渠一聰，張紹絨，羅理勇,3，曾 亮,3,*

（1.西南大學(xué)食品科學(xué)學(xué)院，重慶 400715；2.川渝共建特色食品重慶市重點實驗室，重慶 400715；3.西南大學(xué)茶葉研究所，重慶 400715）

美拉德反應(yīng)是由羰基化合物和氨基化合物引發(fā)的，包含一系列反應(yīng)[1]，反應(yīng)過程中產(chǎn)生的包括揮發(fā)性風(fēng)味物質(zhì)在內(nèi)的數(shù)百種化合物對熱加工食品品質(zhì)的形成至關(guān)重要[2]。自從Hodge 提出美拉德反應(yīng)模擬體系及其反應(yīng)歷程框架以來[3]，人們對美拉德反應(yīng)的認(rèn)識在不斷加深，美拉德反應(yīng)的影響因素也逐漸被人們所熟知，包括原料的種類、體系pH 及反應(yīng)溫度等[4]。盡管對美拉德反應(yīng)的認(rèn)識逐漸深入，但是由于美拉德反應(yīng)的復(fù)雜性，人們在研究美拉德反應(yīng)時，大都還是通過建立美拉德反應(yīng)模擬體系來進(jìn)行的，有研究通過建立丙氨酸-丁二酮美拉德反應(yīng)體系，得到了烷基吡嗪化合物的動力學(xué)模型[5]。同時還通過控制模擬體系基本條件來研究美拉德反應(yīng)規(guī)律，Han 等[6]研究了不同因素對茶氨酸-葡萄糖阿瑪多里重排產(chǎn)物生成的影響，并得到了純化后的產(chǎn)物。然而，茶氨酸作為茶葉中含量最多的氨基酸[7]，其模擬體系下美拉德反應(yīng)程度及規(guī)律尚不清楚。

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Netwroks，ANN）是一種有監(jiān)督學(xué)習(xí)算法，它試圖通過模擬人腦神經(jīng)系統(tǒng)對復(fù)雜信息的處理機(jī)制來構(gòu)建一種數(shù)學(xué)模型，已經(jīng)得到了廣泛的認(rèn)可與推廣[8]。ANN 模型與之前普遍的模型最大區(qū)別在于主要是利用神經(jīng)元之間的互相作用來進(jìn)行網(wǎng)絡(luò)的信息數(shù)據(jù)處理，能夠處理復(fù)雜的非線性邏輯結(jié)構(gòu)[9]，且具有強(qiáng)大的數(shù)據(jù)運(yùn)算、擬合和預(yù)測的能力，是目前使用范圍最廣的神經(jīng)網(wǎng)絡(luò)之一[10]。近年來，人工神經(jīng)網(wǎng)絡(luò)已經(jīng)廣泛用于食品工業(yè)中，主要是進(jìn)行非線性和非穩(wěn)態(tài)食品加工過程的仿真和控制[11]。遺傳算法（Genetic algorithm，GA）是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法，可以不需要知道目標(biāo)的具體數(shù)學(xué)模型而模擬出最優(yōu)解[12]。研究表明，將ANN 模型與遺傳算法相結(jié)合進(jìn)行全局尋優(yōu)，具有比傳統(tǒng)模型更高的準(zhǔn)確性[13]。張曦予等[14]利用人工網(wǎng)絡(luò)耦聯(lián)遺傳算法（BP-GA）模型干對酪乳桿菌LTL1361 凍干保護(hù)劑配方進(jìn)行優(yōu)化，發(fā)現(xiàn)與響應(yīng)面模型的結(jié)果相比較，BP-GA 模型具有更高的預(yù)測性能；宋建忠等[15]的研究發(fā)現(xiàn)，利用BP-GA 模型優(yōu)化刺糖低聚糖的提取工藝，可以明顯提高提取率。目前，BP-GA 已經(jīng)廣泛應(yīng)用在提取工藝優(yōu)化方面，但是鮮有在模擬體系美拉德反應(yīng)程度及反應(yīng)條件優(yōu)化方面的應(yīng)用。

針對當(dāng)前研究現(xiàn)狀，本研究以優(yōu)化茶氨酸-葡萄糖美拉德反應(yīng)的條件為目標(biāo)，探究單因素實驗對茶氨酸-葡萄糖美拉德反應(yīng)程度的影響，通過正交試驗得出各因子的具體影響，采用BP-GA 建模，結(jié)合熵值法求權(quán)重，優(yōu)化美拉德反應(yīng)程度綜合評價值，以期為美拉德反應(yīng)模擬體系的構(gòu)建與優(yōu)化提供新的方法。

