǎng)絡(luò)模型訓(xùn)練過(guò)程

2.3.2 訓(xùn)練精度分析 通過(guò)訓(xùn)練，軟件自動(dòng)對(duì)訓(xùn)練的結(jié)果進(jìn)行分析，以評(píng)估網(wǎng)絡(luò)的訓(xùn)練效果如圖3及圖4所示:分別有m=1，b=0.0019，r=1;m=1，b= 0.0058，r=0.99996。

圖3 牡蠣酶解液肽比例的目標(biāo)輸出和網(wǎng)絡(luò)輸出的回歸分析

圖3、圖4反映了網(wǎng)絡(luò)訓(xùn)練時(shí)，牡蠣酶解液中肽比例及感官分值的網(wǎng)絡(luò)輸出值與目標(biāo)值的回歸分析，由圖可知，該神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過(guò)程中的仿真誤差較小，r值均在0.9～1之間，具有較高的精確度，目標(biāo)結(jié)果和輸出結(jié)果得到較好的線性回歸效果，所建立的牡蠣酶解液中肽比例及感官分值的神經(jīng)網(wǎng)絡(luò)性能良好。

2.4 仿真檢驗(yàn)

圖4 牡蠣酶解液感官分值的目標(biāo)輸出和網(wǎng)絡(luò)輸出的回歸分析

以上述訓(xùn)練好的網(wǎng)絡(luò)模型采用［12］“留一法”(Leave-One-Out method)訓(xùn)練ANN模型并評(píng)價(jià)模型的預(yù)測(cè)能力，程序:OutputBP#=sim(net#，DataS);%網(wǎng)絡(luò)仿真。部分測(cè)試結(jié)果如表3所示，由表3可知經(jīng)過(guò)訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)對(duì)不同酶解條件下的牡蠣酶解液中肽比例及感官分值進(jìn)行了較為準(zhǔn)確地預(yù)測(cè)，其預(yù)測(cè)值與實(shí)測(cè)值的誤差基本都在±2%以內(nèi)，該網(wǎng)絡(luò)模型對(duì)實(shí)驗(yàn)數(shù)據(jù)有較好的模擬仿真效果，具有較高的可靠性，因此可利用該BP神經(jīng)網(wǎng)絡(luò)對(duì)整個(gè)酶解過(guò)程進(jìn)一步模擬預(yù)測(cè)。

2.5 酶解工藝條件的優(yōu)化與驗(yàn)證

利用神經(jīng)網(wǎng)絡(luò)所建立的模型作為遺傳算法的適應(yīng)度函數(shù)進(jìn)一步優(yōu)化水解工藝參數(shù)。初始種群大小為21，交叉概率為0.3，變異概率為0.1，以肽比例為輸出值，通過(guò)運(yùn)行后，最佳酶解工藝為:酶酶解時(shí)間5.4h，酶解溫度58.6℃，加酶量1.03%，料水比1∶2.8，酶解液肽比例達(dá)到最大值，為80.81%;以感官值為輸出值，通過(guò)運(yùn)行后，最佳酶解工藝為:酶解時(shí)間6.0h，酶解溫度53.8℃，加酶量0.95%，料水比1∶2.1，酶解液的感官分值達(dá)最大，為6.67分。以上述工藝條件進(jìn)行的驗(yàn)證實(shí)驗(yàn)結(jié)果顯示，前后工藝得到的兩種酶解液的目標(biāo)值，肽比例和感官值分別為78.35%、6.39分，分別比預(yù)測(cè)值低3.1%和4.4%，相對(duì)誤差均在± 5%以內(nèi)，符合神經(jīng)網(wǎng)絡(luò)要求的精確度。表明以神經(jīng)網(wǎng)絡(luò)法優(yōu)化牡蠣酶解工藝條件，可以獲得較為理想的目標(biāo)值。

3 討論

從以上實(shí)驗(yàn)結(jié)果可以看出，以酶解時(shí)間、溫度、加酶量和料水比4個(gè)因素為網(wǎng)絡(luò)輸入，肽比例和感官分值分別為網(wǎng)絡(luò)輸出建立的神經(jīng)網(wǎng)絡(luò)模型，選擇Levenberg-Marquardt BP訓(xùn)練函數(shù)(trainlm)進(jìn)行網(wǎng)絡(luò)訓(xùn)練過(guò)程中，訓(xùn)練曲線穩(wěn)定且收斂迅速(見圖1和圖2)，訓(xùn)練目標(biāo)物牡蠣酶解液肽比例及感官分值的分別訓(xùn)練至第23步、第5步時(shí)，網(wǎng)絡(luò)性能即達(dá)到所設(shè)定的均方誤差(MSE)目標(biāo)要求，并趨于穩(wěn)定;而且網(wǎng)絡(luò)輸入值與輸出值之間回歸曲線呈良好的線性關(guān)系，表明神經(jīng)網(wǎng)絡(luò)模型具有良好的預(yù)測(cè)精確性。

