神經(jīng)網(wǎng)絡(luò)優(yōu)化TG酶在羅非魚魚糜中的加工工藝

左光揚，周秋樹，吉宏武，陳 輝，佘文海，吳國銘，李 鵬，魯素珍，楊斯明

（1.廣州祿仕食品有限公司，廣東廣州510820；2.深圳聯(lián)合水產(chǎn)發(fā)展有限公司，廣東深圳518112；3.廣東海洋大學食品科技學院，廣東湛江524088；4.廣東普通高校水產(chǎn)品深加工重點實驗室，廣東湛江524088）

神經(jīng)網(wǎng)絡(luò)優(yōu)化TG酶在羅非魚魚糜中的加工工藝

左光揚1，周秋樹2，吉宏武3，4，陳 輝1，佘文海1，吳國銘1，李 鵬1，魯素珍1，楊斯明1

（1.廣州祿仕食品有限公司，廣東廣州510820；2.深圳聯(lián)合水產(chǎn)發(fā)展有限公司，廣東深圳518112；3.廣東海洋大學食品科技學院，廣東湛江524088；4.廣東普通高校水產(chǎn)品深加工重點實驗室，廣東湛江524088）

通過對谷氨酰胺轉(zhuǎn)氨酶（TGase）作用條件（添加量、凝膠溫度和凝膠時間）對羅非魚碎肉魚糜凝膠強度的影響進行研究，在獲得一定實驗數(shù)據(jù)基礎(chǔ)上利用得到的人工神經(jīng)網(wǎng)絡(luò)（ANN）模型對其工藝進行優(yōu)化。結(jié)果表明：所建立的神經(jīng)網(wǎng)絡(luò)模型具有較好的預(yù)測能力，可準確地預(yù)測TG酶的作用條件與魚糜凝膠強度的關(guān)系，預(yù)測值與實驗值的相對誤差較小（R2=0.9936）；羅非魚碎肉魚糜的凝膠強度受TG酶的作用條件影響較大，其在實際生產(chǎn)中的最佳條件為：TGase添加量37U/100g魚糜，作用溫度37.5℃，作用時間43min。此條件下，羅非魚碎肉魚糜凝膠強度能夠達到（9103± 725）g·mm，具有較好的作用效果。

谷氨酰胺轉(zhuǎn)氨酶，神經(jīng)網(wǎng)絡(luò)模型，凝膠強度，羅非魚，工藝優(yōu)化

谷氨酰胺轉(zhuǎn)氨酶（TGase）是一種酰基轉(zhuǎn)移酶，它能催化肌球蛋白重鏈（myosin heavy chains，MHC）上賴氨酸的ε-氨基與谷氨酸的γ-羥酰胺基形成共價鍵使蛋白質(zhì)-蛋白質(zhì)、蛋白質(zhì)-氨基酸之間發(fā)生交聯(lián)反應(yīng)［1］，如圖1所示：

蛋白質(zhì)經(jīng)TGase交聯(lián)后能提高其相關(guān)功能特性，如：保水性、熱穩(wěn)定性以及膠凝性等［2］，從而賦予食品蛋白質(zhì)特有的質(zhì)構(gòu)和口感［3］。目前，TGase在水產(chǎn)品中的應(yīng)用主要在于利用其來增強魚糜制品的凝膠強度［2，4-7］。然而，酶的重要性又決定了其的價格不菲，如何使其能達到經(jīng)濟與效益的雙贏一直是魚糜及魚糜制品生產(chǎn)商追求的目標。

圖1 賴氨酸的ε-氨基與谷氨酸的γ-羥酰胺基形成共價鍵結(jié)構(gòu)圖Fig.1 Formation of e（g-glutamyl）lysine bonds by transglutaminase

人工神經(jīng)網(wǎng)絡(luò)（ANN）是根據(jù)人類的大腦神經(jīng)反應(yīng)原理構(gòu)造的［8-10］，通過調(diào)整神經(jīng)元之間的權(quán)值來對外界事物（輸入的數(shù)據(jù)）進行建模，最終具備解決某一實際問題的能力［11］。ANN在食品工業(yè)領(lǐng)域中的應(yīng)用越來越廣泛［12-13］，并且由于ANN對非線性和非穩(wěn)態(tài)系統(tǒng)的酶催化反應(yīng)具有較好預(yù)判能力，因而越來越多的學者采用ANN來優(yōu)化酶的應(yīng)用［14-15］。

