基于人工神经网络的牡蛎蛋白酶解动力模型的构建

以牡蛎分离蛋白为底物,采用碱性蛋白酶(Alcalase)进行酶解,在获得一定实验数据基础上利用训练后的人工神经网络(ANN)模型对牡蛎分离蛋白酶解过程进行预测。结果表明:训练后的ANN模型决定系数R2达到0.9998,人工神经网络预测水解度DH值和实验DH值之间具有很强的相关性,相关系数r值达到0.9957。并且在一定的酶浓度及底物浓度范围内,采用ANN预测数据,双倒数作图所得回归方程决定系数R2值达到0.9740,计算得米氏常数Km和最大反应速度V max分别为26.1g/L,8.6g/(L·min)。研究结果为人工神经网络模型在食品蛋白酶促反应动力学方面的应用提供参考。

pH调节法提取牡蛎蛋白及氨基酸、蛋白组成分析

以牡蛎全脏器为原料,采用pH调节法（pH-shifting）分离提取牡蛎分离蛋白并对其氨基酸组成及蛋白组成进行分析。试验结果表明,牡蛎分离蛋白提取最佳碱溶条件为pH 12~13,最佳酸沉条件为pH 4.5~5.1。在最佳提取条件下获得的牡蛎分离蛋白得率为66.7%,蛋白纯度达92.5%（干基计）。牡蛎分离蛋白各种必需氨基酸均高于FAO/WHO推荐值,约占总氨基酸的42.44%,风味氨基酸和支链氨基酸含量也较高。SDS-PAGE电泳图谱显示牡蛎分离蛋白在200,97,44 ku处均出现比较明显的蛋白条带。本研究结果将为进一步开发利用牡蛎蛋白资源提供理论依据。