CN118116497A - 一种食品gi预测模型及其构建方法与应用 - Google Patents
一种食品gi预测模型及其构建方法与应用 Download PDFInfo
- Publication number
- CN118116497A CN118116497A CN202410296806.3A CN202410296806A CN118116497A CN 118116497 A CN118116497 A CN 118116497A CN 202410296806 A CN202410296806 A CN 202410296806A CN 118116497 A CN118116497 A CN 118116497A
- Authority
- CN
- China
- Prior art keywords
- food
- prediction model
- content
- hydrolysis
- digestion
- 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
- 235000013305 food Nutrition 0.000 title claims abstract description 211
- 238000010276 construction Methods 0.000 title claims abstract description 22
- 230000007062 hydrolysis Effects 0.000 claims abstract description 75
- 238000006460 hydrolysis reaction Methods 0.000 claims abstract description 75
- 238000000034 method Methods 0.000 claims abstract description 62
- 150000001720 carbohydrates Chemical class 0.000 claims abstract description 41
- 235000013325 dietary fiber Nutrition 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 238000013528 artificial neural network Methods 0.000 claims abstract description 26
- 230000002641 glycemic effect Effects 0.000 claims abstract description 12
- 230000029087 digestion Effects 0.000 claims description 91
- 235000014633 carbohydrates Nutrition 0.000 claims description 39
- 230000001079 digestive effect Effects 0.000 claims description 34
- 235000011389 fruit/vegetable juice Nutrition 0.000 claims description 33
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 26
- 239000008103 glucose Substances 0.000 claims description 26
- 238000000338 in vitro Methods 0.000 claims description 20
- 238000005259 measurement Methods 0.000 claims description 17
- 229920002472 Starch Polymers 0.000 claims description 16
- 239000008107 starch Substances 0.000 claims description 16
- 235000019698 starch Nutrition 0.000 claims description 16
- 239000007788 liquid Substances 0.000 claims description 13
- 238000000691 measurement method Methods 0.000 claims description 12
- 239000000047 product Substances 0.000 claims description 9
- 235000008429 bread Nutrition 0.000 claims description 8
- 230000004913 activation Effects 0.000 claims description 7
- 235000007164 Oryza sativa Nutrition 0.000 claims description 6
- 235000009566 rice Nutrition 0.000 claims description 6
- 235000000346 sugar Nutrition 0.000 claims description 6
- 239000002994 raw material Substances 0.000 claims description 5
- 235000013361 beverage Nutrition 0.000 claims description 4
- 238000013332 literature search Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 235000013365 dairy product Nutrition 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 235000014571 nuts Nutrition 0.000 claims description 3
- 240000007594 Oryza sativa Species 0.000 claims 1
- 235000013410 fast food Nutrition 0.000 claims 1
- 235000014594 pastries Nutrition 0.000 claims 1
- 235000015895 biscuits Nutrition 0.000 abstract description 48
- 235000012041 food component Nutrition 0.000 abstract description 6
- 239000005417 food ingredient Substances 0.000 abstract 1
- 230000002496 gastric effect Effects 0.000 description 26
- 239000000523 sample Substances 0.000 description 25
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 description 24
- 239000000243 solution Substances 0.000 description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 22
- 229940021013 electrolyte solution Drugs 0.000 description 21
- 239000008151 electrolyte solution Substances 0.000 description 21
- 210000000813 small intestine Anatomy 0.000 description 20
- 238000012360 testing method Methods 0.000 description 19
- 239000000203 mixture Substances 0.000 description 13
- 235000016709 nutrition Nutrition 0.000 description 11
- 230000001954 sterilising effect Effects 0.000 description 11
