CN105795482A - 响应面法优化的青稞膳食纤维的水法提取方法 - Google Patents
响应面法优化的青稞膳食纤维的水法提取方法 Download PDFInfo
- Publication number
- CN105795482A CN105795482A CN201610189017.5A CN201610189017A CN105795482A CN 105795482 A CN105795482 A CN 105795482A CN 201610189017 A CN201610189017 A CN 201610189017A CN 105795482 A CN105795482 A CN 105795482A
- Authority
- CN
- China
- Prior art keywords
- dietary fiber
- extraction
- avenae nudae
- semen avenae
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000013325 dietary fiber Nutrition 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000004044 response Effects 0.000 title claims abstract description 38
- 235000007340 Hordeum vulgare Nutrition 0.000 title abstract 5
- 238000003809 water extraction Methods 0.000 title abstract 5
- 240000005979 Hordeum vulgare Species 0.000 title 1
- 238000000605 extraction Methods 0.000 claims abstract description 105
- 230000000694 effects Effects 0.000 claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 5
- 210000000582 semen Anatomy 0.000 claims description 95
- 238000002474 experimental method Methods 0.000 claims description 34
- 239000007787 solid Substances 0.000 claims description 22
- 241000238366 Cephalopoda Species 0.000 claims description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 17
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 15
- 239000007788 liquid Substances 0.000 claims description 10
- 230000009194 climbing Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 8
- 239000000047 product Substances 0.000 claims description 8
- 108090000790 Enzymes Proteins 0.000 claims description 6
- 102000004190 Enzymes Human genes 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 229940088598 enzyme Drugs 0.000 claims description 6
- 239000002244 precipitate Substances 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 5
- 239000006228 supernatant Substances 0.000 claims description 5
- 108090000526 Papain Proteins 0.000 claims description 4
- 239000004365 Protease Substances 0.000 claims description 4
- 102000004139 alpha-Amylases Human genes 0.000 claims description 4
- 108090000637 alpha-Amylases Proteins 0.000 claims description 4
- 229940024171 alpha-amylase Drugs 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims description 4
- 235000013312 flour Nutrition 0.000 claims description 4