另外，本研究所用的神經(jīng)網(wǎng)絡(luò)系統(tǒng)目前只能以單一輸出值(肽比例或感官值)為目標(biāo)進(jìn)行優(yōu)化，雖然以肽比例為目標(biāo)輸出值優(yōu)化得到的工藝條件，與以感官值時(shí)酶解液為目標(biāo)輸出值優(yōu)化得到的工藝條件有一定差異，但是驗(yàn)證實(shí)驗(yàn)結(jié)果均符合其相應(yīng)目標(biāo)值的精確度要求(±5%)。但是在實(shí)際應(yīng)用中，我們期望得到的牡蠣酶解液不僅有高比例的肽，還要具有良好的鮮味感官值。因此在上述驗(yàn)證實(shí)驗(yàn)中，除了驗(yàn)證神經(jīng)網(wǎng)絡(luò)擬定的相應(yīng)目標(biāo)值外，還對(duì)酶解液的另一個(gè)指標(biāo)(感官值或肽比例)進(jìn)行了分析。分析結(jié)果顯示，以肽比例為目標(biāo)輸出值的優(yōu)化工藝條件獲得的酶解液的感官值為6.07分，此結(jié)果表明，該酶解液除了含高比例肽(78.35%)外，還具有良好的鮮味。與正交優(yōu)化工藝獲得的酶解液相比(酶解液的肽比例和感官值分別為75.37%和5.51分，見表2)，神經(jīng)網(wǎng)絡(luò)優(yōu)化工藝得到的酶解液中的肽比例和感官值分別高出4%和10.2%。該結(jié)果表明，以肽比例輸出值為神經(jīng)網(wǎng)絡(luò)優(yōu)化目標(biāo)可以獲得理想的呈味肽牡蠣酶解液，因此該神經(jīng)網(wǎng)絡(luò)模型可以應(yīng)用于牡蠣呈味肽酶解工藝條件的優(yōu)化。另一方面，以感官值為目標(biāo)輸出值的優(yōu)化工藝條件獲得的酶解液雖然有較高的感官值，但是其肽比例僅為51.8%，與期望值有較大差距。由此可見，以感官值輸出值為神經(jīng)網(wǎng)絡(luò)優(yōu)化目標(biāo)不易獲得理想的優(yōu)化工藝條件。從總體上來(lái)看，雖然以肽比例為目標(biāo)輸出值可以有效地優(yōu)化出酶解工藝條件，但是從實(shí)際應(yīng)用上來(lái)看，如果能以肽比例和感官值這兩個(gè)指標(biāo)同時(shí)作為目標(biāo)輸出值優(yōu)化酶解工藝條件，那么所建立神經(jīng)網(wǎng)絡(luò)模型將更為科學(xué)，更具廣闊的實(shí)用性。

［1］從爽.面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用［M］.合肥:中國(guó)科技技術(shù)大學(xué)出版社，2003:3-4.

［2］Torrecilla J S，Otero L，Sanz P D.A neural network approach for thermal/pressure food processing［J］.Journal of Food Engineering，2004，62(1):89-95.

［3］Adam Bucinski，Magdalena Karamac，Ryszard Amarowicz. Modeling the tryptic hydrolysis of pea proteins using an artificial neural network［J］.LWT-Food Science and Technology，2008，41 (5):942-945.

［4］Du C J，Sun D W.Learning techniques used in computer vision for food quality evaluation:A review［J］.Journal of Food Engineering，2006，72(1):39-55.

［5］Geeraerd A H，Herremans C H，Ludikhuyze L R.Evaluation of model parameter accuracy by using joint confidence regions: Application to low complexity neutral networks to describe enzyme inactivation［J］.Mathematics and Computers in Simulation，1998，48(1):53-64.

［6］Chen C R，Ramaswamy H S.Modeling and optimization of variable retort temperature(VRT)thermal processing using coupled neural networks and genetic algorithms［J］.Journal of Food Engineering，2002，53(3):209-220.

［7］邵偉，耿潁麗，宋麗燕.酵母呈味核苷酸酶法提取工藝的神經(jīng)網(wǎng)絡(luò)分析［J］.中國(guó)釀造，2009(5):59-61.

［8］舒服華，肖伯慈.基于遺傳神經(jīng)網(wǎng)絡(luò)的水解米渣制備小肽工藝優(yōu)化［J］.飼料廣角，2007(12):32-36.

［9］李琳，趙謀明.鳙魚蛋白酶解液清除自由基的研究［J］.水產(chǎn)科學(xué)，2005，24(10):80-85.

［10］寧正祥.食品成分分析手冊(cè)［M］.北京:中國(guó)輕工業(yè)出版社，1998:72-74.

［11］任國(guó)譜，李忠海，彭美純，等.奶粉中低聚肽質(zhì)量濃度測(cè)定方法［J］.中國(guó)乳品工業(yè)，2007，35(10):47-50.

［12］劉亞秀.人工神經(jīng)網(wǎng)絡(luò)在肽的定量構(gòu)效關(guān)系研究中的應(yīng)用［J］.科技資訊，2006，28:12-13.