- 238000004659 sterilization and disinfection Methods 0.000 description 11
- 238000002360 preparation method Methods 0.000 description 10
- 210000000214 mouth Anatomy 0.000 description 9
- 235000018102 proteins Nutrition 0.000 description 9
- 102000004169 proteins and genes Human genes 0.000 description 9
- 108090000623 proteins and genes Proteins 0.000 description 9
- 239000006228 supernatant Substances 0.000 description 9
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 8
- 230000000968 intestinal effect Effects 0.000 description 8
- 238000003756 stirring Methods 0.000 description 8
- 210000000941 bile Anatomy 0.000 description 7
- 239000008367 deionised water Substances 0.000 description 7
- 229910021641 deionized water Inorganic materials 0.000 description 7
- 230000035764 nutrition Effects 0.000 description 7
- 230000001105 regulatory effect Effects 0.000 description 7
- UXVMQQNJUSDDNG-UHFFFAOYSA-L Calcium chloride Chemical compound [Cl-].[Cl-].[Ca+2] UXVMQQNJUSDDNG-UHFFFAOYSA-L 0.000 description 6
- 239000001110 calcium chloride Substances 0.000 description 6
- 229960002713 calcium chloride Drugs 0.000 description 6
- 229910001628 calcium chloride Inorganic materials 0.000 description 6
- 238000004090 dissolution Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 210000001819 pancreatic juice Anatomy 0.000 description 6
- 235000012794 white bread Nutrition 0.000 description 6
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 5
- 241000209094 Oryza Species 0.000 description 5
- 238000009835 boiling Methods 0.000 description 5
- 235000019197 fats Nutrition 0.000 description 5
- 108010073178 Glucan 1,4-alpha-Glucosidase Proteins 0.000 description 4
- UIIMBOGNXHQVGW-UHFFFAOYSA-M Sodium bicarbonate Chemical compound [Na+].OC([O-])=O UIIMBOGNXHQVGW-UHFFFAOYSA-M 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 239000004615 ingredient Substances 0.000 description 4
- 229910000402 monopotassium phosphate Inorganic materials 0.000 description 4
- 235000019796 monopotassium phosphate Nutrition 0.000 description 4
- GNSKLFRGEWLPPA-UHFFFAOYSA-M potassium dihydrogen phosphate Chemical compound [K+].OP(O)([O-])=O GNSKLFRGEWLPPA-UHFFFAOYSA-M 0.000 description 4
- LWIHDJKSTIGBAC-UHFFFAOYSA-K potassium phosphate Substances [K+].[K+].[K+].[O-]P([O-])([O-])=O LWIHDJKSTIGBAC-UHFFFAOYSA-K 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000011780 sodium chloride Substances 0.000 description 4
- 239000012086 standard solution Substances 0.000 description 4
- WEVYAHXRMPXWCK-UHFFFAOYSA-N Acetonitrile Chemical group CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 description 3
- 239000004382 Amylase Substances 0.000 description 3
- 102000013142 Amylases Human genes 0.000 description 3
- 108010065511 Amylases Proteins 0.000 description 3
- 102000004190 Enzymes Human genes 0.000 description 3
- 108090000790 Enzymes Proteins 0.000 description 3
- 108010019160 Pancreatin Proteins 0.000 description 3
- 102000057297 Pepsin A Human genes 0.000 description 3
- 108090000284 Pepsin A Proteins 0.000 description 3
- 235000019418 amylase Nutrition 0.000 description 3
- 239000003833 bile salt Substances 0.000 description 3
- 235000013339 cereals Nutrition 0.000 description 3
- 239000000306 component Substances 0.000 description 3
- 230000009849 deactivation Effects 0.000 description 3
- 210000002249 digestive system Anatomy 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007636 ensemble learning method Methods 0.000 description 3
- 229940088598 enzyme Drugs 0.000 description 3
- 238000000855 fermentation Methods 0.000 description 3
- 230000004151 fermentation Effects 0.000 description 3
- 238000004128 high performance liquid chromatography Methods 0.000 description 3
- 229940055695 pancreatin Drugs 0.000 description 3