1 材料與方法

1.1 材料與儀器

葡萄糖、茶氨酸 標(biāo)準(zhǔn)品，上海邁瑞爾生化科技有限公司；氫氧化鈉、二硝基水楊酸、碳酸氫鈉、亞硝酸鈉、次氯酸鈉、可溶性淀粉、碘化鉀、鹽酸等分析純，上海邁瑞爾生化科技有限公司。

TU-1950 型雙光束紫外可見分光光度計、F-2500型熒光分光光度計 日本島津儀器有限公司；MODEL868 型pH 計 上海 Thermo Electron 公司；JY-1S 型恒溫攪拌油浴鍋 鞏義市瑞利儀器設(shè)備有限公司。

1.2 實驗方法

1.2.1 美拉德反應(yīng)體系的構(gòu)建 稱取9.00 g 葡萄糖和8.70 g 茶氨酸（物質(zhì)的量比為1:1）置于帶有攪拌子的500 mL 容器內(nèi)，加入250 mL 超純水充分溶解，用NaOH 調(diào)節(jié)體系pH 為8，置于100 ℃的油浴中，反應(yīng)4 h 后取出，自然冷卻至室溫，備用。

1.2.2 單因素實驗 分別考察反應(yīng)溫度、反應(yīng)時間、反應(yīng)體系初始pH、羰氨比對美拉德反應(yīng)的影響。

1.2.2.1 反應(yīng)溫度對茶氨酸-葡萄糖美拉德反應(yīng)的影響 稱取9.00 g 葡萄糖和8.70 g 茶氨酸（物質(zhì)的量比為1:1）置于帶有攪拌子的500 mL 容器內(nèi)，加入250 mL 超純水充分溶解，用NaOH 調(diào)節(jié)體系pH 為8，分別置于80、100、120、140、160 ℃的油浴中，反應(yīng)4 h 后取出，自然冷卻至室溫，備用。測定反應(yīng)體系熒光值、294 nm 下的吸光度值（A294）、420 nm 下的吸光度值（A420）、葡萄糖和茶氨酸剩余量，分別作為實驗的考察指標(biāo)。

1.2.2.2 反應(yīng)時間對茶氨酸-葡萄糖美拉德反應(yīng)的影響 稱取9.00 g 葡萄糖和8.70 g 茶氨酸（物質(zhì)的量比為1:1）置于帶有攪拌子的500 mL 容器內(nèi)，加入250 mL 超純水充分溶解，用NaOH 調(diào)節(jié)體系pH 為8，置于100 ℃的油浴中，分別反應(yīng)1、2、3、4、5 h后取出，自然冷卻至室溫，備用。測定反應(yīng)體系熒光值、294 nm 下的吸光度值（A294）、420 nm 下的吸光度值（A420）、葡萄糖和茶氨酸剩余量，分別作為實驗的考察指標(biāo)。

1.2.2.3 pH 對茶氨酸-葡萄糖美拉德反應(yīng)的影響 稱取9.00 g 葡萄糖和8.70 g 茶氨酸（物質(zhì)的量比為1:1）置于帶有攪拌子的500 mL 容器內(nèi)，加入250 mL超純水充分溶解，分別用NaOH 調(diào)節(jié)體系pH 為5、6、7、8、9，置于100 ℃的油浴中，反應(yīng)4 h 后取出，自然冷卻至室溫，備用。測定反應(yīng)體系熒光值、294 nm 下的吸光度值（A294）、420 nm 下的吸光度值（A420）、葡萄糖和茶氨酸剩余量，分別作為實驗的考察指標(biāo)。

1.2.2.4 羰氨比對茶氨酸-葡萄糖美拉德反應(yīng)的影響

稱取9.00 g 葡萄糖5 份，按照羰氨比3:1、2:1、1:1、1:2、1:3 分別加入茶氨酸，置于帶有攪拌子的500 mL 容器內(nèi)，加入250 mL 超純水充分溶解，用NaOH 調(diào)節(jié)體系pH 為8，置于100 ℃的油浴中，反應(yīng)4 h 后取出，自然冷卻至室溫，備用。測定反應(yīng)體系熒光值、294 nm 下的吸光度值（A294）、420 nm 下的吸光度值（A420）、葡萄糖和茶氨酸剩余量，分別作為實驗的考察指標(biāo)。

1.2.3 正交試驗 在單因素實驗的基礎(chǔ)上，以反應(yīng)溫度、反應(yīng)時間、初始pH、羰氨比為考察因素，分別以熒光值、294 nm 下的吸光度值（A294）、420 nm 下的吸光度值（A420）、葡萄糖和茶氨酸剩余量為考察指標(biāo)，采用L9（34）標(biāo)準(zhǔn)正交表進(jìn)行正交試驗，實驗因素水平設(shè)置見表1。采用極差分析的方法對實驗結(jié)果進(jìn)行處理，確定各因素的主次順序和優(yōu)劣水平以及各因素的最優(yōu)水平組合。