- 238000010438 heat treatment Methods 0.000 claims description 4
- 229940055729 papain Drugs 0.000 claims description 4
- 235000019834 papain Nutrition 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 230000000052 comparative effect Effects 0.000 claims description 2
- 238000009413 insulation Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000009467 reduction Effects 0.000 abstract description 5
- 230000006872 improvement Effects 0.000 abstract description 2
- 241000209219 Hordeum Species 0.000 abstract 4
- 238000004088 simulation Methods 0.000 abstract 1
- 238000002360 preparation method Methods 0.000 description 9
- 239000008367 deionised water Substances 0.000 description 5
- 229910021641 deionized water Inorganic materials 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 235000013305 food Nutrition 0.000 description 5
- 229960004756 ethanol Drugs 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000000540 analysis of variance Methods 0.000 description 3
- 239000003153 chemical reaction reagent Substances 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 230000000968 intestinal effect Effects 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000012528 membrane Substances 0.000 description 3
- 230000008092 positive effect Effects 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 229960000935 dehydrated alcohol Drugs 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 238000004108 freeze drying Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 206010003011 Appendicitis Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010010774 Constipation Diseases 0.000 description 1
- 101100381997 Danio rerio tbc1d32 gene Proteins 0.000 description 1
- 229920002307 Dextran Polymers 0.000 description 1
- 208000005016 Intestinal Neoplasms Diseases 0.000 description 1
- 101100381999 Mus musculus Tbc1d32 gene Proteins 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 208000015634 Rectal Neoplasms Diseases 0.000 description 1
- 208000026487 Triploidy Diseases 0.000 description 1
- 206010046996 Varicose vein Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 201000001883 cholelithiasis Diseases 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 150000004676 glycans Chemical class 0.000 description 1