- 229940111202 pepsin Drugs 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000007974 sodium acetate buffer Substances 0.000 description 3
- ATRRKUHOCOJYRX-UHFFFAOYSA-N Ammonium bicarbonate Chemical compound [NH4+].OC([O-])=O ATRRKUHOCOJYRX-UHFFFAOYSA-N 0.000 description 2
- XRHVZWWRFMCBAZ-UHFFFAOYSA-L Endothal-disodium Chemical compound [Na+].[Na+].C1CC2C(C([O-])=O)C(C(=O)[O-])C1O2 XRHVZWWRFMCBAZ-UHFFFAOYSA-L 0.000 description 2
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 2
- CSNNHWWHGAXBCP-UHFFFAOYSA-L Magnesium sulfate Chemical compound [Mg+2].[O-][S+2]([O-])([O-])[O-] CSNNHWWHGAXBCP-UHFFFAOYSA-L 0.000 description 2
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 108010067035 Pancrelipase Proteins 0.000 description 2
- UIIMBOGNXHQVGW-DEQYMQKBSA-M Sodium bicarbonate-14C Chemical compound [Na+].O[14C]([O-])=O UIIMBOGNXHQVGW-DEQYMQKBSA-M 0.000 description 2
- 239000001099 ammonium carbonate Substances 0.000 description 2
- 235000012501 ammonium carbonate Nutrition 0.000 description 2
- 239000007864 aqueous solution Substances 0.000 description 2
- 235000012970 cakes Nutrition 0.000 description 2
- LLSDKQJKOVVTOJ-UHFFFAOYSA-L calcium chloride dihydrate Chemical compound O.O.[Cl-].[Cl-].[Ca+2] LLSDKQJKOVVTOJ-UHFFFAOYSA-L 0.000 description 2
- 229940052299 calcium chloride dihydrate Drugs 0.000 description 2
- 238000005119 centrifugation Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 235000014510 cooky Nutrition 0.000 description 2
- 108091007734 digestive enzymes Proteins 0.000 description 2
- 102000038379 digestive enzymes Human genes 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 235000021049 nutrient content Nutrition 0.000 description 2
- 229940045258 pancrelipase Drugs 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 235000017557 sodium bicarbonate Nutrition 0.000 description 2
- 229910000030 sodium bicarbonate Inorganic materials 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 235000016623 Fragaria vesca Nutrition 0.000 description 1
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 1
- 102000019280 Pancreatic lipases Human genes 0.000 description 1
- 108050006759 Pancreatic lipases Proteins 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000004480 active ingredient Substances 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000012295 chemical reaction liquid Substances 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000036267 drug metabolism Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 235000015219 food category Nutrition 0.000 description 1
- 239000005428 food component Substances 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000004108 freeze drying Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003914 insulin secretion Effects 0.000 description 1
- 238000010829 isocratic elution Methods 0.000 description 1
- 235000021073 macronutrients Nutrition 0.000 description 1
- 238000003760 magnetic stirring Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 229940116369 pancreatic lipase Drugs 0.000 description 1
- 125000002924 primary amino group Chemical group [H]N([H])* 0.000 description 1
- 239000013074 reference sample Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 150000008163 sugars Chemical class 0.000 description 1
- 235000019605 sweet taste sensations Nutrition 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 235000021404 traditional food Nutrition 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明提供了一种食品GI预测模型及其构建方法与应用,属于食品成分分析技术领域。本发明提供的食品GI预测模型的构建方法,包括以下步骤:S1,获取定标食品的HI、蛋白质含量、脂肪含量、碳水化合物含量、膳食纤维含量;S2,将所述定标食品的HI,蛋白质含量,脂肪含量,碳水化合物含量,膳食纤维含量采用神经网络预测模型进行拟合分析,得到食品GI预测模型;其中,GI为血糖生成指数,HI为水解指数,步骤S1中所述定标食品与步骤S2中所述食品GI预测模型中的食品的类别相同。本发明利用上述构建方法,得到一种饼干类食品的GI预测模型,相较现有GI预测模型提高了预测准确率,具有良好的应用与推广前景。
Description
技术领域
本发明属于食品成分分析技术领域,涉及一种食品GI预测模型及其构建方法与应用。
背景技术