表1 茶氨酸-葡萄糖美拉德反應(yīng)條件優(yōu)化的正交試驗因素及水平設(shè)計Table 1 Orthogonal test factors and level of theanine-glucose Maillard reaction condition optimization

1.2.4 驗證實驗 對正交試驗得出的最優(yōu)水平組合進(jìn)行實驗，以驗證結(jié)果的準(zhǔn)確性。

1.2.5 美拉德反應(yīng)體系相關(guān)指標(biāo)的測定方法

1.2.5.1 美拉德反應(yīng)體系pH 的測定 將美拉德反應(yīng)體系置于室溫25 ℃下，采用MODEL868 型pH 計進(jìn)行測定，待pH 讀數(shù)穩(wěn)定后記錄數(shù)據(jù)。測定樣品前，采用“兩點法”[16]對其進(jìn)行校準(zhǔn)。

1.2.5.2 各階段產(chǎn)物的測定 以超純水為對照，用TU-1950 雙光束紫外可見分光光度計在294 nm、420 nm 處測定吸光度值，分別作為表征美拉德反應(yīng)中間階段、最后階段反應(yīng)程度的指標(biāo)[17]。用F-2500熒光分光光度計測定體系的熒光值，激發(fā)波長調(diào)為350 nm，發(fā)射波長為420 nm，作為初始階段反應(yīng)程度的指標(biāo)[18]。

1.2.5.3 反應(yīng)物剩余量的測定 葡萄糖剩余量：參照文獻(xiàn)[19]中的方法測定。以葡萄糖為標(biāo)準(zhǔn)品制作標(biāo)準(zhǔn)曲線，葡萄糖的標(biāo)準(zhǔn)溶液濃度范圍為1～10 mg/mL，以葡萄糖溶液濃度為橫坐標(biāo)，540 nm 處的紫外吸光度值為縱坐標(biāo)建立散點圖，得出回歸方程為y=0.0541x+0.0854，決定系數(shù)R2為0.9929；根據(jù)回歸方程計算葡萄糖含量。

茶氨酸剩余量：參照文獻(xiàn)[20-21]方法，并作適當(dāng)修改。用分光光度法測定體系中剩余茶氨酸的濃度。以茶氨酸為標(biāo)準(zhǔn)品制作標(biāo)準(zhǔn)曲線，茶氨酸的標(biāo)準(zhǔn)溶液濃度范圍為0.01～0.1 mg/mL，以茶氨酸溶液濃度為橫坐標(biāo)，570 nm 處的吸光度值為縱坐標(biāo)建立散點圖，得出回歸方程為y=10.305x+0.0166，決定系數(shù)R2為0.9948；取美拉德反應(yīng)液5 mL，加入12 mol/L 的鹽酸5 mL，在80 ℃下水浴加熱水解后，加入1.00 mol/L NaOH 溶液60 mL，再用蒸餾水定容至100 mL，搖勻；取樣品液1 mL，加4 mL 6%碳酸氫鈉，再加入5 g/L 次氯酸鈉1 mL，靜置1 min；加1 mL 5%亞硝酸鈉，混勻，靜置5 min；加顯色液0.50 mL；加2.50 mL 6%碳酸氫鈉，充分搖勻；立即在分光光度計上于570 nm 波長處測定吸光值，根據(jù)回歸方程計算茶氨酸含量。

1.2.6 熵值法求權(quán)重 對于美拉德反應(yīng)程度的評價，A294、A420、熒光值、葡萄糖及茶氨酸剩余量均為重要的評價指標(biāo)，用熵值法將它們的權(quán)重分析出來，得到美拉德反應(yīng)綜合評價公式。

1.2.7 人工神經(jīng)網(wǎng)絡(luò)

1.2.7.1 人工神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建 本研究主要探討人工神經(jīng)網(wǎng)絡(luò)在美拉德反應(yīng)程度預(yù)測中的適用性，建立了茶氨酸-葡萄糖美拉德反應(yīng)程度的ANN 模型。參照文獻(xiàn)[22]中的方法，在本研究中，ANN 模型的輸入為反應(yīng)溫度和時間、pH、羰氨比，輸出為美拉德反應(yīng)程度綜合評價值，利用經(jīng)驗公式（1）[23]計算出隱含層的節(jié)點數(shù)，從而構(gòu)建4-m-1 的網(wǎng)絡(luò)結(jié)構(gòu)，具體神經(jīng)網(wǎng)絡(luò)運(yùn)行流程圖如圖1 所示。對于數(shù)據(jù)集的劃分為選取80%的數(shù)據(jù)用于訓(xùn)練，10%用于測試，10%用于驗證，以完成完整的網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練和預(yù)測過程。