羅非魚加工廠在生產(chǎn)過程中將產(chǎn)生大量的邊角料進行高值化處理［16］，而羅非魚碎肉則是魚糜及魚糜制品上好的原料，目前，尚未有將ANN應(yīng)用于魚糜及魚糜制品加工工藝優(yōu)化的相關(guān)報道。本實驗以凝膠強度為指標，對影響TG酶酶聯(lián)過程的關(guān)鍵因素（添加量、溫度和時間）進行模擬訓練，建立TG酶反應(yīng)工藝參數(shù)和凝膠強度的神經(jīng)網(wǎng)絡(luò)模型，尋求高效且經(jīng)濟的工藝條件，為提高企業(yè)經(jīng)濟效益以及TG酶在魚糜及魚糜制品中的運用提供一定的理論指導。

1 材料與方法

1.1 材料與儀器

新鮮羅非魚碎肉 廣州祿仕食品有限公司；轉(zhuǎn)谷氨酰胺酶（酶活力120U/g） 江蘇泰州東圣生物科技有限公司；PVDC塑料腸衣（直徑20mm） 武漢飄飄食品集團有限公司。

HH-8恒溫水浴鍋 常州澳華儀器有限公司；BL-3200H電子稱 日本島津儀器設(shè)備公司；CT3質(zhì)構(gòu)儀 美國Brookfield公司。

1.2 實驗方法

1.2.1 羅非魚冷凍魚糜的制備 取羅非魚碎肉用冰水洗凈后，采肉，漂洗3次（魚水比1∶3，每次10m in），漂洗水溫低于10℃，脫水，精濾，調(diào)整魚糜水分含量83% ±0.5%并加入抗凍劑（抗凍劑為鹽、磷酸鹽、葡萄糖，添加總量1%），600g/袋分裝，于-18℃?zhèn)溆谩?/p>

1.2.2 魚糜凝膠的制備 稱取制備好的魚糜600g，半解凍，斬拌2m in，加2.5%NaCl和一定量的TGase，斬拌2m in（保證溫度0～10℃），灌腸，采用兩段加熱法，先在一定溫度（X1）下凝膠化一定時間（X2），然后95℃加熱10m in，立即將其置冰水中冷卻，冷卻后于4℃放置24h過夜［6］。

1.2.3 酶聯(lián)工藝實驗設(shè)計 以魚糜的凝膠強度為指標，凝膠溫度、凝膠時間、TGase添加量［6-7］為實驗因子，采用響應(yīng)面中的Box-Behnken設(shè)計來確定酶聯(lián)工藝，具體因素水平編碼表見表1。

表1 因素水平編碼表Table 1 Code of factors and levels

1.2.4 魚糜凝膠強度的測定 凝膠強度采用CT3質(zhì)構(gòu)分析儀進行的測試，在室溫條件下將制備的樣品切成20mm的小段，測試模式為破裂，選用的探頭TA50球型探頭，測試參數(shù)為：測前速率1mm/s、測中速率1mm/s、測后速率4mm/s。每個工藝條件魚腸切5個平行測試樣，雙向測試，剔除最大最小值并取平均值。以穿刺曲線上的第1個峰即為破斷強度，公式為：凝膠強度=破斷強度×凹陷深度［6］。

1.2.5 神經(jīng)網(wǎng)絡(luò)模型設(shè)計 根據(jù)試響應(yīng)面優(yōu)化結(jié)果，選擇JMP7.0軟件中的神經(jīng)網(wǎng)絡(luò)進行建模。在擬合響應(yīng)目標的神經(jīng)網(wǎng)絡(luò)模型時，選擇“K折疊”交叉驗證的方法。相關(guān)參數(shù)：交叉驗證組數(shù)、隱藏節(jié)點數(shù)、過擬合罰項、最大迭代數(shù)等的設(shè)置參考文獻［12］。

1.2.6 數(shù)據(jù)處理 采用JMP7.0數(shù)據(jù)處理軟件中的神經(jīng)網(wǎng)絡(luò)平臺進行相關(guān)數(shù)據(jù)的處理。