血糖生成指数(GI)是反应食物进入人体后血糖升高的速度与胰岛素分泌之间关系的指标。GI值表示当食用含50g可利用碳水化合物的食物后,在一定时间内(一般为2h)体内血糖水平应答与食用相当量的葡萄糖或白面包引起的血糖应答水平的比值。根据GI值的不同,可分为高GI食物(GI>70),中GI食物(55<GI≤70),低GI食物(GI≤55)。GI的值越高,食物进入人体后引起血糖升高的速度就越快,对机体影响就越大。当前常用的GI测试主要有人体测试、动物测试和体外模拟消化,其中人体测试是目前测定食物GI值的金标准方法。然而,由于人体测试和动物测试存在费用高、涉及伦理等问题,实施具有一定的局限性。体外消化模型是依靠于体内消化情况建立,并且两者之间有一定的相关性,它能在一定程度上反映摄入物质的消化和利用程度,与人体GI测试相比具有简单方便易操作的优点。因此,它在食品营养吸收、药物代谢、有效成分生物利用度、食品摄入安全性评价等方面的应用越来越受到重视。
预测GI方法的体外消化模型中,最典型的测试方法由K.N.Englyst及其同事创立(Classification and measurement of nutritionally important starch fractions,European Journal of Clinical Nutrition,1992, 46, 33-50.),具体操作为待测食物与消化酶在37℃下混合,使用比色法测定消化液中的葡萄糖水平。在Englyst方法之后,研究人员继续对体外消化模型进行优化,Rytz等在预测生糖类碳水化合物对食物GI值的影响时还同时考虑了蛋白质、脂肪、膳食纤维营养成分对GI值的影响,进而预测食品的GI值(Predicting glycemic index and glycemic load from macronutrients toaccelerate development of foods and beverages with lower glucose response,Nutrients,2019, 11(5), 1172.)。最后用早餐麦片对模型进行验证,结果表明模型预测GI值与实际测量GI值相关性较好。
中国专利申请202110458696.2公开了一种体外测定碳水化合物食物的血糖生成指数的方法。该方法基于淀粉消化动力学的大米GI值预测方法,用于快速鉴定不同品种米饭的GI值。然而,在考虑到营养成分对GI值的影响时,由于模型建立样本选择和食物中营养成分的差异,不同种类食物的预测模型可能相差较大,通用模型可能存在预测精确度低等缺点。因此有必要针对食物种类建立特定的、准确度更高的GI预测模型。
目前体外消化模型已经被广泛被运用于健康和营养方面的研究中,作为食品和药品分析中常用的工具。但在实际操作时,体外消化模型还存在许多不统一的地方,如待测试物的破碎程度、待测试物的用量及依据、消化酶的种类及用量、葡萄糖的测定方法、参考食物、以及GI值的数学模型等。这些测定条件和参数的不一致造成即使同种原料其测定结果也存在较大差异,因此,对于体外消化模型而言,尚需更多研究以建立标准化的操作规程来确保结果的准确性和可靠性。而现有技术在针对食物种类建立特定的GI预测模型的构建方法上存在技术瓶颈。
发明内容
有鉴于此,针对现有技术尚不能给出一种针对食物种类建立特定的、准确度更高的GI预测模型的构建方法的问题,本发明的目的是提供一种食品GI预测模型及其构建方法与应用。
为实现上述发明目的,一方面,本发明提供一种食品GI预测模型的构建方法,包括以下步骤:
S1、获取定标食品的HI、蛋白质含量、脂肪含量、碳水化合物含量、膳食纤维含量;
S2、将步骤S1中获取的所述定标食品的HI,蛋白质含量,脂肪含量,碳水化合物含量,膳食纤维含量采用神经网络预测模型进行拟合分析,得到食品GI预测模型;
其中,GI为血糖生成指数,HI为水解指数,步骤S1中所述定标食品与步骤S2中所述食品GI预测模型中的食品的类别相同。
其中,所述食品的类别包括但不限于:饼干类食品、水果、坚果制品、粮食加工品、方便食品、乳制品、食糖、糕点、饮料、蜂产品、淀粉及淀粉制品等。
优选地,所述食品的类别选自饼干类食品、水果、坚果制品、粮食加工品、方便食品、乳制品、食糖、糕点、饮料、蜂产品、淀粉及淀粉制品中的任意一种。
再优选地,且作为本申请的实例,所述食品的类别为饼干类食品。
优选地,步骤S1中所述定标食品为同类型的不同种类的多种食品,所述种类的数量≥5。
再优选地,所述种类的数量≥8。
更优选地,所述种类的数量≥9。
作为本申请的实例,所述种类的数量为9。
其中,步骤S1中,所述获取定标食品的HI、蛋白质含量、脂肪含量、碳水化合物含量、膳食纤维含量的方法包括但不限于文献检索法,实验测量法,原料统计法等。
优选地,步骤S1中,所述获取定标食品的HI、蛋白质含量、脂肪含量、碳水化合物含量、膳食纤维含量的方法选自文献检索法,实验测量法,原料统计法中的至少一种。
再优选地,步骤S1中,所述获取定标食品的HI、蛋白质含量、脂肪含量、碳水化合物含量、膳食纤维含量的方法选自文献检索法,实验测量法,原料统计法中的一种。
更优选地,步骤S1中,所述获取定标食品的HI、蛋白质含量、脂肪含量、碳水化合物含量、膳食纤维含量的方法为实验测量法。
优选地,步骤S1中,所述获取定标食品的蛋白质含量的方法为试验测量法。
再优选地,且作为本发明的实例,所述定标食品的蛋白质含量的方法为依照GB5009.5—2016《食品中蛋白质的测定》的试验测量法。
优选地,步骤S1中,所述获取定标食品的脂肪含量的方法为试验测量法。
再优选地,且作为本发明的实例,所述定标食品的脂肪含量的方法为依照GB5009.6—2016《食品中脂肪的测定》的试验测量法。
优选地,步骤S1中,所述获取定标食品的碳水化合物含量的方法为试验测量法。
再优选地,且作为本发明的实例,所述定标食品的碳水化合物含量的方法为依照GB 5009.7-2016《食品中还原糖的测定》的试验测量法。
优选地,步骤S1中,所述获取定标食品的膳食纤维含量的方法为试验测量法。
再优选地,且作为本发明的实例,所述定标食品的膳食纤维含量的方法为依照GB5009.88—2014《食品中膳食纤维的测定》的试验测量法。
优选地,步骤S1中,所述定标食品的HI的获取方法为HI实验测量法,所述HI实验测量法包括以下步骤:
T1、对定标食品、参照食品分别进行体外模拟消化,依次分别获得定标消化液和参照消化液;
T2、检测步骤T1中获得的所述定标消化液和所述参照消化液的水解率,分别绘制水解率-时间曲线;
T3、分别计算步骤T2中得到所述定标消化液和所述参照消化液的水解率-时间曲线的AUC,得到AUC定标和AUC参照,按以下公式计算HI,
,
其中,AUC为水解率-时间曲线的曲线下面积。
其中,所述参照食品包括但不限于面包,葡萄糖、白馒头、白米饭等。
优选地,步骤T1中所述参照食品选自面包,葡萄糖、馒头、米饭中的至少一种。
再优选地,步骤T1中所述参照食品选自白面包,葡萄糖、白馒头、白米饭、全麦面包中的一种。
更优选地,且作为本发明的实例,步骤T1中所述参照食品为白面包。
优选地,步骤T1中,所述体外模拟消化包括口腔模拟消化、胃模拟消化、小肠模拟消化。
再优选地,步骤T1中,所述模拟消化依次为口腔模拟消化、胃模拟消化、小肠模拟消化。
优选地,所述口腔模拟消化包括如下步骤:
称取样品,等质量加入模拟口腔消化液,200rpm、37℃下震荡2min,调节pH涡旋以终止口腔模拟消化。
再优选地,所述模拟口腔消化液的制备方法包括如下步骤:
取口腔电解质溶液,加入唾液淀粉酶(>5U/mg),室温下磁力搅拌,用2mol/L的NaOH将溶液pH调至7.0,得模拟口腔消化液。
更优选地,所述口腔电解质溶液的制备方法如下:
500mL水、0.562g氯化钙、0.571g碳酸氢钠、0.252g磷酸二氢钾、0.015g六水合硫酸镁、0.003g碳酸铵、0.110g二水合氯化钙混合,磁力搅拌10min,调节pH至7.0,在121℃条件下高温湿热灭菌15分钟,灭菌后冷却至室温保存。
优选地,所述胃模拟消化包括如下步骤:
将口腔消化混合物全部转移至药物溶出仪的溶出杯中,加入模拟胃消化液,振荡孵育1h,调节pH为7.0以停止胃模拟消化。
再优选地,所述模拟胃消化液的制备方法包括如下步骤:
取胃电解质溶液加入胃蛋白酶(>250U/mg)和1mL乙酸钠缓冲液(1mol/L,pH5.0),室温下磁力搅拌,用2mol/L的HCl将溶液pH调至2.0,得模拟胃消化液。
更优选地,所述胃电解质溶液的制备方法如下:
1000mL水、3.10g氯化钠、1.10g氯化钙、0.15g碳酸氢钠、0.60g磷酸二氢钾混合,磁力搅拌10min,调节pH至2.0,在121℃条件下高温湿热灭菌15分钟,灭菌后冷却至室温保存。
优选地,所述小肠模拟消化包括如下步骤:
随后在消化体系中加入模拟小肠液,振荡孵育3h,分别于不同肠消化时间时吸取样品消化液,立即沸水浴进行灭酶处理,离心后取上清液进行后续检测。