圖1 BP 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖Fig.1 Structure diagram of BP neural network model

式中：m 為隱含層節(jié)點數(shù)；n 為輸入層節(jié)點數(shù)；l 為輸出層節(jié)點數(shù)；a 為[1，10]的常數(shù)。

1.2.7.2 虛擬樣本的建立 虛擬樣本的引入是為了獲得可信的人工神經(jīng)網(wǎng)絡(luò)[24]。即在實際操作過程中，由于各種因素的影響，各輸入變量的值和實際值必然會有微小的誤差，這種誤差是不可避免的，那么在此誤差范圍內(nèi)的輸入值應(yīng)該對應(yīng)相同的輸出值[24]。因此本研究引入虛擬樣本，引入虛擬樣本的常見方法是在每個實際樣本的各變量增加一個±Δi 值，設(shè)定誤差范圍Δi=0.2%。按照L9（34）正交表的設(shè)計，使每個實際樣本產(chǎn)生8 個虛擬樣本[22]，共得到72 個虛擬樣本，加上9 個原本的樣本共81 個樣本作為總的數(shù)據(jù)樣本。第一個虛擬樣本設(shè)置見表2。

表2 第一個樣本產(chǎn)生的虛擬樣本Table 2 Dummy sample produced by the first sample

1.2.7.3 遺傳算法尋優(yōu) 基于1.2.7.1 構(gòu)建的人工神經(jīng)網(wǎng)絡(luò)，結(jié)合GA 構(gòu)成BP-GA 模型進(jìn)行目標(biāo)尋優(yōu)，對樣本進(jìn)行全面仿真實驗。設(shè)置最大遺傳代數(shù)為100，變量的二進(jìn)制位數(shù)為8，變異概率為0.01，交叉概率為0.8，代溝0.25，運(yùn)行Matlab R2021a 程序，得到每代種群平均適應(yīng)度變化結(jié)果，以此尋找到函數(shù)的全局最優(yōu)值。

1.2.7.4 BP-GA 神經(jīng)網(wǎng)絡(luò)預(yù)測及驗證 根據(jù)BPGA 神經(jīng)網(wǎng)絡(luò)模型預(yù)測出的茶氨酸-葡萄糖最佳反應(yīng)條件進(jìn)行實驗，每個樣品做3 組平行實驗，比較BPGA 預(yù)測值與實驗驗證值之間的誤差。依據(jù)以往的研究[25]，采用均方根誤差（root mean square error，RMSE）、平均絕對偏差（Mean Absolute Error，MAE）和決定系數(shù)（R2）作為評價指標(biāo)來判斷模型預(yù)測值與真實值差異性以及模型的可靠性，RMSE 和MAE越小，R2越接近1 時說明模型的可靠性以及擬合性良好。

1.3 數(shù)據(jù)處理

應(yīng)用SPSS 22 軟件用于正交試驗設(shè)計、熵值法分析以及數(shù)據(jù)處理，每次實驗進(jìn)行三次平行實驗并取平均值進(jìn)行分析。對結(jié)果進(jìn)行單因素方差分析以及LSD 檢驗和Duncan 檢驗，P＜0.05 表示差異具有統(tǒng)計學(xué)意義。Matlab R2021a 軟件用于BP-GA 神經(jīng)網(wǎng)絡(luò)構(gòu)建的實現(xiàn)。Graphpad Prism8.0 軟件用于制作圖形。

2 結(jié)果與分析

2.1 單因素實驗結(jié)果

2.1.1 反應(yīng)溫度對茶氨酸-葡萄糖美拉德反應(yīng)的影響

溫度被認(rèn)為是影響美拉德反應(yīng)的最重要因素。由圖2（a）和圖2（b）可知，隨著溫度升高，早期熒光產(chǎn)物以及中間產(chǎn)物生成量呈先上升后下降的趨勢。當(dāng)溫度為120 ℃時，早期熒光產(chǎn)物以及中間產(chǎn)物生成量顯著增加（P＜0.05），之后逐漸降低，原因可能是美拉德反應(yīng)早期熒光產(chǎn)物以及中間產(chǎn)物的消耗速率大于生成速率，同時消耗的這些物質(zhì)作為最后階段產(chǎn)物的前體物質(zhì)[16]，導(dǎo)致了最終產(chǎn)物的顯著增加（P＜0.05）。由圖2（c）可知，在不同的反應(yīng)溫度下，體系中茶氨酸和葡萄糖濃度均隨著反應(yīng)進(jìn)行而減小，溫度為140 ℃，兩種底物濃度顯著下降（P＜0.05），這主要是由于溫度升高導(dǎo)致了開鏈葡萄糖含量的增加，從而導(dǎo)致了反應(yīng)的加劇[26]。圖2（d）表明，隨著溫度的升高，茶氨酸的消耗量以及酸性物質(zhì)的生成量增加，直接導(dǎo)致了體系pH 的顯著下降（P＜0.05），這與Ni 等[27]的研究結(jié)果一致。綜合各個方面因素，選擇100、120、140 ℃進(jìn)行后續(xù)的正交試驗。

