基于BP神经网络和GA研究啤酒糟不溶性膳食纤维的酶法脱脂工艺

doi:10.7506/spkx1002-6630-201014005

食品科学 ›› 2010, Vol. 31 ›› Issue (14): 18-21.doi: 10.7506/spkx1002-6630-201014005

基于BP神经网络和GA研究啤酒糟不溶性膳食纤维的酶法脱脂工艺

肖连冬，许彬，臧晋，李慧星

南阳理工学院生物与化学工程学院

收稿日期:2009-10-11 修回日期:2010-04-03 出版日期:2010-07-15 发布日期:2010-12-29
通讯作者: 肖连冬 E-mail:xld515@sohu.com
基金资助:
河南省科技发展攻关项目(082102340012)

Combining BP Neural Networks and Genetic Algorithms for Optimizing the Lipase Degreasing of Brewer s Spent Grains for Insoluble Dietary Fiber Production

XIAO Lian-dong，XU Bin，ZANG Jin，LI Hui-xing

College of Biology and Chemical Engineering, Nanyang Institute of Technology, Nanyang 473004, China

Received:2009-10-11 Revised:2010-04-03 Online:2010-07-15 Published:2010-12-29
Contact: XIAO Lian-dong E-mail:xld515@sohu.com

摘要/Abstract

摘要：

采用脂肪酶对酶碱法制备啤酒糟不溶性膳食纤维(IDF)的脱脂工艺进行研究，并对制备得到的IDF 成分和功能特性进行分析。在正交试验的基础上，基于BP 神经网络建立脂肪酶脱脂模型，利用遗传算法优化工艺条件。BP 神经网络建立的脱脂模型误差为0.0001，具有较强的逼近能力。优化得到的最佳工艺条件是加酶量0.7g、酶解温度39.6℃、酶解时间5.6h。在此条件下，脂肪去除率达74.1%。制备得到IDF 的溶胀性达6.05mL/g，持水力达318.2%，具有较好的生理活性。

关键词: 不溶性膳食纤维, 脂肪酶, BP神经网络, 遗传算法

Abstract:

Lipase degreasing was carried out as the first step in the production of insoluble dietary fiber from brewer's spent grains. Orthogonal array design was employed to provide a basis for the establishment of a mathematical model predicting the degreasing efficiency as a function of lipase hydrolysis conditions, namely enzyme amount, hydrolysis temperature and length of hydrolysis and the subsequent genetic algorithm optimization of these conditions. The established model displayed an error of 0.0001, indicating high reliability. The optimum values of enzyme amount, hydrolysis temperature and length of hydrolysis were found to be 0.7 g (on the basis of 10 g brewer s spent grains), 39.6 ℃ and 5.6 h, respectively, and the resultant degreasing efficiency reached up to 74.1%. The swelling capacity and water retention capacity of prepared IDF were 6.05 mL/g and 318.2%, respectively.

Key words: insoluble dietary fiber, lipase, BP neural network, genetic algorithm

中图分类号:

TS262.5

肖连冬，许彬，臧晋，李慧星. 基于BP神经网络和GA研究啤酒糟不溶性膳食纤维的酶法脱脂工艺[J]. 食品科学, 2010, 31(14): 18-21.

XIAO Lian-dong，XU Bin，ZANG Jin，LI Hui-xing. Combining BP Neural Networks and Genetic Algorithms for Optimizing the Lipase Degreasing of Brewer s Spent Grains for Insoluble Dietary Fiber Production[J]. FOOD SCIENCE, 2010, 31(14): 18-21.

[1]	詹慧，宋田源，余刚，姜泽东，杜希萍，朱艳冰，倪辉，李清彪. 基于酶活力模型和细胞模型分析红毛藻多糖降血脂活性[J]. 食品科学, 2021, 42(7): 142-148.
[2]	赵文珂，肖春琴，张贤，崔春. 成熟度对诺丽果酵素品质的影响[J]. 食品科学, 2021, 42(2): 164-169.
[3]	刘倩，范誉川，刘素诗，赵洁羽，魏涛. 米糠粕不溶性膳食纤维理化性质及对高脂大鼠肠道菌群的影响[J]. 食品科学, 2021, 42(15): 174-179.
[4]	潘海博，覃璐琪，黄燕婷，梁晓琳，黄国宏，聂梦琳，饶川艳，梅丽华，李全阳. 人工神经网络结合遗传算法优化保护剂提高罗伊氏乳杆菌抗冻性能[J]. 食品科学, 2021, 42(14): 70-77.
[5]	迟雷，王静雨，侯俊超，魏佳佳，魏涛，胡晓龙，何培新. 基于人工神经网络和遗传算法的普鲁兰酶重组大肠杆菌高密度发酵工艺优化[J]. 食品科学, 2021, 42(10): 73-78.
[6]	于殿宇，陈书曼，王彤，李丹，张雪，吴楠，唐洪琳，秦兰霞，姚凯. 复合膜固定化酶提高米糠稳定性[J]. 食品科学, 2020, 41(6): 139-145.
[7]	张静，米佳，禄璐，罗青，闫亚美，冉林武，金波，曹有龙. 黑果枸杞花色苷提取物对胰脂肪酶活性的影响[J]. 食品科学, 2020, 41(5): 8-14.
[8]	于殿宇，郝凯越，程杰，陈奎任，江连洲，王立琦，张智. 射频处理提高米糠稳定性及其对品质的影响[J]. 食品科学, 2020, 41(20): 20-26.
[9]	范维，高晓月，董雨馨，李贺楠，王琳，郭文萍. 基于数据挖掘建立北京地区牛、羊肉串掺假风险预测模型[J]. 食品科学, 2020, 41(20): 292-299.
[10]	侯粲，杜昱光，王曦，肖杰，范怡航，董志忠，常国生，王伟，李颂，应剑. 发酵陈皮黑茶的化学成分差异及体外活性[J]. 食品科学, 2020, 41(18): 226-232.
[11]	刘开放，席志文，黄林娜，惠丰立. 布拉酵母高密度发酵培养基及发酵工艺优化[J]. 食品科学, 2019, 40(8): 56-62.
[12]	李扬，李妍，王筠钠，张列兵. 不同酶水解对乳脂挥发性化合物的影响[J]. 食品科学, 2019, 40(2): 1-5.
[13]	苗字叶，姚亚亚，刘阳星月，田博宇，李晓洋，李慧静. 超高静压改性麦麸对其功能性质的影响[J]. 食品科学, 2019, 40(19): 164-171.
[14]	张玲敏，王斌，潘力. 南极假丝酵母脂肪酶B在黑曲霉中的分泌表达及其硅藻土固定化应用[J]. 食品科学, 2019, 40(14): 107-114.
[15]	蔡海莺，王珍珍，张婷，赵敏洁，李杨，毛建卫，冯凤琴. 微生物脂肪酶资源挖掘研究进展[J]. 食品科学, 2018, 39(7): 329-337.

基于BP神经网络和GA研究啤酒糟不溶性膳食纤维的酶法脱脂工艺

Combining BP Neural Networks and Genetic Algorithms for Optimizing the Lipase Degreasing of Brewer s Spent Grains for Insoluble Dietary Fiber Production

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价