再优选地,所述模拟小肠消化液的制备方法包括如下步骤:
取胰酶(4×USP)溶于去离子水,室温下磁力搅拌,离心,取上清液待用,上清液即为模拟胰液;取3号胆盐溶于去离子水,室温下溶解均匀待用,即为模拟胆汁;取小肠电解质溶液、上述模拟胆汁和上述模拟胰液,按1:2:1体积比例进行配制,加入胰脂肪酶(250U/mL),室温下磁力搅拌,用2mol/L的NaOH将溶液pH调至7.0,即得模拟小肠消化液。
更优选地,所述小肠电解质溶液的制备方法如下:
1000mL水、5.40g氯化钠、0.65g氯化钙混合,磁力搅拌10min,调节pH至7.0,在121℃条件下高温湿热灭菌15分钟,灭菌后冷却至室温保存。
优选地,步骤T2中,所述水解率具体为模拟消化0、20、40、60、80、100、120、140、160、180min时的水解率。
再优选地,步骤T2中所述水解率具体为小肠模拟消化过程中消化0、20、40、60、80、100、120、140、160、180min时的水解率。
作为本发明的实例,所述水解率的计算方法如下:
水解率=(反应液中葡萄糖含量×0.9)/称取样品中可利用碳水化合物添加量×100%。
作为本发明的实例,所述水解率的计算方法中,葡萄糖检测具体为利用中国标准GB5009.8-2016中采用高效液相色谱法检测消化液中的葡萄糖含量方法进行检测。
其中,步骤S2中所述采用神经网络预测模型进行拟合分析包括但不限于:
(1)在现有GI预测模型的基础上采用神经网络预测模型进行拟合分析;
(2)在人体实测中获取的GI值的基础上采用神经网络预测模型进行拟合分析;
(3)在数据库中现存GI值数据的基础上采用神经网络预测模型进行拟合分析,等。
优选地,步骤S2中所述采用神经网络预测模型进行拟合分析包括以下至少一种:
(1)在现有GI预测模型的基础上采用神经网络预测模型进行拟合分析;
(2)在人体实测中获取的GI值的基础上采用神经网络预测模型进行拟合分析;
(3)在数据库中现存GI值数据的基础上采用神经网络预测模型进行拟合分析。
再优选地,步骤S2中所述采用神经网络预测模型进行拟合分析选自以下一种:
(1)在现有GI预测模型的基础上采用神经网络预测模型进行拟合分析;
(2)在人体实测中获取的GI值的基础上采用神经网络预测模型进行拟合分析;
(3)在数据库中现存GI值数据的基础上采用神经网络预测模型进行拟合分析。
更优选地,步骤S2中所述采用神经网络预测模型进行拟合分析为在人体实测中获取的GI值的基础上采用神经网络预测模型进行拟合分析。
优选地,所述神经网络预测模型进行拟合分析具体如下:建立GI预测模型;采用激活函数进行评估以提高预测精度;选用随机梯度下降SGD算法对模型进行优化。
更优选地,所述建立GI预测模型具体为:采用IBM SPSS Modeler 18.0软件建立GI预测模型。
更优选地,本模型使用的数据源于中国食品发酵工业研究院GI测试实验室对饼干类样品的测试数据。
更优选地,将饼干类样品的基本营养成分如碳水化合物、蛋白、脂肪、膳食纤维含量等作为输入层的特征信息,每个输入节点对应一个特征。
更优选地,隐藏层层数设置为1,该层由多个神经元组成,每个神经元都与输入层的所有节点进行连接。
更优选地,所述激活函数包括Sigmoid、ReLU(Rectified Linear Unit)、Tanh、集成学习方法Boosting中的至少一种。
再优选地,所述激活函数选自Sigmoid、ReLU(Rectified Linear Unit)、Tanh、集成学习方法Boosting中的一种。
进一步优选地,且作为本发明的实例,所述激活函数为集成学习方法Boosting。
更优选地,将饼干类样品的实测GI值作为输出层对模型进行训练,采用正则化技术以避免模型过拟合。
另一方面,本发明提供了上述构建方法得到的食品GI预测模型,所述食品GI预测模型包括:食品的水解指数、每百克食品的蛋白质含量、每百克食品的脂肪含量、每百克食品的碳水化合物含量、每百克食品的膳食纤维含量。
优选地,所述食品GI预测模型的公式为:
eGI=a+b×HI+c×PRO+d×FAT+e×CAB+f×FIB;
其中,eGI为预测的血糖生成指数,HI为食品的水解指数,PRO为每百克食品的蛋白质含量,FAT为每百克食品的脂肪含量,CAB为每百克食品的碳水化合物含量,FIB为每百克食品的膳食纤维含量,a、b、c、d、e、f为各自独立的实常数。
更优选地,所述食品为饼干类食品,所述a、b、c、d、e、f的取值具体如下:
a=22.121,b=0.69,c=-0.258,d=0.542,e=-0.17,f=-0.427。
再一方面,本发明提供一种食品GI预测方法,基于上述构建方法得到的食品GI预测模型的构建方法构建得到的食品GI预测模型或上述食品GI预测模型对食品GI进行预测。
优选地,所述食品的水解指数的获取方法包括以下步骤:
E1、对待测食品、参照食品分别进行体外模拟消化,依次分别获得待测消化液和参照消化液;
E2、检测步骤E1中获得的所述待测消化液和所述参照消化液的水解率,分别绘制水解率-时间曲线;
E3、分别计算步骤E2中得到的水解率-时间曲线的AUC,得到AUC待测和AUC参照,按以下公式计算HI,
,
其中,HI为食品的水解指数,AUC为水解率-时间曲线的曲线下面积。
优选地,步骤T1中,所述体外模拟消化包括口腔模拟消化、胃模拟消化、小肠模拟消化。
再优选地,步骤T1中,所述模拟消化依次为口腔模拟消化、胃模拟消化、小肠模拟消化。
优选地,所述口腔模拟消化包括如下步骤:
称取样品,等质量加入模拟口腔消化液,200rpm、37℃下震荡2min,调节pH涡旋以终止口腔模拟消化。
再优选地,所述模拟口腔消化液的制备方法包括如下步骤:
取口腔电解质溶液,加入唾液淀粉酶(>5U/mg),室温下磁力搅拌,用2mol/L的NaOH将溶液pH调至7.0,得模拟口腔消化液。
更优选地,所述口腔电解质溶液的制备方法如下:
500mL水、0.562g氯化钙、0.571g碳酸氢钠、0.252g磷酸二氢钾、0.015g六水合硫酸镁、0.003g碳酸铵、0.110g二水合氯化钙混合,磁力搅拌10min,调节pH至7.0,在121℃条件下高温湿热灭菌15分钟,灭菌后冷却至室温保存。
优选地,所述胃模拟消化包括如下步骤:
将口腔消化混合物全部转移至药物溶出仪的溶出杯中,加入模拟胃消化液,振荡孵育1h,调节pH为7.0以停止胃模拟消化。
再优选地,所述模拟胃消化液的制备方法包括如下步骤:
取胃电解质溶液加入胃蛋白酶(>250U/mg)和1mL乙酸钠缓冲液(1mol/L,pH5.0),室温下磁力搅拌,用2mol/L的HCl将溶液pH调至2.0,得模拟胃消化液。
更优选地,所述胃电解质溶液的制备方法如下:
1000mL水、3.10g氯化钠、1.10g氯化钙、0.15g碳酸氢钠、0.60g磷酸二氢钾混合,磁力搅拌10min,调节pH至2.0,在121℃条件下高温湿热灭菌15分钟,灭菌后冷却至室温保存。
优选地,所述小肠模拟消化包括如下步骤:
随后在消化体系中加入模拟小肠液,振荡孵育3h,分别于不同肠消化时间时吸取样品消化液,立即沸水浴进行灭酶处理,离心后取上清液进行后续检测。
再优选地,所述模拟小肠消化液的制备方法包括如下步骤:
取胰酶(4×USP)溶于去离子水,室温下磁力搅拌,离心,取上清液待用,上清液即为模拟胰液;取3号胆盐溶于去离子水,室温下溶解均匀待用,即为模拟胆汁;取小肠电解质溶液、上述模拟胆汁和上述模拟胰液,按1:2:1体积比例进行配制,加入胰脂肪酶(250U/mL),室温下磁力搅拌,用2mol/L的NaOH将溶液pH调至7.0,即得模拟小肠消化液。
更优选地,所述小肠电解质溶液的制备方法如下:
1000mL水、5.40g氯化钠、0.65g氯化钙混合,磁力搅拌10min,调节pH至7.0,在121℃条件下高温湿热灭菌15分钟,灭菌后冷却至室温保存。
优选地,步骤E2中,所述水解率具体为模拟消化0、20、40、60、80、100、120、140、160、180min时的水解率。
再优选地,步骤E2中所述水解率具体为小肠模拟消化过程中消化0、20、40、60、80、100、120、140、160、180min时的水解率。
优选地,所述食品GI预测方法中,所述食品为饼干类食品。
还一方面,本发明提供了上述构建方法或上述预测模型或上述预测方法在食品GI预测中的应用。
优选地,且作为本发明的实例,所述食品GI预测具体为饼干类食品GI预测。
相对于现有技术,本发明具有以下有益效果:
(1)本发明提供了一种食品GI预测模型的构建方法,该构建方法能够实现针对特定食品种类的GI预测模型的构建。通过神经网络预测模型将HI、蛋白质含量、脂肪含量、碳水化合物含量、膳食纤维含量五个个因素进行拟合分析,成功给出食品GI预测模型。
(2)本发明利用食品GI预测模型的构建方法,成功实现了包含HI、蛋白质含量、脂肪含量、碳水化合物含量、膳食纤维含量五个因素的饼干类食品GI预测模型的构建。