- 208000014617 hemorrhoid Diseases 0.000 description 1
- 230000002779 inactivation Effects 0.000 description 1
- 201000002313 intestinal cancer Diseases 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000003760 magnetic stirring Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 230000008855 peristalsis Effects 0.000 description 1
- 229920001282 polysaccharide Polymers 0.000 description 1
- 239000005017 polysaccharide Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 206010038038 rectal cancer Diseases 0.000 description 1
- 201000001275 rectum cancer Diseases 0.000 description 1
- 230000036186 satiety Effects 0.000 description 1
- 235000019627 satiety Nutrition 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000027185 varicose disease Diseases 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23V—INDEXING SCHEME RELATING TO FOODS, FOODSTUFFS OR NON-ALCOHOLIC BEVERAGES AND LACTIC OR PROPIONIC ACID BACTERIA USED IN FOODSTUFFS OR FOOD PREPARATION
- A23V2002/00—Food compositions, function of food ingredients or processes for food or foodstuffs
Landscapes
- Medicines Containing Material From Animals Or Micro-Organisms (AREA)
Abstract
本发明提供了一种响应面法优化的青稞膳食纤维的水法提取方法,其包括如下步骤:设计提取条件的因素水平;比较各实验条件下所得青稞膳食纤维提取率得出最佳提取条件;分析各提取条件对提高青稞膳食纤维提取率的显著性;确定响应面法的试验中心点;提取青稞中的膳食纤维,计算各个提取条件下膳食纤维的提取率;采用前步中的实验数据构建响应面法的三维定量构效模型;确定模型预测的最优因素水平;验证模型的可行性,并比较实验所得最优条件与通过软件模拟所得最优条件。本发明方法步骤简单,容易实现,根据精确数学模型基于响应面法的条件优化有利于提高生产效率和产品品质、降低运行成本、符合绿色化学要求。
Description
技术领域
本发明涉及一种响应面法优化的青稞膳食纤维的水法提取方法,属于食品科学与工程技术领域。
背景技术
膳食纤维是膳食纤维是一种多糖,它既不能被胃肠道消化吸收,也不能产生能量。因此,曾一度被认为是一种“无营养物质”而长期得不到足够的重视。然而,随着营养学和相关科学的深入发展,人们逐渐发现了膳食纤维具有相当重要的生理作用。青稞具有丰富的营养价值和突出的医药保健作用。在高寒缺氧的青藏高原,为何不乏百岁老人,这与常食青稞,与青稞突出的医疗保健功能作用是分不开的。其中,青稞膳食纤维含量丰富青稞的总疗效纤维含量16%,其中不可溶性疗效纤维9.68%,可溶性疗效纤维6.37%,前者是小麦的8倍,后者是小麦的15倍:葡聚糖含量6.57%,仅比燕麦低0.1百分点,是小麦的50倍。这类物质能刺激肠道蠕动,有利于粪便排出,可预防便秘、直肠癌、痔疮及下肢静脉曲张;可预防动脉粥样硬化和冠心病等心血管疾病的发生;预防胆结石的形成。产生饱腹感,对肥胖病人进食有利,可作为减肥食品。改善耐糖量,可调节糖尿病人的血糖水平,可作为糖尿病人的食品;改善肠道菌群,预防肠癌、阑尾炎等。
响应面法是一种在科学领域被广泛应用的数学统计方法,通过对实验数据的数学规划分析,拟合出数据的普遍规律,得到最优数值结果。本技术基于实验探索和响应面法优化,同时结合Plackeet-Burman实验和最陡爬坡实验进行模型构建。根据模型方程能在最优化提取条件下提高青稞膳食纤维提取率。建立的响应面法模型步骤简单,容易实现,根据精确数学模型的条件优化有利于提高生产效率和产品品质、降低运行成本、符合绿色化学要求。目前提取膳食纤维的方法主要有化学分离法、酶试剂法、化学试剂和酶试剂结合法、膜分离法,但是这些方法的提取率较低成本较大,不适用于工业化提取青稞膳食纤维。现阶段,对青稞膳食纤维提取方法的优化研究较为缺少,对青稞膳食纤维水法提取的优化研究更为缺少。
发明内容