圖2 反應(yīng)溫度對茶氨酸-葡萄糖美拉德反應(yīng)的影響Fig.2 Effect of reaction temperature on theanine-glucose Maillard reaction

2.1.2 反應(yīng)時間對茶氨酸-葡萄糖美拉德反應(yīng)的影響

評估時間對美拉德反應(yīng)的影響同樣是重要的。由圖3（a）和圖3（b）可知，隨著加熱時間的增加，早期熒光產(chǎn)物以及中間產(chǎn)物生成量呈不規(guī)則的變化趨勢。當(dāng)時間為2 h 時，早期熒光產(chǎn)物生成量顯著下降（P＜0.05），之后3 h 時又顯著增加（P＜0.05），可能是由早期熒光產(chǎn)物的生成與消耗速率的相對大小導(dǎo)致的[17]。而最終階段產(chǎn)物在3 h 時顯著增加（P＜0.05），達(dá)到穩(wěn)定值后略有下降，這可能是由于隨著反應(yīng)進(jìn)行，終產(chǎn)物逐漸積累，到達(dá)一定程度后，反應(yīng)繼續(xù)進(jìn)行導(dǎo)致了部分終產(chǎn)物分解[4]。由圖3（c）可知，隨著反應(yīng)的進(jìn)行，茶氨酸與葡萄糖的濃度一直在下降，并且葡萄糖濃度的下降速度要比茶氨酸快，這說明葡萄糖可能參與了其他反應(yīng)，比如葡萄糖熱分解反應(yīng)和茶氨酸熱降解反應(yīng)[28]。圖3（d）表明，隨著加熱時間增加，體系pH 呈下降趨勢，當(dāng)時間為4 h 時，pH 顯著下降（P＜0.05）；5 h 時pH 下降不顯著（P＞0.05），這可能是由于底物濃度逐漸變小，反應(yīng)速率放緩，最后直接導(dǎo)致了體系pH 趨于穩(wěn)定。綜合評價后，選擇2、3、4 h進(jìn)行后續(xù)的正交試驗。

圖3 反應(yīng)時間對茶氨酸-葡萄糖美拉德反應(yīng)的影響Fig.3 Effect of reaction time on theanine-glucose Maillard reaction

2.1.3 pH 對茶氨酸-葡萄糖美拉德反應(yīng)的影響 美拉德反應(yīng)與體系pH 的關(guān)系不僅體現(xiàn)在美拉德反應(yīng)的進(jìn)行會導(dǎo)致體系pH 的下降，還體現(xiàn)在體系初始pH 對美拉德反應(yīng)程度的影響上。結(jié)果如圖4 所示。由圖4（a）和圖4（b）可知，隨著體系pH 的增加，早期熒光產(chǎn)物以及中間產(chǎn)物生成量總體呈現(xiàn)上升趨勢，這表明pH 升高有利于反應(yīng)的進(jìn)行，這可能是由于隨著pH 升高，體系游離的氨基濃度增加，加快了反應(yīng)進(jìn)行[29]；同時pH 為7 時的早期熒光產(chǎn)物生成量較低，這可能是由于中性條件下的陰陽離子平衡不利于熒光產(chǎn)物的生成[4]。同樣的結(jié)論也在反應(yīng)物濃度的變化中得到了驗證，圖4（c）表明，隨著pH 的升高，茶氨酸和葡萄糖的濃度呈下降趨勢，當(dāng)pH 為8 時，茶氨酸和葡萄糖濃度顯著下降（P＜0.05），這與李伶俐等[26]的研究結(jié)果一致。同時，圖4（d）表明，反應(yīng)進(jìn)行可能導(dǎo)致了酸性物質(zhì)的產(chǎn)生，從而使得體系的終pH 均降低。綜合考慮，選擇pH 為7、8、9 進(jìn)行后續(xù)的正交試驗。

圖4 pH 對茶氨酸-葡萄糖美拉德反應(yīng)的影響Fig.4 Effect of pH on theanine-glucose Maillard reaction