(3)相较于传统食品GI预测模型对饼干类食品GI值的预测,本发明提供的饼干类食品GI预测模型显著提高了预测的准确性,具有良好的应用价值,为低GI饼干的开发提供依据。
附图说明
图1是葡萄糖检测的标准曲线图。
图2是定标样品1-5的水解率-消化时间曲线图。
图3是定标样品6-9、白面包的水解率-消化时间曲线图。
图4是样品10-11的水解率-消化时间曲线图。
具体实施方式
以下非限制性实施例可以使本领域的普通技术人员更全面的理解本发明,但不以任何方式限制本发明。下述内容仅仅是对本发明要求保护的范围的示例性说明,本领域技术人员可以根据所公开的内容对本发明的发明作出多种改变和修饰,而其也应当属于本发明要求保护的范围之中。
下面以具体实施例的方式对本发明作进一步的说明。本发明实施例中所使用的各种化学试剂如无特殊说明均通过常规商业途径获得。若无特殊说明,下文中所述含量均为质量含量。若无特殊说明,理解为在室温下进行。
下述实施例中,部分试剂来源如下表1:
表1
下述实施例中,使用的饼干食品材料如下表2:
表2
下述实施例中,使用的仪器设备如下表3:
表3
下述实施例中,使用的口腔电解质溶液、胃电解质溶液、小肠电解质溶液的配方如下表4:
表4
口腔电解质溶液、胃电解质溶液、小肠电解质溶液的配置方法如下:
将表4中三组配方中各组分分别混合,室温下磁力搅拌10分钟,使用2mol/L的氢氧化钠水溶液或2mol/L的盐酸水溶液调节pH,最后将溶液在121℃条件下高温湿热灭菌15分钟,灭菌后冷却至室温保存。
本发明使用的GI人体实测值数据源于中国食品发酵工业研究院GI测试实验室对饼干类样品(编号01-11的样品)的人体实测数据,其中,神经网络试验所使用的数据为编号01-09的样品。本发明中,每百克食品的营养成分含量,如“每百克食品的蛋白质含量”、“每百克食品的脂肪含量”、“每百克食品的碳水化合物含量”、“每百克食品的膳食纤维含量”,如无特别说明,单位均为g/100g;上述每百克食品的营养成分含量在作为参数参与预测模型运算时,如无特别说明,均为在单位为g/100g时的无量纲数值。
实施例1
构建饼干类食品GI预测模型。
1.获取饼干类食品的HI水解指数、蛋白质含量、脂肪含量、碳水化合物含量、膳食纤维含量
1.1.确认定标食品
在本实施例中,选取表2中编号01-09的共9种饼干样品作为构建饼干类食品GI预测模型的定标食品。
1.2.测定定标食品的蛋白质含量、脂肪含量、碳水化合物含量、膳食纤维含量
碳水化合物含量的测定参考GB 5009.7-2016《食品中还原糖的测定》进行;蛋白质含量的测定参考GB5009.5—2016《食品中蛋白质的测定》进行;膳食纤维含量的测定参考GB5009.88—2014《食品中膳食纤维的测定》进行;脂肪含量的测定参考GB5009.6—2016《食品中脂肪的测定》进行。
依照上述方法,可分别测定表2中编号01-09的饼干样品的蛋白质含量、脂肪含量、碳水化合物含量、膳食纤维含量。具体地,编号01-09的定标食品的蛋白质含量、脂肪含量、碳水化合物含量、膳食纤维含量如下表5所示:
表5
1.3体外模拟消化法测定定标食品的HI水解指数
1.3.1定标食品预处理
分别将表2中编号01-09的饼干样品和白面包(参照食品)进行冷冻干燥处理,之后用研钵磨碎,用80目过筛后密封干燥,即得定标样品1-9,参照样品。
1.3.2配置模拟消化液
配置模拟口腔消化液:取100mL口腔电解质溶液,加入1.5g唾液淀粉酶(>5U/mg),室温下磁力搅拌10min,用2mol/L的NaOH将溶液pH调至7.0,得模拟口腔消化液。
配置模拟胃消化液:取100mL胃电解质溶液加入0.422g胃蛋白酶(>250U/mg)和1mL乙酸钠缓冲液(1mol/L,pH5.0),室温下磁力搅拌10min,用2mol/L的HCl将溶液pH调至2.0,得模拟胃消化液。
配置模拟小肠消化液:称取0.4g胰酶(4×USP)溶于50mL去离子水,室温下磁力搅拌10min,置于离心机中离心10min,取上清液待用,上清液即为模拟胰液。称取1.97g的3号胆盐溶于100mL去离子水,室温下溶解均匀待用,即为模拟胆汁。取100mL小肠电解质溶液、100mL上述模拟胆汁和50mL上述模拟胰液,按1:2:1体积比例进行配制,加入胰脂肪酶0.151g(250U/mL),室温下磁力搅拌10min,用2mol/L的NaOH将溶液pH调至7.0,即得模拟小肠消化液。
1.3.3体外模拟消化试验
分别对参照样品、定标样品1-9进行体外模拟消化试验,具体过程如下:
口腔模拟消化:取样前使样品均匀,随机取样,准确称取约含200mg可利用碳水的饼干样品置于具塞离心管中,等质量加入模拟口腔消化液混合均匀,200rpm、37℃下振荡2min,立即加入2mol/L的HCI调节pH为2.0并涡旋混匀以终止口腔模拟消化。
胃模拟消化:将口腔消化混合物全部转移至药物溶出仪的溶出杯中,分别加入10mL模拟胃消化液,于200rpm、37℃条件下振荡孵育1h,之后立即加入2mol/L的NaOH调节pH为7.0以停止胃模拟消化。
小肠模拟消化:随后在消化体系中加入10mL模拟小肠液,在200rpm、37℃条件下继续振荡孵育3h,分别于肠消化时间为0、20、40、60、120、180min时吸取样品消化液各500μL,立即沸水浴10min进行灭酶处理,5000rpm离心5min后取上清液进行后续检测。
1.3.4不同时间下各样品水解率的测定
参考GB5009.8—2016采用高效液相色谱法检测消化液中的葡萄糖含量,具体方法如下:检测器为示差折光检测器,色谱柱采用氨基色谱柱(4.6mm×250mm,5µm),流动相为乙腈∶水=80∶20(v/v),流动相流速1.0mL/min,等度洗脱,时间20min,柱温40℃,进样量体积10µL,检测器池温40℃。分别配置浓度为0.2、0.4、0.8、1、2mg/mL的葡萄糖标准溶液,葡萄糖标准液及消化样品依次进样,测定其响应值,以葡萄糖标准液浓度为横坐标,峰面积为纵坐标绘制葡萄糖标准曲线,根据标准曲线计算不同时间点的消化液中葡萄糖含量。葡萄糖标准曲线如图1所示,曲线方程为y=84580x+247,R2=0.9999。
采用淀粉葡萄糖苷酶-高效液相色谱法测定各消化时间收集样品中葡萄糖浓度,根据公式(1)计算消化不同时间后参照样品、定标样品1-9的水解率。
淀粉葡萄糖苷酶处理后反应液中葡萄糖含量的测定方法具体如下:准确称量110mg淀粉葡萄糖苷酶,用适量去离子水溶解后定容至100mL。在各消化时间吸取样品1mL于10mL离心管中,沸水浴10min立即用流动水冷却至室温,5000rpm离心5min吸取上清液100μL,加入到900μL淀粉葡萄糖苷酶溶液(1.1mg/mL),使样品反应体系中淀粉葡萄糖苷酶终浓度为1mg/mL,于37℃水浴反应20min,沸水浴10min,立即流动水冷却至室温待测。
特别地,编号01-09的饼干样品(分别依次得到定标样品1-9)在180min时的水解率如下表6所示:
表6
由表6中的数据可知,在模拟消化180min时,谷物薄脆饼干的水解率为22.44%,粗粮饼干的水解率为52.38%,纤巧百奇清甜牛奶味装饰饼干水解率为36.72%,纤巧百奇清甜草莓味装饰饼干的水解率为38.60%,纤巧百奇清香抹茶味装饰饼干的水解率为40.64%,FixXBody低GI奇亚籽多谷物饼干的水解率为35.96%,最饿感轻松控饼干的水解率为31.14%,江中猴姑®青稞燕麦饼干的水解率为37.25%,唐平饼干的水解率为45.32%。结合表5饼干基本营养成分分析,发现纤巧百奇清甜牛奶味装饰饼干,纤巧百奇清甜草莓味装饰饼干和纤巧百奇清香抹茶味装饰饼干的蛋白质、脂肪,碳水化合物和膳食纤维的含量相近,在180min时的水解率值也相近。推测,除碳水化合物含量外,蛋白质,脂肪和膳食纤维含量也在饼干类样品体外模拟消化过程中起作用。
1.3.5水解指数计算
测定各样品体外模拟消化过程中0、20、40、60、120、180min时水解率,绘制水解率-时间曲线,如图2、图3所示。由图2、图3可知,随着消化时间的延长,饼干水解后的葡萄糖浓度都在不断增加。在饼干体外消化的前20min,饼干水解速率升高的最快,在20min以后饼干水解速率逐渐平缓。在淀粉基食物水解过程中,前20min能够被消化的淀粉内认为是快消化淀粉,快消化淀粉占总淀粉含量的比例高所以淀粉水解率升高的就快。随着时间的推移快消化淀粉占总淀粉含量的比例越来越低,淀粉水解率升高的速度就越来越慢。
根据水解率-时间曲线分别计算参照样品、定标样品1-9的曲线下面积(AUC)。所述AUC的计算方法如下:
采用GraphPad软件绘制样品随不同时间的水解曲线图,点击Analyse-Area undercurver-ok, 弹出的统计分析表中,Total Area即为样品的曲线下面积。
通过上述方法,测得了AUC参照、和9种定标食品的AUC定标,可根据以下公式计算出各组的水解指数HI:
;其中,参照食品为白面包;
