酵母抽提物中异味化合物和咸味肽的研究

来源 :北京工商大学 | 被引量 : 0次 | 上传用户:jxjc_2008
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
酵母抽提物是具有营养、调味、保健等特性的第四代天然调味料,能显著增强食品的适口性和整体风味,兼具气味特性和滋味特性。对于气味特性,在使用中发现其存在一定的异味,所以本研究着手于酵母抽提物中异味物质的分析,采用气相色谱-嗅闻-质谱联用法进行定性定量。以气-质联用分析中能嗅闻到的异味化合物种类为指标在4种前处理方法:固相微萃取法、动态顶空制样法、溶剂辅助风味蒸发法、搅拌棒吸附萃取法中筛选出当前条件下最适合用于酵母抽提物中异味化合物的提取方法。结果显示固相微萃取法可以嗅闻到7种异味化合物,为4种方法中最多。用固相微萃取法对所有样品作前处理后进行了稀释分析,确定所有样品中可以嗅闻到的9种异味化合物分别是乙酸(酸味)、丙酸(腐臭味)、丁酸(汗臭味)、愈创木酚(药味)、苯乙烯(汽油味)、正辛醛(脂肪味)、邻二甲苯(天竺葵味)、糠醇(焦糊味)和异戊酸(酸败味)。根据定量结果分析可知:大多数的异味物质是在生产加工的过程中产生的,由DE-2菌株生产的所有产品的异味化合物的总量都低于FX-2菌株生产的产品;在相同菌株的情况下,多酶酶解比单酶酶解获得的产物具有更少的异味化合物;酵母在自溶后分离重相进行酶解,比直接酶解产生的异味物质更少。综上可知,改变生产所用菌株、酶解用酶以及用多酶酶解可以使酵母抽提物具有更少的异味和更饱满的风味轮廓。目前对于酵母抽提物中滋味物质的研究主要集中在鲜味肽和浓厚味肽上,鲜见对咸味肽的分离鉴定,本研究则对肽含量高达80%的具有减盐效果的FA31进行咸味肽的分离、纯化和鉴定。本研究利用超滤、凝胶渗透色谱、制备型液相色谱对FA31中的肽进行了逐级分离,结合感官评价找出咸味组分后用超高效液相色谱-四级杆飞行时间质谱对肽序列进行鉴定。解析出5条咸味肽,分别为Asp-Asp、Glu-Asp、Asp-Asp-Asp、Ser-Pro-Glu和Phe-Ile。对五条肽链进行了肽标准品的合成,并用饮用水、牛肉汤和蔬菜汤作为基质进行滋味特性的验证,发现在饮用水、牛肉汤和蔬菜汤配制的溶液中Asp-Asp和Glu-Asp都呈现咸味、鲜味和酸味;Asp-Asp-Asp在饮用水、牛肉汤和蔬菜汤配制的溶液中呈现咸味和鲜味;Ser-Pro-Glu在饮用水、牛肉汤和蔬菜汤配制的溶液中呈现咸味和酸味;Phe-Ile在饮用水、牛肉汤和蔬菜汤配制的溶液中呈现咸味和苦味。所以解析的五条肽链均为咸味肽,实现了酵母抽提物中咸味肽的分离、纯化和鉴定肽序列,为酵母抽提物FA31的减盐作用提供一定的理论基础。
其他文献
学位
复杂时间序列预测问题普遍存在于智能交通、天气预报、食品安全、金融经济等复杂系统中,不仅与日常生活息息相关,还与社会发展和经济发展紧密联系。如果能够准确地把握时间序列的波动方向,则可以帮助管理者制定更好的决策,提高效率并减小损失。然而,由于实际获取的时间序列具有高度波动性与复杂性,在一定程度上加大了预测难度,准确预测含有复杂噪声的非线性时间序列仍是一个挑战。本文从非线性时序数据预测方法研究着手,结合
学位
学位
图像作为一种语义丰富的信息载体,在物流管理的实时监控中发挥着越来越重要的作用。一个异常物体通常与特定区域密切相关。对特定区域的异常目标进行检测,有利于提高检测分析的准确性,从而提高物流管理水平。在物流运输领域中,由于快递物品数量很多,快速分拣货物,导致掉件丢件的事情屡见不鲜。而在装卸搬运的过程中,包装底部柔软且凹凸不平等物品在传送带进行传送时产生物品掉落的现象和由于工人工作繁忙,物品遗忘在传送带下
三维数据作为一种新兴的数字媒体,广泛应用于文物修复、医学诊断、数字娱乐、智能制造、智慧城市、3D打印等诸多领域。随着三维扫描设备和技术的发展,三维数据的获取更加的方便和普及。然而在三维数据获取过程中,遮挡、错匹配、抖动等情况不可避免,导致获取的数据缺失和不完整,使得重建出的三维模型存在孔洞,影响后续对模型的分析、编辑等操作,使模型在各领域应用中受限。因此,三维数据修复至关重要。三维数据修复的目标是
学位
随着图像处理需求增多,深度学习的作用显著提高,图像处理深度学习模型在生活、生产、安防等领域的作用显著提升,如YOLO、SSD等目标检测与识别网络,为自动驾驶、行为识别等任务带来了极大的便利。但是,庞大的深度学习网络参数也给计算力提出了要求,大量的参数计算不仅影响了运算结果的实时性,也给要求低功耗的嵌入式端带来了巨大的能量消耗。在深度学习网络、FPGA技术及嵌入式技术的基础上,针对在嵌入式端实现图像
本文针对双流卷积神经网络在处理复杂视频分类时存在的相近种类易发生混淆和识别准确率较低的问题,提出了一种时空关系特征提取结合特征聚合及融合机制的三流深度学习网络框架。将关系流网络引入由空间流网络与时间流网络构成的双流网络中,重点解决双流法在视频特征提取中常常会出现的稳定性差、语义理解不足等问题;同时提出一种基于局部聚合描述符向量的特征聚合方法对时空关系特征进行聚合,可以减小类内差异,对时空关系网络所
在日常生活中,视频监控无处不在,广场、火车站、住宅小区、交通道路等常见场所,分布着大大小小,不计其数的摄像头。视频监控,可实现犯罪预防、交通管制、意外等作用,在维护社会安全中发挥着越来越重要的作用。本文是基于视频内容分析技术针对监控视频中的目标检测和行为识别开展研究,对视频中出现的目标进行检测,跟踪及行为识别。论文的主要工作和成果如下:在目标检测中,由于监控中的行人检测存在背景复杂,目标尺度和姿态