针对现有技术中的模型缺失,本发明的目的是提供响应面法优化的青稞膳食纤维的水法提取方法及制备,具体是先设计影响青稞膳食纤维提取率的因素水平,然后在各因素水平下进行青稞膳食纤维的提取实验,从而初步得到最优水平,然后利用响应面法构建提高青稞膳食纤维提取率的模型,根据构建模型得到最优提取条件,在最优提取条件下青稞膳食纤维提取率最高,使得青稞的利用率大大提高,大大提高原料的利用率,减少废料的产生,进而降低生产成本,有利于扩大生产规模,为膳食纤维的进一步利用,为青稞膳食纤维功能饮料和其它相关产品的开发奠定基础。
本发明是通过以下技术方案实现的:
本发明提供一种响应面法优化的青稞膳食纤维的水法提取方法,其包括如下步骤:
S1、设计提取条件的因素水平,在各提取条件下提取青稞中膳食纤维并计算提取率;
S2、比较各实验条件下所得青稞膳食纤维提取率得出最佳提取条件;
S3、进行Plackeet-Burman实验,分析各提取条件对提高青稞膳食纤维提取率的显著性;
S4、根据显著性进行最陡爬坡实验,确定响应面法的试验中心点;
S5、根据试验中心点进行实验,提取青稞中的膳食纤维,计算各个提取条件下膳食纤维的提取率;
S6、采用S4中的实验数据构建响应面法的三维定量构效模型;
S7、确定模型预测的最优因素水平,使该提取条件下,提取青稞膳食纤维的提取率最高;
S8、根据预测值在最优化条件下提取膳食纤维,计算实际提取率,与理论值相比较,验证模型的可行性,并比较实验所得最优条件与通过软件模拟所得最优条件。
作为优选方案,步骤S1的具体操作为:
制备青稞面粉分散液;
在所述青稞面粉分散液中,于60~100℃下加入耐高温α-淀粉酶,进行酶解;
加入木瓜蛋白酶,在60℃下进行酶解;
在100℃下进行灭活后,于60℃下加入糖化酶进行酶解;
再次在100℃下进行灭活,然后再原先设定的水提温度下保温提取相应的时间;例如预设的条件是60℃和3h,则在60℃条件下水浴3h。
提取结束后,进行固液分离,取上清液进行醇沉,将醇沉产物再次进行固液分离,收集沉淀进行清洗和干燥,得到青稞膳食纤维。
作为优选方案,步骤S1中,所述提取条件的因素水平包括加热温度为60~100℃,提取时间为3~5h,液固比为4:1~12:1。
作为优选方案,步骤S3中,所述Plackeet-Burman实验包括通过minitab16.1.0软件实现。
作为优选方案,步骤S4中,所述最陡爬坡实验的具体实验方式包括:以主效应最显著的两个因素的实验值变化作为爬坡方向,将加热时间固定在-1水平即4h,将使青稞膳食纤维提取率最高的一组因素水平作为试验中心点。
作为优选方案,步骤S5中,所述的各因素水平包括提取温度:60℃、80℃、100℃;提取时间:3h、4h、5h;液固比:4:1、8:1、12:1。
作为优选方案,步骤S5中,所述的响应面法包括通过DesignExpert8.0软件进行三维定量构效模型的构建。
作为优选方案,步骤S7中所述模型预测的最优因素水平包括提取温度:86.25℃;提取时间:4.06h;液固比为9.02:1的提取条件下,膳食纤维的提取率最高,实测值为21.42%。
作为优选方案,步骤S8中,所述的验证模型可信性为验证最优因素水平下青稞膳食纤维提取率和模型预测值是否一致,一致则模型可信。
响应面法是一种在科学领域被广泛应用的数学统计方法,通过对实验数据的数学规划分析,拟合出数据的普遍规律,得到最优数值结果。本技术基于实验探索和响应面法优化,同时结合Plackeet-Burman实验和最陡爬坡实验进行模型构建。根据模型方程能在最优化提取条件下提高青稞膳食纤维提取率。建立的响应面法模型步骤简单,容易实现,根据精确数学模型的条件优化有利于提高生产效率和产品品质、降低运行成本、符合绿色化学要求。
使用本发明模型的制备参数,进行青稞膳食纤维的提取,提取率高,可以大大提高原料的利用率,减少废料的产生,有利于相关青稞产品的开发。近年来,随着膳食纤维研究的不断深入,相关功能性食品也不断在开发,因此本发明具有较大实际使用价值。
目前青稞膳食纤维的提取仍然有许多需要改进,本申请可以通过该技术使得提取率提高程度高于现有用同种提取方法的提取率。
使用本发明模型的制备参数,进行青稞膳食纤维的提取,提取率高,可以大大提高原料的利用率,减少废料的产生,有利于相关青稞产品的开发。近年来,随着膳食纤维研究的不断深入,相关功能性食品也不断在开发,因此本发明具有较大实际使用价值。
与现有技术相比,本发明具有如下的有益效果:
1、本发明方法步骤简单,容易实现,根据精确数学模型基于响应面法的条件优化有利于提高生产效率和产品品质、降低运行成本、符合绿色化学要求;
2、本发明方法高效利用天然的水和热能,其方法对青稞膳食纤维结构破坏小,是理想的环境友好型生产技术。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为响应面法的三维定量构效模型模型;
图2为发明模型提高青稞膳食纤维的效果。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
实际实验部分
实施例1
本实施例涉青稞膳食纤维的水法提取工艺及制备,所述方法包括如下步骤:
步骤1、称取10g南龙格纳青稞干重粉末(青稞打磨后用5mm孔径筛过筛),置于烧杯中,加入40ml去离子水(液固比为4:1),用玻璃棒搅拌均,置于水浴锅中保温到80℃;
步骤2、加入50微升耐高温α-淀粉酶,在80℃水浴条件下酶解1h;
步骤3、将水浴温度调至60℃,称取木瓜蛋白酶15㎎并加入酶解液,在60℃水浴条件下酶解1h;