2 結(jié)果與分析

2.1 神經(jīng)網(wǎng)絡(luò)模型的確立

Box-Behnken設(shè)計及結(jié)果見表2。

表2 實驗設(shè)計及結(jié)果Table 2 Experimental design and results

使用神經(jīng)網(wǎng)絡(luò)系統(tǒng)對該結(jié)果進行采集，根據(jù)設(shè)定的參數(shù)進行神經(jīng)網(wǎng)絡(luò)模型的擬合，交叉驗證組數(shù)為5，采用2～8個隱藏節(jié)點數(shù)來進行神經(jīng)網(wǎng)絡(luò)訓練，每個指定的隱藏節(jié)點數(shù)重復(fù)運行5次，根據(jù)擬合決定系數(shù)R2來評估神經(jīng)網(wǎng)絡(luò)模型［13］。在經(jīng)過多次神經(jīng)網(wǎng)絡(luò)訓練之后，確定采用3×4×1結(jié)構(gòu)的三層神經(jīng)網(wǎng)絡(luò)（圖2）即隱藏節(jié)點數(shù)為4，此時的擬合系數(shù)R2值達到了0.9936（圖3），表明3×4×1結(jié)構(gòu)的模型具備良好的預(yù)測能力。

圖2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2 The neural network diagram

圖3 實際值與預(yù)測值相關(guān)性圖Fig.3 The correlation of actual values and the predicted values

2.2 神經(jīng)網(wǎng)絡(luò)模型對酶聯(lián)工藝的分析與優(yōu)化

為研究溫度（X1）、時間（X2）、加酶量（X3）3個條件對凝膠強度（Y）的影響，通過軟件JMP7.0分析，再采用曲面刻畫器制作三維圖。從圖4～圖6上看，對酶的添加量而言，小于45U/100g魚糜條件下，酶的添加量越多，凝膠強度越高；而當添加量大于45U/100g魚糜條件下，隨著酶的添加量越多，凝膠強度反倒越低。這一結(jié)果與陳海華［6］，賈丹等［7］對于TG酶的研究相一致。添加一定量的酶能夠促進蛋白質(zhì)分子間或分子內(nèi)的共價交聯(lián)，從而提高魚糜制品凝膠強度，過量的TG酶添加將導致過度的交聯(lián)作用從而使得魚糜凝膠彈性降低而變得硬而脆［7］，最終使魚糜凝膠強度下降。

對溫度而言，當溫度高于40℃時，隨溫度增加凝膠強度迅速增加，當溫度超過50℃時開始緩慢下降。溫度超過40℃其逐漸上升原因是：TGase催化MHC形成ε-（γ-谷氨酰）賴氨酸鍵在魚糜凝膠網(wǎng)絡(luò)形成過程中開始占據(jù)主導作用，從而形成了更為穩(wěn)定的網(wǎng)絡(luò)結(jié)構(gòu)［7，17］，但是隨著溫度進一步升高，高于50℃后由于接近凝膠劣化區(qū)域50～70℃，因而凝膠強度開始下降［18-19］。

對時間而言，隨著時間的延長，魚糜凝膠強度越來越高，這主要是因為魚糜在加熱過程中大部分肌球蛋白溶膠慢慢發(fā)生凝固收縮并相互連接形成立體網(wǎng)狀結(jié)構(gòu)固定下來，這一過程的產(chǎn)生需要一定時間［20］，另外，TG酶制劑與蛋白質(zhì)作用也需要一定的時間［21］。

圖4 溫度和加酶量對凝膠強度的影響Fig.4 Effect of temperature and TGase addition on surimigel strength

圖5 加酶量和時間對凝膠強度的影響Fig.5 Effect of TGase addition and time on surimigel strength

圖6 溫度和時間對凝膠強度的影響Fig.6 Effect of temperature and time on surimigel strength

在尋求最佳工藝條件時，既要考慮凝膠強度，又要考慮生產(chǎn)的效率以及成本，即一定范圍內(nèi)添加的酶量越少，需要的溫度越低以及需要的時間越短越好。根據(jù)中華人民共和國水產(chǎn)行業(yè)標準SC/T 3702-2014冷凍魚糜級別標準（SSA級≥7000g·mm，SA級≥6000g·mm，F(xiàn)A級≥5000g·mm，AAA級≥4000g·mm）可以看到羅非魚碎肉魚糜具有較好的凝膠強度，其在不同加工工藝條件下均達到了SA級，大多數(shù)達到了SSA級（見表2），這為生產(chǎn)高品質(zhì)的產(chǎn)品提供了先決條件。凝膠強度越高，需要的條件越苛刻，因此，根據(jù)生產(chǎn)需要，把凝膠強度的期望值暫設(shè)為9000g·mm。根據(jù)3個因素對魚糜凝膠強度（Y）的影響規(guī)律，利用JMP7.0軟件的預(yù)測刻畫功能，對TG酶工藝參數(shù)進行優(yōu)化，預(yù)測刻畫結(jié)果見圖7。