2.1.4 羰氨比對茶氨酸-葡萄糖美拉德反應(yīng)的影響羰氨比對美拉德反應(yīng)程度的影響具有不確定性。由圖5（a）和圖5（b）可知，隨著羰氨比的減小，早期熒光值和吸光度值均呈現(xiàn)上升的趨勢，結(jié)合圖5（c）茶氨酸和葡萄糖的濃度變化情況，可以得出，在一定的反應(yīng)溫度和時間范圍內(nèi)，茶氨酸濃度的增大可能加快了美拉德反應(yīng)的進(jìn)行，這與程傳玲等[30]的研究結(jié)果一致。圖5（d）表明，體系pH 同樣發(fā)生了不同程度的下降，這與前面的研究結(jié)果是一致的。綜合考慮后，選擇羰氨比為2:1、1:1、1:2 進(jìn)行后續(xù)的正交試驗。

圖5 羰氨比對茶氨酸-葡萄糖美拉德反應(yīng)的影響Fig.5 Effect of carboamide ratio on theanine-glucose Maillard reaction

2.2 正交試驗結(jié)果

為了確定較優(yōu)的反應(yīng)條件，在單因素實驗的基礎(chǔ)上進(jìn)行了正交試驗，根據(jù)每個因素優(yōu)選出的三個水平，組成了L9（34）正交試驗，具體的實驗結(jié)果如表3所示，極差分析結(jié)果見表4。

表3 正交試驗測定結(jié)果Table 3 Results of orthogonal test

表4 極差分析結(jié)果Table 4 Results of test range analysis

由表4 可得，以A294為美拉德反應(yīng)程度的唯一評價指標(biāo)時，茶氨酸和葡萄糖的模型體系最優(yōu)反應(yīng)條件為A3B1C1D3，影響因素的主次順序為B＞A＞D＞C，即最優(yōu)條件為反應(yīng)溫度140 ℃，反應(yīng)時間為2 h，pH 為7，羰氨比為1:2；以A420為美拉德反應(yīng)程度的唯一評價指標(biāo)時，茶氨酸和葡萄糖的模型體系最優(yōu)反應(yīng)條件為A3B3C1D1，影響因素的主次順序為B＞A＞D＞C，即最優(yōu)條件為反應(yīng)溫度140 ℃，反應(yīng)時間為4 h，pH 為7，羰氨比為2:1；以熒光值為美拉德反應(yīng)程度的唯一評價指標(biāo)時，茶氨酸和葡萄糖的模型體系最優(yōu)反應(yīng)條件為A2B1C1D3，影響因素的主次順序為B＞A＞C＞D，即最優(yōu)條件為反應(yīng)溫度120 ℃，反應(yīng)時間為2 h，pH 為7，羰氨比為1:2；以葡萄糖濃度為美拉德反應(yīng)程度的唯一評價指標(biāo)時，考慮到節(jié)省能源以及試劑的原因，茶氨酸和葡萄糖的模型體系最優(yōu)反應(yīng)條件選擇A1B1C1D3，影響因素的主次順序為A＞B＞D＞C，即最優(yōu)條件為反應(yīng)溫度100 ℃，反應(yīng)時間為2 h，pH 為7，羰氨比為1:2；以茶氨酸濃度為美拉德反應(yīng)程度的唯一評價指標(biāo)時，茶氨酸和葡萄糖的模型體系最優(yōu)反應(yīng)條件為A1B1C1D3，影響因素的主次順序為A=B＞C=D，即最優(yōu)條件為反應(yīng)溫度100 ℃，反應(yīng)時間為2 h，pH 為7，羰氨比為1:2。

2.3 驗證實驗

根據(jù)正交試驗可以得到4 個不同的最優(yōu)水平組合，綜合全部評價指標(biāo)進(jìn)行進(jìn)一步擇優(yōu)，可以確定反應(yīng)時間為2 h，pH 為7，羰氨比為1:2，結(jié)合2.1.1 中反應(yīng)溫度對美拉德反應(yīng)的影響，當(dāng)反應(yīng)溫度為140 ℃時，反應(yīng)進(jìn)行更加充分，確定反應(yīng)溫度為140 ℃，即選擇A3B1C1D3進(jìn)行驗證實驗，結(jié)果A294為0.45，A420為0.56，熒光值為452，葡萄糖濃度為0.04 mol/L，茶氨酸濃度為0.07 mol/L，基本優(yōu)于正交試驗各組合的實驗值，表明該最優(yōu)水平組合確定的反應(yīng)條件為最佳條件。