9种饼干的水解率曲线下面积(AUC)和水解指数(HI)如表7所示。
表7
1.4建立模型
采用神经网络预测模型进行拟合分析,具体地,在人体实测中获取的GI值的基础上采用神经网络预测模型进行拟合分析,从而获得饼干类食品的GI预测模型。
采用IBM SPSS Modeler 18.0软件建立GI预测模型。为了提高预测模型的精确度,减少因错误数据对GI值预测结果产生的不利影响,在建模前对数据进行了清洗,删除不重要的缺失数据,对于食品的营养成分等关键数据,采用填补法对数据进行处理。采将饼干类样品的基本营养成分如碳水化合物、蛋白、脂肪、膳食纤维含量等作为输入层的特征信息,每个输入节点对应一个特征。隐藏层层数设置为1,该层由多个神经元组成,每个神经元都与输入层的所有节点进行连接。本模型对不同激活函数如Sigmoid、ReLU(RectifiedLinear Unit)和Tanh等进行评估,以期提高预测精度,最终选用Boosting(一种集成学习方法)作为激活函数。选用随机梯度下降(SGD)算法对模型进行优化。将饼干类样品的实测GI值作为输出层对模型进行训练,采用正则化技术以避免模型过拟合。
在本实施例中,将表5、表6中的HI水解指数,蛋白质、脂肪、碳水化合物、膳食纤维含量和先期试验得到的GI值通过上述模型的构建方法进行拟合,可得到如下饼干类食品GI预测模型:
eGI=22.121+0.69×HI-0.258×PRO+0.542×FAT-0.17×CAB-0.427×FIB;
其中,eGI为预测的血糖生成指数,HI为食品的水解指数,PRO为每百克食品的蛋白质含量,FAT为每百克食品的脂肪含量,CAB为每百克食品的碳水化合物含量,FIB为每百克食品的膳食纤维含量,R2=0.969。
验证例1
1.实施例1中所述构建方法构建的GI预测模型精确度效果评价
利用表2中编号10、编号11两种未参与建模的饼干样品作为对本申请实施例1中所述构建方法获得的GI预测模型的验证。编号10、编号11两种饼干样品的膳食纤维含量、脂肪含量、蛋白质含量、碳水化合物含量、HI水解指数的获取方法参见实施例1。
具体地,编号10、编号11两种饼干样品的水解率-时间曲线如图4所示。编号10、编号11两种饼干样品的基本营养成分如下表8所示:
表8
将表7中编号10、编号11的各参数带入实施例1中的GI预测模型中:
eGI=22.121+0.69×HI-0.258×PRO+0.542×FAT-0.17×CAB-0.427×FIB;
其中,eGI为预测的血糖生成指数,HI为食品的水解指数,PRO为每百克食品的蛋白质含量,FAT为每百克食品的脂肪含量,CAB为每百克食品的碳水化合物含量,FIB为每百克食品的膳食纤维含量。
对于编号10的饼干食品:
eGI=22.121+0.69×38.6-0.258×14.2+0.542×19.5-0.17×52.8-0.427×8.6=43.0122
对编号10的饼干样品人体测试GI值为44.00,百分误差仅为
(43.0122-44)÷44×100%=-2.245%。
对于编号11的饼干食品:
eGI=22.121+0.69×62.35-0.258×6.41+0.542×25.1-0.17×51.6-0.427×12.9=62.81262
对编号11的饼干样品人体测试GI值为62.00,百分误差仅为
(62.81262-62)÷62×100%=1.311%。
2.实施例1中所述构建方法构建的GI预测模型与现有GI预测模型效果的比较
实施例1中构建的饼干类食品GI预测模型:
eGI=22.121+0.69×HI-0.258×PRO+0.542×FAT-0.17×CAB-0.427×FIB;
其中,eGI为预测的血糖生成指数(下同),HI为食品的水解指数(下同),PRO为每百克食品的蛋白质含量,FAT为每百克食品的脂肪含量,CAB为每百克食品的碳水化合物含量,FIB为每百克食品的膳食纤维含量。
现有GI预测模型1(European Journal of Clinical Nutrition,1992,46(9),649-660):
eGI1=8.1981+0.862×HI。
现有GI预测模型2(Nutrition Research, 1997,17(3),427-437):
eGI2=39.71+0.549×HI
将表2中11种饼干样品分别使用实施例1提供的饼干类食品GI预测模型、现有GI预测模型1、现有GI预测模型2对其GI值进行预测,再通过与对应的表2种11种饼干样品的人体实测GI值(GI人体)(由中国食品发酵工业研究院提供)进行比较,可以求出GI值的误差。具体地,结果如下表9所示:
表9
其中,所述百分误差的计算公式如下:
百分误差=(GI人体-eGI)÷GI人体×100%。
由上表可知,实施例1获得的GI预测模型的平均绝对百分误差(MAPE)如下。
MAPE=
(5.846+6.636+13.617+3.034+2.559+3.174+3.377+1.883+2.182+2.245+1.311)%÷11=4.169%
现有GI预测模型1获得的平均绝对百分误差(MAPE-1)如下。
MAPE-1=
(2.821+0.88+27.746+13.392+10.567+5.27+3.441+11.985+2.401+5.747+0.091)%÷11=7.667%
现有GI预测模型2获得的平均绝对百分误差(MAPE-2)如下。
MAPE-2=
(103.441+14.233+14.995+17.867+28.811+51.164+37.732+27.907+19.962+38.412+19.258)%÷11=33.980%
由上述计算可知,通过实施例1所述构建方法获得的饼干类食品GI预测模型对11种饼干样品检测得到的平均绝对百分误差大于现有GI预测模型1、现有GI预测模型2对11种饼干样品检测得到的平均绝对百分误差。可见,通过本发明构建方法得到的饼干类食品GI预测模型在传统eGI数学模型基础上将基本营养成分蛋白质,脂肪,碳水化合物以及膳食纤维纳入饼干GI的影响因子后,得出的饼干GI的预测值更接近真实值。
最后应当说明的是,以上内容仅用以说明本发明的技术方案,而非对本发明保护范围的限制,本领域的普通技术人员对本发明的技术方案进行的简单修改或者等同替换,均不脱离本发明技术方案的实质和范围。
Claims (15)
1.一种食品GI预测模型的构建方法,其特征在于,包括以下步骤:
S1、获取定标食品的HI、蛋白质含量、脂肪含量、碳水化合物含量、膳食纤维含量;
S2、将步骤S1中获取的所述定标食品的HI,蛋白质含量,脂肪含量,碳水化合物含量,膳食纤维含量采用神经网络预测模型进行拟合分析,得到食品GI预测模型;
其中,GI为血糖生成指数,HI为水解指数,步骤S1中所述定标食品与步骤S2中所述食品GI预测模型中的食品的类别相同。
2.根据权利要求1所述的构建方法,其特征在于,所述食品的类别选自饼干类食品、水果、坚果制品、粮食加工品、方便食品、乳制品、食糖、糕点、饮料、蜂产品、淀粉及淀粉制品中的任意一种。
3.根据权利要求1所述的构建方法,其特征在于,步骤S1中,所述获取定标食品的HI、蛋白质含量、脂肪含量、碳水化合物含量、膳食纤维含量的方法选自文献检索法,实验测量法,原料统计法中的至少一种。
4.根据权利要求3所述的构建方法,其特征在于,步骤S1中,所述获取定标食品的HI、蛋白质含量、脂肪含量、碳水化合物含量、膳食纤维含量的方法为实验测量法。
5.根据权利要求3所述的构建方法,其特征在于,步骤S1中,所述定标食品的HI的获取方法为HI实验测量法,所述HI实验测量法包括以下步骤:
T1、对定标食品、参照食品分别进行体外模拟消化,依次分别获得定标消化液和参照消化液;
T2、检测步骤T1中获得的所述定标消化液和所述参照消化液的水解率,分别绘制水解率-时间曲线;
T3、分别计算步骤T2中得到的所述定标消化液和所述参照消化液的水解率-时间曲线的AUC,得到AUC定标和AUC参照,按以下公式计算HI,
,
其中,AUC为水解率-时间曲线的曲线下面积。
6.根据权利要求5所述的构建方法,其特征在于,步骤T1中所述参照食品选自面包,葡萄糖、馒头、米饭中的至少一种。
7.根据权利要求1所述的构建方法,其特征在于,步骤S2中所述采用神经网络预测模型进行拟合分析包括以下至少一种:
(1)在现有GI预测模型的基础上采用神经网络预测模型进行拟合分析;
(2)在人体实测中获取的GI值的基础上采用神经网络预测模型进行拟合分析;
(3)在数据库中现存GI值数据的基础上采用神经网络预测模型进行拟合分析。
8.根据权利要求1所述的构建方法,其特征在于,步骤S2中所述的神经网络预测模型拟合分析具体如下:
建立GI预测模型;采用激活函数进行评估以提高预测精度;选用随机梯度下降SGD算法对模型进行优化。
9.一种采用权利要求1-8中任意一项所述的构建方法得到的食品GI预测模型,其特征在于,所述食品GI预测模型包括:食品的水解指数、每百克食品的蛋白质含量、每百克食品的脂肪含量、每百克食品的碳水化合物含量、每百克食品的膳食纤维含量。