圖7 神經(jīng)網(wǎng)絡(luò)預(yù)測刻畫圖Fig.7 Prediction plotof artificial neural network

從圖7中可以預(yù)測得出，當TGase添加量37U/100g魚糜，作用溫度37.5℃，作用時間43min，該條件下，羅非魚碎肉魚糜凝膠強度可以達到9000g·mm。而此參數(shù)條件需要的溫度較低，即能耗較少；時間較短，不會對生產(chǎn)的效率造成影響；加酶量少，費用較低，有利于企業(yè)成本控制。

2.3 神經(jīng)網(wǎng)絡(luò)模型的驗證

為了驗證所得到的神經(jīng)網(wǎng)絡(luò)模型是否可靠，除了該點外，另選取2組新的因素水平組合，以3組實驗數(shù)據(jù)為驗證輸入，利用模型對結(jié)果進行預(yù)測，再與實際結(jié)果進行比較和檢驗，從而判斷模型的準確性和穩(wěn)定性。結(jié)果見表3。

表3 神經(jīng)網(wǎng)絡(luò)模型的預(yù)測值與試驗值的比較Table 3 Comparison of predicted values and experimental values of artificial neural network（ANN）

從表3可知，預(yù)測值與實際值的相對誤差較小，表明神經(jīng)網(wǎng)絡(luò)模型具有較好的預(yù)測能力，能準確地預(yù)測TG酶的作用效果，因此可利用該神經(jīng)網(wǎng)絡(luò)對整個TG酶應(yīng)用工藝過程進行預(yù)測分析，從而對生產(chǎn)進行指導。

3 結(jié)論

3.1 利用響應(yīng)面中的Box-Behnken實驗設(shè)計建立實驗基礎(chǔ)，以魚糜凝膠強度值為指標，借助JMP7.0軟件的神經(jīng)網(wǎng)絡(luò)平臺建立了TG酶加工工藝條件對羅非魚碎肉魚糜凝膠強度影響的神經(jīng)網(wǎng)絡(luò)模型，所建立的神經(jīng)網(wǎng)絡(luò)模型具有較好的預(yù)測能力，可準確地預(yù)測TG酶的作用條件與魚糜凝膠強度的關(guān)系，預(yù)測值與實驗值的相對誤差較小（R2=0.9936）。

3.2 采用神經(jīng)網(wǎng)絡(luò)模型對羅非魚魚糜加工條件進行預(yù)測及優(yōu)化，得到實際生產(chǎn)過程中的最佳條件為：TGase添加量37U/100g魚糜，凝膠溫度37.5℃，凝膠時間43m in。此條件在生產(chǎn)中較易達到，從而為企業(yè)節(jié)約了一定的成本。

［1］Dondero M，F(xiàn)igueroa V，Morales X，et al.Transglutaminase effects on gelation capacity of thermally induced beef protein gels［J］.Food Chemistry，2006，99（3）：546-554.

［2］蔡培鈿，白衛(wèi)東，趙文紅，等.轉(zhuǎn)谷氨酰胺酶及其在食品工業(yè)中的應(yīng)用［J］.中國調(diào)味品，2010，35（4）：35-38.

［3］Motoki M，Seguro K.Transglutaminase and its use for food processing［J］.Trends in Food Science and Technology，1998（9）：204-210.

［4］JaeW Park.Surimi and Surimi Seafood［M］.New York：Marcel Dekker，2000：237-266.

［5］周愛梅，龔杰，邢彩云，等.羅非魚與鳙魚魚糜蛋白在凍藏中的生化及凝膠特性變化［J］.華南農(nóng)業(yè)大學學報，2005，26（3）：103-107.

［6］陳海華，薛長湖.谷氨酰胺轉(zhuǎn)氨酶生產(chǎn)竹莢魚魚糜工藝優(yōu)化［J］.中國食品學報，2010，10（3）：135-142.

［7］賈丹，劉茹，劉明菲，等.轉(zhuǎn)谷氨酰胺酶對鳙魚糜熱誘導膠凝特性的影響［J］.食品科學，2013，34（9）：37-41.

［8］陳明.神經(jīng)網(wǎng)絡(luò)原理與實例精解［M］.第一版.北京：清華大學出版社，2013：2-9.

［9］H Ni，S Gunasekaren.Food quality prediction with neural networks［J］.Food Technol，52（10），60-65，1998.