步骤4、在100℃水浴条件下灭活30min,再把温度调回60℃;
步骤5、加入400微升糖化酶,在60℃水浴条件下酶解1h;
步骤6、再次在100摄氏度水浴条件下灭活30min,之后在60℃的水浴温度下保温3h;
步骤7、提取结束之后,将酶解液全部倒入离心瓶中,3000转离心15分钟,取上清液于洁净的烧杯中,同时烧杯中放入搅拌子,在磁力搅拌器的作用下,缓慢滴入3倍体积无水乙醇醇沉,放置过夜;
步骤8、将步骤7所得醇沉液完全放入离心瓶中,3000转离心15分钟,上清液弃去,沉淀用原先加入毫升数的去离子水在水浴条件下复溶,并在水浴条件下蒸发至25ml;
步骤9、用封口膜将烧杯封口,放入冷冻室中,使上述复溶液结冻;
步骤10、待其结冻后,在封口膜上戳孔,并放入冷冻干燥机中冷冻干燥24h;
步骤11、将烧杯取出,烧杯底部的蓬松饼状固体即为膳食纤维,将其刮下,置于保鲜袋中,并放置在干燥器中保存,同时根据称量结果计算青稞膳食纤维提取率;
实施效果:在本实验条件下,青稞膳食纤维的提取率为13.34%。
实施例2
本实施例涉及青稞膳食纤维的水法提取方法及制备,所述方法与实施例1相同,不同之处仅在于:
步骤1中加入的去离子水的体积数为120ml
实施效果:如图2所示,在本实验条件下,青稞膳食纤维的提取率为15.39%。
实施例3
本实施例涉及青稞膳食纤维的水法提取方法及制备,所述方法与实施例1相同,不同之处仅在于:
步骤6中水浴温度为80℃,保温时间为4h,固液比为8:1
实施效果:如图2所示,在本实验条件下,青稞膳食纤维的提取率为20.89%。
优化部分:
实施例1
本实施例涉响应面法优化的青稞膳食纤维的水法提取工艺及制备,所述方法包括如下步骤:
步骤1,在液固比:4:1、8:1;加热时间:3h、4h;加热温度:60℃、80℃条件下进行青稞膳食纤维的提取实验。青稞膳食纤维的提取方式为:称取10g干重南龙格纳青稞粉末(青稞打磨后用5mm孔径筛过筛),置于提取容器中,然后加入相应体积去离子水,先用50微升耐高温α-淀粉酶在80℃下酶解1h,接着加入木瓜蛋白酶15㎎在60℃下酶解1h;然后在100℃水浴条件下灭火30min;之后加入400微升糖化酶在60℃条件下酶解1h;再次在100℃条件下水浴灭火30min;3000转离心15分钟得上清液,并缓慢滴入三倍体积的无水乙醇醇沉过夜;离心得沉淀,用原来体积数去离子水复溶;水浴蒸发至25ml,放至冰箱中冻结;再冷冻干燥24h,得青稞膳食纤维,称重并计算青稞膳食纤维提取率;膳食纤维放在保鲜袋中,置于干燥器中保存;
步骤2,打开minitab16.1.0软件,依次选择:统计-DOE-因子-创建因子设计,选中Plackeet-Burman设计,将因子数设为2,点击确定按钮。在工作表中输入相应数据,依次选择:统计-DOE-因子-分析因子设计,将膳食纤维提取率选择入响应一栏,液固比、温度和时间选择入所选项一栏,设定置信水平为95,α=0.05,点击确定按钮,程序自动在会话框中罗列数据分析结果(详见表1)。结果表明液固比与加热温度对最终提高青稞膳食纤维提取率影响最显著,且液固比为负效应,加热温度与时间为正效应;
表1:Plackeet-Burman实验结果数据表
步骤3,液固比为负效应,增大液固比有利于降低青稞膳食纤维提取率;加热温度为正效应,降低加热温度有利于降低青稞膳食纤维提取率。以主效应最显著的两个因素(液固比与加热温度)的实验值变化(液固比由+1水平即20%等步长增大而加热温度由-1水平即100℃等步长降低)作为爬坡方向,将提取时间(正效应)固定在-1水平即4h。结果表明:青稞膳食纤维提取率最高为20.89%,即对应的一组因素水平为试验中心点:液固比:8:1、提取时间:4h、加热温度:80℃;
步骤4,根据试验中心点在加热温度:60℃、80℃、100℃;提取时间:3h、4h、5h;液固比:4:1、8:1、12:1条件下进行提取膳食纤维的实验,提取方法以及膳食纤维提取率的计算方法测定方式同步骤1;
步骤5,打开DesignExpert8.0软件,依次选择:NewDesign-ResponseSurface-BoxBehnken。Numericfactors设定为3,输入因素名称(liquid-solidratio、time、temperature)和单位(H、℃),将4:1、3h、60℃设定为-1水平,12:1、5h、100℃设定为+1水平,点击continue按钮。将responses设定为1,输入响应量膳食纤维提取率(yield)和单位(%),点击continue按钮。在表中输入相应数据后,依次选择R1:yield(Analyzed)-f(x)Model,Processorder一栏中选择Quadratic,Selection一栏中选择Manual,点击ANOVA按钮。查看对话框,Model显著(P<0.0001)说明Quadratic模型选择合理;Lackoffit不显著说明模型没有明显的失拟情况;C.V.=1.32%说明变异系数仅为1.32%,变异不显著;R2=0.9969,说明该模型可以解释99.69%的实验数据,拟合度高;AdeqPrecisior=45.182,说明信噪比远大于4,误差噪音没有产生显著影响。点击Model按钮,在GraphsTool中选择3DSueface选项查看3D模型,图像四周低中间高,中部最高处为提取青稞膳食纤维提取率的最大值(详见图1);C.V.=1.32%,R2=0.9969,信噪比:45.182)。结果显示:加热温度:86.25℃;提取时间:4.06h;液固比为9.02:1的提取条件下,膳食纤维的提取率最高,实测值为21.42%(预测值为21.48%,同预测值基本一致),提取率与实验中的其它提取条件相比有了较大提高。