10.根据权利要求9所述的食品GI预测模型,其特征在于,所述食品GI预测模型的公式为:eGI=a+b×HI+c×PRO+d×FAT+e×CAB+f×FIB;
其中,eGI为预测的血糖生成指数,HI为食品的水解指数,PRO为每百克食品的蛋白质含量,FAT为每百克食品的脂肪含量,CAB为每百克食品的碳水化合物含量,FIB为每百克食品的膳食纤维含量,a、b、c、d、e、f为各自独立的实常数。
11.根据权利要求10所述的食品GI预测模型,其特征在于,所述食品为饼干类食品,所述a、b、c、d、e、f的取值具体如下:
a=22.121,b=0.69,c= -0.258,d=0.542,e= -0.17,f= -0.427。
12.一种食品GI预测方法,其特征在于,基于权利要求1-8中任意一项所述的食品GI预测模型的构建方法构建得到的食品GI预测模型或者权利要求9-11中任意一项所述的食品GI预测模型对食品GI进行预测。
13.根据权利要求12所述的食品GI预测方法,其特征在于,所述食品的水解指数的获取方法包括以下步骤:
E1、对待测食品、参照食品分别进行体外模拟消化,依次分别获得待测消化液和参照消化液;
E2、检测步骤E1中获得的所述待测消化液和所述参照消化液的水解率,分别绘制水解率-时间曲线;
E3、分别计算步骤E2中得到的水解率-时间曲线的AUC,得到AUC待测和AUC参照,按以下公式计算HI,
,
其中,HI为食品的水解指数,AUC为水解率-时间曲线的曲线下面积。
14.根据权利要求12所述的食品GI预测方法,其特征在于,所述食品为饼干类食品。
15.权利要求1-8中任意一项所述的构建方法或权利要求9-11中任意一项所述的食品GI预测模型或权利要求12-14中任意一项所述的食品GI预测方法在食品GI预测中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410296806.3A CN118116497A (zh) | 2024-03-15 | 2024-03-15 | 一种食品gi预测模型及其构建方法与应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410296806.3A CN118116497A (zh) | 2024-03-15 | 2024-03-15 | 一种食品gi预测模型及其构建方法与应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118116497A true CN118116497A (zh) | 2024-05-31 |
Family
ID=91211982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410296806.3A Pending CN118116497A (zh) | 2024-03-15 | 2024-03-15 | 一种食品gi预测模型及其构建方法与应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118116497A (zh) |
-
2024
- 2024-03-15 CN CN202410296806.3A patent/CN118116497A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2451938C2 (ru) | Способ определения in vitro гликемического индекса пищевых продуктов | |
Englyst et al. | Starch analysis in food | |
US9109247B2 (en) | In vitro method for the determination of glycemic index of food products | |
Kleintop et al. | Adaptation of the AOAC 2011.25 integrated total dietary fiber assay to determine the dietary fiber and oligosaccharide content of dry edible beans | |
Bingham | Definitions and intakes of dietary fiber | |
CN103926375A (zh) | 一种模拟人体消化酵解系统的装置及使用方法 | |
Aarathi et al. | In vitro starch digestibility and nutritionally important starch fractions in cereals and their mixtures | |
KR20160098231A (ko) | 동물 사료 조정을 위한 시스템 및 방법 | |
Du et al. | Food prototype containing resistant starch type 4 on postprandial glycemic response in healthy adults | |
Oest et al. | Rye bread defects: analysis of composition and further influence factors as determinants of dry-baking | |
Wieser et al. | Preparation of a defined gluten hydrolysate for diagnosis and clinical investigations of wheat hypersensitivities | |
TWI574009B (zh) | 應用於食物升糖指數評估之快速測定方法 | |
KR20160098232A (ko) | 동물 사료의 컴퓨터 모델을 위한 시스템 및 방법 | |
CN110531058A (zh) | 一种经济藻类的体外模拟消化反应装置及使用方法 | |
CN118116497A (zh) | 一种食品gi预测模型及其构建方法与应用 | |
Surono et al. | Low glycemic load after digestion of native starch from the indigenous tuber Belitung Taro (Xanthosoma sagittifolium) in a dynamic in vitro model of the upper GI tract (TIM-1) | |
Willard et al. | A new rapid and quantitative assay to determine the phytase activity of feed | |
CN110927154B (zh) | 一种体外评估耐热植酸酶作用效果的方法 | |
Ramdath et al. | Minimal Effective Dose of Beans Required to Elicit a Significantly Lower Glycemic Response Than Commonly Consumed Starchy Foods: Predictions Based on In Vitro Digestion and Carbohydrate Analysis | |
CN115032350B (zh) | 一种体外测定面条食品血糖生成指数的方法 | |
EP2440933B1 (en) | Method for predicting glycaemic response and use thereof | |
US11624746B2 (en) | Test strip for milk immunofluorescence assay (IFA) and use thereof | |
Panda et al. | Evaluation of Gluten Protein Profiles in Hydrolyzed Food Products by a Multiplex-Competitive Enzyme-Linked Immunosorbent Assay | |
CN104698194B (zh) | 磷酸甘油酸激酶1在制备类风湿关节炎诊断试剂中的应用 | |
CN113517068B (zh) | 一种应用生理毒代谢动力学模型估计dehp每日摄入量的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |