为提高蛋清蛋白凝胶性,本研究以蛋清蛋白(Egg white protein,EWP)为研究对象,通过分析质构、持水率、分子作用力、傅里叶红外色谱、圆二色谱、粒径、电位、巯基含量、表面疏水力及扫描电镜的变化,探究超高压处理(Ultra-high pressure,U...为提高蛋清蛋白凝胶性,本研究以蛋清蛋白(Egg white protein,EWP)为研究对象,通过分析质构、持水率、分子作用力、傅里叶红外色谱、圆二色谱、粒径、电位、巯基含量、表面疏水力及扫描电镜的变化,探究超高压处理(Ultra-high pressure,UHP)、谷氨酰胺转胺酶处理(Transglutaminase,TG)及超高压协同TG酶处理(Ultra-high pressure synergistic Transglutaminase,UTG)的蛋清蛋白热诱导凝胶机理及结构的变化。结果表明:UHP-EWP、TG-EWP、UTG-EWP的硬度、弹性和持水性均有所提高,疏水相互作用力是维持凝胶的主要作用力;UHP-EWP、TG-EWP、UTG-EWP的α-螺旋含量均不同程度下降、β-折叠含量均上升;UHP-EWP的平均粒径值下降、电位绝对值下降,TG-EWP、UTG-EWP的变化与之相反;UHP-EWP、TG-EWP、UTG-EWP的游离巯基含量上升、总巯基含量下降、表面疏水性升高;凝胶结构更加致密光滑,平整度提高。本研究为蛋清蛋白热诱导凝胶改性提供了理论基础及研究思路。展开更多
针对蝴蝶优化算法(butterfly optimization algorithm,BOA)易陷入局部最优,且收敛速度慢和寻优精度低等问题,提出了一种趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法(hybrid optimization algorithm for salp swarm and butterfly wit...针对蝴蝶优化算法(butterfly optimization algorithm,BOA)易陷入局部最优,且收敛速度慢和寻优精度低等问题,提出了一种趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法(hybrid optimization algorithm for salp swarm and butterfly with reverse mutation towards optimization learning,OMSSBOA)。引入柯西变异对最优蝴蝶个体进行扰动,避免算法陷入局部最优;将改进的樽海鞘群优化算法(salp swarm algorithm,SSA)嵌入到BOA,平衡算法全局勘探和局部开采的比重,进而提高算法收敛速度;利用趋优变异反向学习策略扩大算法搜索范围并提升解的质量,进而提高算法的寻优精度。将改进算法在10种基准测试函数上进行仿真实验,结果表明,改进算法具有较好的寻优性能和鲁棒性。展开更多
文摘针对蝴蝶优化算法(butterfly optimization algorithm,BOA)易陷入局部最优,且收敛速度慢和寻优精度低等问题,提出了一种趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法(hybrid optimization algorithm for salp swarm and butterfly with reverse mutation towards optimization learning,OMSSBOA)。引入柯西变异对最优蝴蝶个体进行扰动,避免算法陷入局部最优;将改进的樽海鞘群优化算法(salp swarm algorithm,SSA)嵌入到BOA,平衡算法全局勘探和局部开采的比重,进而提高算法收敛速度;利用趋优变异反向学习策略扩大算法搜索范围并提升解的质量,进而提高算法的寻优精度。将改进算法在10种基准测试函数上进行仿真实验,结果表明,改进算法具有较好的寻优性能和鲁棒性。