［10］張良，劉書成，章超樺，等.神經(jīng)網(wǎng)絡(luò)優(yōu)化牡蠣的高密度CO2殺菌工藝［J］.農(nóng)業(yè)工程學報，2011，27（12）：369-403.

［11］鄭惠娜，周春霞，章超樺，等.基于人工神經(jīng)網(wǎng)絡(luò)的牡蠣蛋白酶解動力模型的構(gòu)建［J］.食品工業(yè)科技，2014，35（7）：53-56.

［12］屈小娟，范瀚文，張良，等.神經(jīng)網(wǎng)絡(luò)優(yōu)化南美白對蝦蝦仁熱燙工藝［J］.食品工業(yè)科技，2012，33（14）：291-298.

［13］席慶，章超樺，曾少葵.基于神經(jīng)網(wǎng)絡(luò)法優(yōu)化即食皺紋盤鮑柵欄模式［J］.現(xiàn)代食品科技，2013，29（6）：1311-1315.

［14］侯清娥，秦小明，林華娟，等.基于神經(jīng)網(wǎng)絡(luò)法制備牡蠣呈味肽工藝優(yōu)化研究［J］.食品工業(yè)科技，2011，32（11）：301-304.

［15］黃萬有，李德濤，屈小娟，等.人工神經(jīng)網(wǎng)絡(luò)優(yōu)化軍曹魚內(nèi)臟魚油酶法提取工藝參數(shù)［J］.食品工業(yè)科技，2013，34（7）：173-177.

［16］袁學會，申鉉日，周玉瑩，等.利用羅非魚廢棄碎肉制備低聚肽的研究［J］.食品工業(yè)科技，2011，11（11）：264-269.

［17］Benjakul S，Visessanguan W，Ishizaki S，et al.Differences in gelation characteristics of natural actomyosin from two species of bigeye snapper，Priacanthus tayenus and Priacanthus macracanthus［J］.Journal of Food Science，2001，66（9）：1311-1318.

［18］張賓，汪東風，鄧尚貴.豆類胰蛋白酶抑制劑抗鰱魚魚糜凝膠劣化的研究［J］.食品工業(yè)科技，2012，33（14）：107-110.

［19］Jose A Ramirez，Rocio M Uresti，Gonzalo Velazquez，etal. Food hydrocolloids as additives to improve the mechanical andfunctional properties of fish products：A review［J］.Food Hydrocolloids，2011，25：1842-1852.

［20］鄭堅強.水產(chǎn)品加工工藝與配方［M］.北京：化學工業(yè)出版社（第一版），2008：28-275.

［21］洪鵬志，章超樺，郝記明，等.TG酶制劑對魚糜凝膠強度的影響［J］.福建水產(chǎn)，2001，6（2）：20-24.

Optimization of the technology for applying transglutaminase toproduce surimi gel from tilapia by neural network

ZUO Guang-yang1，ZHOU Qiu-shu2，JIHong-wu3，4，CHEN Hui1，SHEW en-hai1，WU Guo-m ing1，LIPeng1，LU Su-Zhen1，YANG Si-m ing1
（1.Guangzhou Luxe Food Ltd.，Guangzhou 510820，China；2.Shenzhen Allied Aquatic Produce Development Ltd，Shenzhen 518112，China；3.College of Food Science and Technology，Guangdong Ocean University，Zhanjiang 524088，China；4.Key Laboratory of Advanced Processing of Aquatic Products of Guangdong Higher Education Institution，Zhanjiang 524088，China）

The effect of main processing condition（TGase addition，reaction temperature，reaction time） on thegel strength of frittered meat of tilapia surimi gel were investigated. The processing parameters were optimizedby neural network and the neural network model was established. The results showed that the establishedneural network model was more reliable which could accurately predict the relationship of the gel strength andprocessing condition. The relative error of predicted values and experimental values was relatively small（R2= 0.9936）.When the condition of TGase addition of 37U/100g surimi，reaction temperature of 37.5℃，reaction timeof 43min，the gel strength reached （9103±725）g·mm. Under these processing conditions，the gel strength wasappropriate.

transglutaminase；neural network；gel strength；tilapia；processing condition optimization

TS254.4

B

1002-0306（2015）08-0273-05

10.13386/j.issn1002-0306.2015.08.048

2014－12－11

左光揚（1985-），男，碩士研究生，主要從事水產(chǎn)品加工及貯藏方面的研究。

廣東省海洋漁業(yè)科技計劃項目（A201008I02）。