Study on the processing optimization of taste peptide enzymatic-production from oyster base on a neural network method

HOU Qing-e，QIN Xiao-ming*，LIN Hua-juan，ZHANG Chao-hua，LIU Hui，YOU Jiu-yong
(College of Food Science and Technology，Guangdong Ocean University，Zhanjiang 524025，China)

In order to obtain oyster hydrolysis product with good flavor and rich in peptide，enzymatic process optimization was investigated by using flesh oyster as material based on a neutral network method，which built by some parameters obtainedfrom orthogonal experiments(enzymatic time，enzymatic temperature，enzyme concentration，ratio of material to water，peptide concentration and sensory score).The optimized operation condition obtained by the neutral network method was:enzymatic time 5.4h，enzymatic temperature 58.6℃，enzyme concentration 1.03%，ratio of oyster muscle to water 1∶2.8，and its predictive peptide ratio reached to 80.81%，while the result of its confirmatory experiment was 78.35%.The another optimized operation condition was:enzymatic time 6.0h，enzymatic temperature 53.8℃，enzyme concentration 0.95%，ratio of oyster muscle to water 1∶2.1，and its predict sensory scores was 6.67，while the result of its confirmatory experiment was 6.39.The relative errors between predict value and confirmatory experiment were all less than 5%，indicated that the neutral network method was an effective tool for optimizing enzymatic process condition for oyster to obtain desired target value.

oyster;taste peptide;BP neural network;genetic algorithm

TS254.1

B

1002-0306(2011)11-0301-04

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Net-works，簡(jiǎn)稱ANN)，是模擬人腦生物過(guò)程的人工智能技術(shù)。由大量簡(jiǎn)單的神經(jīng)元廣泛互連而成，具有很強(qiáng)的非線性映射能力，自適應(yīng)、自組織、自學(xué)習(xí)等優(yōu)良特性，特別適合于因果關(guān)系復(fù)雜的非確定性推理、判斷、識(shí)別和分類等問(wèn)題。其中誤差反向傳播算法的多層前饋網(wǎng)絡(luò)(Back Propagation，簡(jiǎn)記BP網(wǎng)絡(luò))，是目前應(yīng)用最多也是最成功的人工神經(jīng)網(wǎng)絡(luò)之一［1］。在食品研究領(lǐng)域，人工神經(jīng)網(wǎng)絡(luò)主要被用于食品特性及加工相關(guān)參數(shù)，如酶反應(yīng)過(guò)程的熱力學(xué)動(dòng)力學(xué)模擬仿真，食品干燥、保藏、發(fā)酵、滅菌等方面的估計(jì)與預(yù)測(cè)［2-5］;另外，還被應(yīng)用于食品風(fēng)味的分析及質(zhì)量評(píng)價(jià)等方面，如Johu-Erik Haugen等［6］提到神經(jīng)網(wǎng)絡(luò)對(duì)食品特殊氣味的預(yù)測(cè)以及食品質(zhì)量的分類應(yīng)用。近幾年有研究將BP神經(jīng)網(wǎng)絡(luò)具體應(yīng)用于米渣小肽、鳙魚抗氧化肽的酶法制備以及酵母呈味核苷酸的提取等仿真模擬，最終在實(shí)驗(yàn)精度，資源的利用和有效成分提取方面都獲得良好效果［7-8］。天然調(diào)味料尤其是水產(chǎn)調(diào)味料，因其獨(dú)特的風(fēng)味而受到人們的青睞，對(duì)于這些風(fēng)味的產(chǎn)生一般認(rèn)為是由于含有豐富的氨基酸，以及低分子量的肽類，鹽及有機(jī)酸等。目前，對(duì)于肽呈味功能的研究受到關(guān)注，認(rèn)為一些小肽在呈味功能上具有較大貢獻(xiàn)。牡蠣作為我國(guó)四大養(yǎng)殖貝類之一，且富含蛋白，推測(cè)其特有風(fēng)味與其蛋白水解而得的小肽有密切關(guān)系，若能尋找到一些新型的具有牡蠣特有風(fēng)味的呈味肽，不論在牡蠣產(chǎn)業(yè)還是調(diào)味品產(chǎn)業(yè)都具有很大意義。但是要獲得這種具有特有呈味功能肽首先需對(duì)酶解工藝參數(shù)進(jìn)行分析優(yōu)化。牡蠣呈味肽酶解工藝研究結(jié)果表明，酶解因素均較大程度，且呈非線性地影響呈味肽及其風(fēng)味的產(chǎn)生，傳統(tǒng)方法建立的數(shù)學(xué)模型難以獲得最優(yōu)方案［9］?；谌斯ど窠?jīng)網(wǎng)絡(luò)對(duì)非線性系統(tǒng)處理能力強(qiáng)的優(yōu)點(diǎn)，本研究將其應(yīng)用于牡蠣呈味肽酶解工藝條件的優(yōu)化，旨為獲得更理想的呈味肽目標(biāo)物。

2010-11-22 *通訊聯(lián)系人

侯清娥(1983-)，女，碩士研究生，研究方向:水產(chǎn)品深加工。

農(nóng)業(yè)部948項(xiàng)目(2006-G42);現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系建設(shè)專項(xiàng)(貝類，47)。