2.4 熵值法求權(quán)重的結(jié)果

用SPSS 22 進(jìn)行熵值法的求解，得到美拉德反應(yīng)的綜合評價公式：y=葡萄糖濃度×0.2874+熒光值×0.1964+A420×0.1835+A294×0.1776+茶氨酸濃度×0.1552，式中y 表示美拉德反應(yīng)綜合評價值。熵值法求權(quán)重的結(jié)果如表5。

表5 熵值法求權(quán)重的結(jié)果Table 5 Result of the entropy value method

2.5 BP 神經(jīng)網(wǎng)絡(luò)構(gòu)建與結(jié)果

2.5.1 BP 神經(jīng)網(wǎng)絡(luò)的構(gòu)建 利用MatlabR 2021a 軟件對正交試驗結(jié)果及其生成的虛擬樣本進(jìn)行BP 神經(jīng)網(wǎng)絡(luò)分析，構(gòu)建了三層BP 神經(jīng)網(wǎng)絡(luò)分析模型，采用“tansig”、“purelin”函數(shù)分別作為連接輸入層和隱含層以及隱含層和輸出層的傳遞函數(shù)，“trainlm”作為訓(xùn)練函數(shù)[31]。將反應(yīng)溫度、反應(yīng)時間、初始pH值、羰氨比作為模型的4 個輸入神經(jīng)元，中間一個隱藏層，將美拉德反應(yīng)程度綜合評價值作為模型的唯一輸出神經(jīng)元。隱含層的神經(jīng)元個數(shù)m 由式（1）確定，得出的取值范圍為[3，13]。設(shè)置的訓(xùn)練參數(shù)為：訓(xùn)練次數(shù)1000 次，訓(xùn)練步長為25，動量因子為0.01，訓(xùn)練目標(biāo)誤差為0.0001，最終得到隱含層神經(jīng)元為9 時，模型測試集具有最小的MSE 和最大的R2，從而構(gòu)建了一個4-9-1 的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，構(gòu)建好的拓?fù)浣Y(jié)構(gòu)如圖6 所示。

圖6 BP 神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig.6 BP neural network topology

2.5.2 BP 神經(jīng)網(wǎng)絡(luò)的構(gòu)建結(jié)果 利用構(gòu)建好的BP神經(jīng)網(wǎng)絡(luò)對實驗數(shù)據(jù)集進(jìn)行訓(xùn)練，得到相應(yīng)的結(jié)果后進(jìn)行評價分析，評價指標(biāo)為相關(guān)系數(shù)r，用來表示網(wǎng)絡(luò)輸出結(jié)果的擬合度。BP 神經(jīng)網(wǎng)絡(luò)中擬合度是通過將實驗的實際測試值與訓(xùn)練值、驗證值進(jìn)行比較得到的。如圖7 所示，訓(xùn)練數(shù)據(jù)、測試數(shù)據(jù)、驗證數(shù)據(jù)以及所有數(shù)據(jù)的相關(guān)系數(shù)r分別為0.98054、0.9932、0.99083 以及0.98265。四種樣本的相關(guān)系數(shù)均達(dá)到0.90 以上，說明BP 人工神經(jīng)網(wǎng)絡(luò)模型對于訓(xùn)練、驗證和測試樣本都具有很好的擬合能力。綜上，構(gòu)建的BP 人工神經(jīng)網(wǎng)絡(luò)模型對于實驗結(jié)果的預(yù)測能力是良好的。基于此，可以運(yùn)用此模型對茶氨酸-葡萄糖美拉德反應(yīng)的條件進(jìn)行優(yōu)化。

圖7 訓(xùn)練、驗證、測試以及所有數(shù)據(jù)與BP 神經(jīng)網(wǎng)絡(luò)仿真輸出值的擬合效果Fig.7 Training, validation, testing and fit of all data to the BP neural network simulation output values

2.6 遺傳算法優(yōu)化結(jié)果

在已有結(jié)果的基礎(chǔ)上，將BP 神經(jīng)網(wǎng)絡(luò)與遺傳算法進(jìn)行耦聯(lián)對茶氨酸-葡萄糖美拉德反應(yīng)綜合評價值進(jìn)行全局尋優(yōu)，遺傳算法的參數(shù)見1.2.7.3，尋優(yōu)結(jié)果見圖8，圖中最優(yōu)值為美拉德反應(yīng)綜合評價值的倒數(shù)。適應(yīng)度曲線在遺傳模擬進(jìn)行64 代之后趨于平穩(wěn)，得到最優(yōu)值為0.01094，經(jīng)過計算得到此時的美拉德反應(yīng)綜合評價值為91.41。此時對應(yīng)的最優(yōu)條件為：反應(yīng)溫度117.64 ℃，反應(yīng)時間1.82 h，初始pH 為7.27，羰氨比為1:2.33。根據(jù)食品加工以及實驗室的實際條件，驗證實驗選擇的反應(yīng)條件為117.6 ℃，1.8 h，pH7.3，羰氨比1:2，測得的A294為0.50，A420為0.52，熒光值為473，葡萄糖濃度為0.05 mol/L，茶氨酸濃度為0.08 mol/L，計算得到的美拉德反應(yīng)綜合評價值為93.22 ±2.94。