步骤6,确定最优因素水平。点击左侧栏Numerical选项,在右侧框中选择extractionrate,在Goal一栏中选择maximize,将Limits一行中Upper一列的数值改为75,点击Solutions按钮。在对话框Solutions一项中显示模型预测青稞膳食纤维提取率最高值为21.48%,对应最优因素水平为:加热温度:86.25℃;加热时间:4.06h;液固比:9.02:1;
步骤7,根据预测值在最优因素水平条件下的进行青稞膳食纤维的实验,提取处理方式同步骤1。实测在该条件下用青稞膳食纤维的提取率为21.42%,同预测值(21.48%)基本一致;
实施效果:本实施例模型预测可靠,Lackoffit不显著;C.V.=1.32%;R2=0.9969;AdeqPrecisior=45.182。在该提取条件下,如图2所示,青稞膳食纤维青稞的提取率为21.42%。
实施例2
本实施例涉及响应面法优化的青稞膳食纤维的水法提取方法及制备,所述方法与实施例1相同,不同之处仅在于:
步骤5中,在表中输入相应数据后,依次选择:R1:yield(Analyzed)-f(x)Model,Processorder一栏中选择Modified,Selection一栏中选择Backward,Alphaout设定为0.05,点击ANOVA按钮。查看对话框,Model显著(P<0.0001)说明Modified-Backward(Alphaout=0.05)模型选择合理;Lackoffit显著,说明模型存在失拟情况;C.V.=1.43%说明变异系数仅为1.43%,变异不显著;R2=0.8398,说明该模型可以解释83.98%的实验数据,拟合度较差;AdeqPrecisior=13.890,说明信噪比大于4,误差噪音没有产生显著影响;
步骤6中,在对话框Solutions一项中显示模型预测青稞膳食纤维提取率最高为19.67%,对应最优因素水平为:加热温度:88.19℃;提取时间:4.09h;液固比:11.2:1;
步骤7中,根据预测值在最优因素水平条件下进行提取青稞膳食纤维的实验。实测计算得在该条件下提取青稞膳食纤维的提取率为18.87%,同预测值(19.67%)相差较大。
实施效果:本实施例模型预测不可靠,Lackoffit显著;C.V.=1.43%;R2=0.8398;AdeqPrecisior=15.014。在该条件下进行提取青稞膳食纤维的实验,计算得膳食纤维提取率为18.87%。
实施例3
本实施例涉及响应面法优化的青稞膳食纤维的水法提取方法及制备,所述方法与实施例1相同,不同之处仅在于:
步骤5中,在表中输入相应数据后,依次选择:R1:yield(Analyzed)-f(x)Model,Processorder一栏中选择Cubic,Selection一栏中选择Manual,点击ANOVA按钮。查看对话框,Model显著(P=0.0003)说明Cubic模型选择合理;C.V.=1.62%说明变异系数仅为1.62%,变异不显著;R2=0.9991,说明该模型可以解释99.91%的实验数据,拟合度高;AdeqPrecisior=36.134,说明信噪比远大于4,误差噪音没有产生显著影响;
步骤6中,在对话框Solutions一项中显示模型预测青稞膳食纤维提取率最高为21.12%,对应最优因素水平为:加热温度:87.50℃;提取时间:4.04h;液固比11.17:1;
步骤7中,根据预测值在最优因素水平条件下进行提取青稞膳食纤维的实验。实测膳食纤维的提取率为21.05%,同预测值(21.12%)基本一致。
实施效果:本实施例模型预测可靠;C.V.=1.62%;R2=99.91%;在该条件下进行用提取青稞膳食纤维的实验,计算得膳食纤维提取率为21.05%。
在优化部分中,对比三种模型可知,实施例1为本发明的最优实施例,模型的CV值(1.32%)低,R2(0.9969)高,信噪比(45.182)高,失拟情况不显著,拟合效果好;提取青稞膳食纤维提取率高,能显著提高其提取率。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (9)
1.一种响应面法优化的青稞膳食纤维的水法提取方法,其特征在于,包括如下步骤:
S1、设计提取条件的因素水平,在各提取条件下提取青稞中膳食纤维并计算提取率;
S2、比较各实验条件下所得青稞膳食纤维提取率得出最佳提取条件;
S3、进行Plackeet-Burman实验,分析各提取条件对提高青稞膳食纤维提取率的显著性;
S4、根据显著性进行最陡爬坡实验,确定响应面法的试验中心点;
S5、根据试验中心点进行实验,提取青稞中的膳食纤维,计算各个提取条件下膳食纤维的提取率;
S6、采用S4中的实验数据构建响应面法的三维定量构效模型;
S7、确定模型预测的最优因素水平,使该提取条件下,提取青稞膳食纤维的提取率最高;
S8、根据预测值在最优化条件下提取膳食纤维,计算实际提取率,与理论值相比较,验证模型的可行性,并比较实验所得最优条件与通过软件模拟所得最优条件。
2.如权利要求1所述的响应面法优化的青稞膳食纤维的水法提取方法,其特征在于,步骤S1的具体操作为:
制备青稞面粉分散液;
在所述青稞面粉分散液中,于60~100℃下加入耐高温α-淀粉酶,进行酶解;
加入木瓜蛋白酶,在60~100℃下进行酶解;
在60~100℃下进行灭活后,于60~100℃下加入糖化酶进行酶解;
再次在60~100℃下进行灭活,然后再原先设定的水提温度下保温提取相应的时间;
提取结束后,进行固液分离,取上清液进行醇沉,将醇沉产物再次进行固液分离,收集沉淀进行清洗和干燥,得到青稞膳食纤维。
3.如权利要求1所述的响应面法优化的青稞膳食纤维的水法提取方法,其特征在于,步骤S1中,所述提取条件的因素水平包括加热温度为60~100℃,提取时间为3~5h,液固比为4:1~12:1。
4.如权利要求1所述的响应面法优化的青稞膳食纤维的水法提取方法,其特征在于,步骤S3中,所述Plackeet-Burman实验包括通过minitab16.1.0软件实现。
5.如权利要求1所述的响应面法优化的青稞膳食纤维的水法提取方法,其特征在于,步骤S4中,所述最陡爬坡实验的具体实验方式包括:以主效应最显著的两个因素的实验值变化作为爬坡方向,将加热时间固定在-1水平即4h,将使青稞膳食纤维提取率最高的一组因素水平作为试验中心点。
6.如权利要求1所述的响应面法优化的青稞膳食纤维的水法提取方法,其特征在于,步骤S5中,所述的各因素水平包括提取温度:60℃、80℃、100℃;提取时间:3h、4h、5h;液固比:4:1、8:1、12:1。
7.如权利要求1所述的响应面法优化的青稞膳食纤维的水法提取方法,其特征在于,步骤S5中,所述的响应面法包括通过DesignExpert8.0软件进行三维定量构效模型的构建。
8.如权利要求1所述的响应面法优化的青稞膳食纤维的水法提取方法,其特征在于,步骤S7中所述模型预测的最优因素水平包括提取温度:86.25℃;提取时间:4.06h;液固比为9.02:1的提取条件下,膳食纤维的提取率最高,实测值为21.42%。
9.如权利要求1所述的响应面法优化的青稞膳食纤维的水法提取方法,其特征在于,步骤S8中,所述的验证模型可信性为验证最优因素水平下青稞膳食纤维提取率和模型预测值是否一致,一致则模型可信。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610189017.5A CN105795482A (zh) | 2016-03-29 | 2016-03-29 | 响应面法优化的青稞膳食纤维的水法提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610189017.5A CN105795482A (zh) | 2016-03-29 | 2016-03-29 | 响应面法优化的青稞膳食纤维的水法提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105795482A true CN105795482A (zh) | 2016-07-27 |
Family
ID=56454961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610189017.5A Pending CN105795482A (zh) | 2016-03-29 | 2016-03-29 | 响应面法优化的青稞膳食纤维的水法提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105795482A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101744227A (zh) * | 2008-11-28 | 2010-06-23 | 江苏江南生物科技有限公司 | 一种蛹虫草子实体膳食纤维的提取方法 |
CN101756174A (zh) * | 2010-01-19 | 2010-06-30 | 陕西科技大学 | 甜荞麦膳食纤维提取方法 |
CN101889677A (zh) * | 2010-07-20 | 2010-11-24 | 上海应用技术学院 | 一种苦荞麸皮膳食纤维的提取方法 |
CN102805290A (zh) * | 2011-05-31 | 2012-12-05 | 保龄宝生物股份有限公司 | 一种利用小麦麸皮制备膳食纤维的方法 |
CN102885318A (zh) * | 2012-10-14 | 2013-01-23 | 李冉 | 一种甘薯膳食纤维的提取方法 |
CN104278066A (zh) * | 2014-09-25 | 2015-01-14 | 齐鲁工业大学 | 一种超高压结合酶法制备小麦麸皮低聚木糖的方法 |
CN104382020A (zh) * | 2014-10-31 | 2015-03-04 | 云南农业大学 | 青稞膳食纤维-多酚复合物的制备方法 |
CN104732084A (zh) * | 2015-03-20 | 2015-06-24 | 上海交通大学 | 基于响应面法降低快速消化淀粉含量的模型构建方法 |
-
2016