圖8 遺傳算法100 次迭代尋優(yōu)結(jié)果Fig.8 Results of optimization with 100 iterations of genetic algorithm

2.7 BP-GA 神經(jīng)網(wǎng)絡(luò)預(yù)測及驗證

2.7.1 正交試驗與BP-GA 神經(jīng)網(wǎng)絡(luò)預(yù)測能力的比較

由表6 可知，美拉德反應(yīng)綜合評價值的最優(yōu)條件為A2B1C1D3，即反應(yīng)溫度為120 ℃，反應(yīng)時間為2 h，pH 為7，羰氨比為1:2。4 個因素對美拉德反應(yīng)綜合評價值影響的重要次序為B＞A＞C＞D，因此，在評價茶氨酸-葡萄糖美拉德反應(yīng)時，控制反應(yīng)溫度和反應(yīng)時間是十分重要的，這與吳爽等[32]的研究結(jié)果一致。由表7 可知，正交試驗的R2、MAE、RMSE 分別為0.9060，2.0440，2.1477，神經(jīng)網(wǎng)絡(luò)的R2、MAE、RMSE 分別為0.9980、1.8159、1.8260。較小的MAE和RMSE，較大的R2可以說明模型的擬合效果更好[25]。顯然，BP-GA 神經(jīng)網(wǎng)絡(luò)的MAE、RMSE 均小于正交試驗，且R2也更大，因此，BP-GA 神經(jīng)網(wǎng)絡(luò)優(yōu)化模型的擬合能力良好，預(yù)測結(jié)果更準(zhǔn)確。這與其他領(lǐng)域的相關(guān)研究結(jié)果類似[33-34]。

表6 正交試驗樣本美拉德反應(yīng)綜合評價值及模型仿真結(jié)果Table 6 Comprehensive evaluation value of orthogonal test sample Maillard reaction and model simulation results

2.7.2 正交試驗與BP-GA 神經(jīng)網(wǎng)絡(luò)預(yù)測值與實際值的比較 由表8 可知，BP-GA 神經(jīng)網(wǎng)絡(luò)實際值與預(yù)測值分別比正交試驗高出4.77%與0.42%，實際值顯著增大（P＜0.05），并且相對誤差要比正交試驗要低，這說明神經(jīng)網(wǎng)絡(luò)模型優(yōu)化后的結(jié)果比正交試驗優(yōu)化結(jié)果更貼近實際值，BP-GA 神經(jīng)網(wǎng)絡(luò)模型仿真結(jié)果的可靠性更高，也更精確。綜上所述，BP-GA 人工神經(jīng)網(wǎng)絡(luò)模型比正交試驗更適于優(yōu)化茶氨酸-葡萄糖美拉德反應(yīng)的條件。

表8 人工神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法與正交試驗的預(yù)測值和實際值比較Table 8 Comparison of predicted and actual values between artificial neural networks combined with genetic algorithms and orthogonal tests

3 結(jié)論

本研究將BP-GA 神經(jīng)網(wǎng)絡(luò)用于茶氨酸-葡萄糖美拉德反應(yīng)條件的優(yōu)化，通過81 組BP 人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)使得模型的擬合度達(dá)到0.95 以上。相比于正交試驗的優(yōu)化結(jié)果，BP-GA 神經(jīng)網(wǎng)絡(luò)模型使得美拉德反應(yīng)綜合評價的實際值與預(yù)測值分別提高了4.77%與0.42%，優(yōu)化后的仿真誤差也有了一定減小。因此，為了優(yōu)化茶氨酸-葡萄糖美拉德反應(yīng)條件，本文采用了BP-GA 神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，最終得到的最優(yōu)條件為：反應(yīng)溫度117.6 ℃，反應(yīng)時間1.8 h，pH7.3，羰氨比1:2，此時的美拉德反應(yīng)綜合評價值為93.22，優(yōu)化了茶氨酸-葡萄糖美拉德反應(yīng)的條件，較大程度提高了美拉德反應(yīng)綜合評價值。綜上所述，本研究運(yùn)用的方法對模型美拉德反應(yīng)條件的優(yōu)化有著一定指導(dǎo)和借鑒價值，值得進(jìn)一步推廣。