- 2016-03-29 CN CN201610189017.5A patent/CN105795482A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101744227A (zh) * | 2008-11-28 | 2010-06-23 | 江苏江南生物科技有限公司 | 一种蛹虫草子实体膳食纤维的提取方法 |
CN101756174A (zh) * | 2010-01-19 | 2010-06-30 | 陕西科技大学 | 甜荞麦膳食纤维提取方法 |
CN101889677A (zh) * | 2010-07-20 | 2010-11-24 | 上海应用技术学院 | 一种苦荞麸皮膳食纤维的提取方法 |
CN102805290A (zh) * | 2011-05-31 | 2012-12-05 | 保龄宝生物股份有限公司 | 一种利用小麦麸皮制备膳食纤维的方法 |
CN102885318A (zh) * | 2012-10-14 | 2013-01-23 | 李冉 | 一种甘薯膳食纤维的提取方法 |
CN104278066A (zh) * | 2014-09-25 | 2015-01-14 | 齐鲁工业大学 | 一种超高压结合酶法制备小麦麸皮低聚木糖的方法 |
CN104382020A (zh) * | 2014-10-31 | 2015-03-04 | 云南农业大学 | 青稞膳食纤维-多酚复合物的制备方法 |
CN104732084A (zh) * | 2015-03-20 | 2015-06-24 | 上海交通大学 | 基于响应面法降低快速消化淀粉含量的模型构建方法 |
Non-Patent Citations (8)
Title |
---|
何国庆: "《食品发酵与酿造工艺学》", 31 August 2011, 中国农业出版社 * |
俞莹等: "响应面法优化提取罗布麻可溶性膳食纤维的工艺研究", 《食品工业》 * |
姚玮华: "青稞膳食纤维的提取及应用研究", 《中国学位论文全文数据库》 * |
张嫚: "响应面法优化蒲菜中膳食纤维的提取工艺", 《江苏农业科学》 * |
李伟等: "火棘果黄酮提取工艺优化及其抗氧化作用", 《湖北民族学院学报(自然科学版)》 * |
王文枝等: "Plackett-Burman设计法和中心组合法优化豆渣膳食纤维提取工艺", 《食品科技》 * |
郭苗苗等: "响应面优化研究小麦麸皮可溶性膳食纤维的提取工艺", 《食品工业》 * |
魏决等: "苦荞麦麸皮膳食纤维提取工艺的优化", 《食品科技》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104544137B (zh) | 一种以麦麸为原料制备麦麸膳食纤维的方法 | |
CN105039453B (zh) | 一种具有提高的抗氧化性的米糠多糖的制备方法及应用 | |
CN104187746B (zh) | 发酵法制备绿豆皮可溶性膳食纤维的工艺 | |
CN105018264B (zh) | 一种浑浊稳定性白啤酒及其生产方法 | |
CN107501600A (zh) | 一种利用脉冲电场制备改性多孔淀粉的方法 | |
CN103918872A (zh) | 大米抗性淀粉制备生产方法 | |
Brinley et al. | Dielectric properties of sweet potato purees at 915 MHz as affected by temperature and chemical composition | |
CN105029451B (zh) | 一种大蒜秸秆活性膳食纤维及其制备方法 | |
CN109055102A (zh) | 一种富含葛根黄酮的葛根酒及其制备方法 | |
CN105294868A (zh) | 一种菌菇多糖的提取方法及重菇高汤精制备方法 | |
CN102559808A (zh) | 玉米秸秆芯穰制备低聚木糖的方法 | |
CN108095129A (zh) | 一种发酵制备麸皮水溶性膳食纤维的方法 | |
CN105482955A (zh) | 一种稠绵果酒的制备方法 | |
CN105795482A (zh) | 响应面法优化的青稞膳食纤维的水法提取方法 | |
CN107090478A (zh) | 一种从香菇柄中提取水溶性膳食纤维的方法 | |
CN104382147B (zh) | 一种马齿苋菊芋共发酵饮料及其制备方法 | |
CN105919139A (zh) | 基于响应面法的提高青稞膳食纤维提取率的方法 | |
CN103467553B (zh) | 一种从枣皮中高效提取cAMP的方法 | |
CN107821893A (zh) | 运用多菌种结合细胞固定化技术制备海带生物饮品的方法 | |
CN107212424A (zh) | 一种水溶性青稞膳食纤维的提取方法 | |
CN108048329A (zh) | 一种微藻细胞破壁的方法 | |
CN104732084B (zh) | 基于响应面法降低快速消化淀粉含量的模型构建方法 | |
CN105852140A (zh) | 青稞膳食纤维的碱法提取方法的响应面法优化 | |
CN106987493A (zh) | 一种双酶糖化协同蜂蜜接合酵母发酵黄酒的方法 | |
CN106893676A (zh) | 一种从蛋白核小球藻中提取蛋白质的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160727 |