神经网络优化TG酶在罗非鱼鱼糜中的加工工艺

左光扬，周秋树，吉宏武，陈 辉，佘文海，吴国铭，李 鹏，鲁素珍，杨斯明

（1.广州禄仕食品有限公司，广东广州510820；2.深圳联合水产发展有限公司，广东深圳518112；3.广东海洋大学食品科技学院，广东湛江524088；4.广东普通高校水产品深加工重点实验室，广东湛江524088）

神经网络优化TG酶在罗非鱼鱼糜中的加工工艺

左光扬1，周秋树2，吉宏武3，4，陈 辉1，佘文海1，吴国铭1，李 鹏1，鲁素珍1，杨斯明1

（1.广州禄仕食品有限公司，广东广州510820；2.深圳联合水产发展有限公司，广东深圳518112；3.广东海洋大学食品科技学院，广东湛江524088；4.广东普通高校水产品深加工重点实验室，广东湛江524088）

通过对谷氨酰胺转氨酶（TGase）作用条件（添加量、凝胶温度和凝胶时间）对罗非鱼碎肉鱼糜凝胶强度的影响进行研究，在获得一定实验数据基础上利用得到的人工神经网络（ANN）模型对其工艺进行优化。结果表明：所建立的神经网络模型具有较好的预测能力，可准确地预测TG酶的作用条件与鱼糜凝胶强度的关系，预测值与实验值的相对误差较小（R2=0.9936）；罗非鱼碎肉鱼糜的凝胶强度受TG酶的作用条件影响较大，其在实际生产中的最佳条件为：TGase添加量37U/100g鱼糜，作用温度37.5℃，作用时间43min。此条件下，罗非鱼碎肉鱼糜凝胶强度能够达到（9103± 725）g·mm，具有较好的作用效果。

谷氨酰胺转氨酶，神经网络模型，凝胶强度，罗非鱼，工艺优化

谷氨酰胺转氨酶（TGase）是一种酰基转移酶，它能催化肌球蛋白重链（myosin heavy chains，MHC）上赖氨酸的ε-氨基与谷氨酸的γ-羟酰胺基形成共价键使蛋白质-蛋白质、蛋白质-氨基酸之间发生交联反应［1］，如图1所示：

蛋白质经TGase交联后能提高其相关功能特性，如：保水性、热稳定性以及胶凝性等［2］，从而赋予食品蛋白质特有的质构和口感［3］。目前，TGase在水产品中的应用主要在于利用其来增强鱼糜制品的凝胶强度［2，4-7］。然而，酶的重要性又决定了其的价格不菲，如何使其能达到经济与效益的双赢一直是鱼糜及鱼糜制品生产商追求的目标。

图1 赖氨酸的ε-氨基与谷氨酸的γ-羟酰胺基形成共价键结构图Fig.1 Formation of e（g-glutamyl）lysine bonds by transglutaminase

人工神经网络（ANN）是根据人类的大脑神经反应原理构造的［8-10］，通过调整神经元之间的权值来对外界事物（输入的数据）进行建模，最终具备解决某一实际问题的能力［11］。ANN在食品工业领域中的应用越来越广泛［12-13］，并且由于ANN对非线性和非稳态系统的酶催化反应具有较好预判能力，因而越来越多的学者采用ANN来优化酶的应用［14-15］。

罗非鱼加工厂在生产过程中将产生大量的边角料进行高值化处理［16］，而罗非鱼碎肉则是鱼糜及鱼糜制品上好的原料，目前，尚未有将ANN应用于鱼糜及鱼糜制品加工工艺优化的相关报道。本实验以凝胶强度为指标，对影响TG酶酶联过程的关键因素（添加量、温度和时间）进行模拟训练，建立TG酶反应工艺参数和凝胶强度的神经网络模型，寻求高效且经济的工艺条件，为提高企业经济效益以及TG酶在鱼糜及鱼糜制品中的运用提供一定的理论指导。

1 材料与方法

1.1 材料与仪器

新鲜罗非鱼碎肉 广州禄仕食品有限公司；转谷氨酰胺酶（酶活力120U/g） 江苏泰州东圣生物科技有限公司；PVDC塑料肠衣（直径20mm） 武汉飘飘食品集团有限公司。

HH-8恒温水浴锅 常州澳华仪器有限公司；BL-3200H电子称 日本岛津仪器设备公司；CT3质构仪 美国Brookfield公司。

1.2 实验方法

1.2.1 罗非鱼冷冻鱼糜的制备 取罗非鱼碎肉用冰水洗净后，采肉，漂洗3次（鱼水比1∶3，每次10m in），漂洗水温低于10℃，脱水，精滤，调整鱼糜水分含量83% ±0.5%并加入抗冻剂（抗冻剂为盐、磷酸盐、葡萄糖，添加总量1%），600g/袋分装，于-18℃备用。

1.2.2 鱼糜凝胶的制备 称取制备好的鱼糜600g，半解冻，斩拌2m in，加2.5%NaCl和一定量的TGase，斩拌2m in（保证温度0～10℃），灌肠，采用两段加热法，先在一定温度（X1）下凝胶化一定时间（X2），然后95℃加热10m in，立即将其置冰水中冷却，冷却后于4℃放置24h过夜［6］。

1.2.3 酶联工艺实验设计 以鱼糜的凝胶强度为指标，凝胶温度、凝胶时间、TGase添加量［6-7］为实验因子，采用响应面中的Box-Behnken设计来确定酶联工艺，具体因素水平编码表见表1。

表1 因素水平编码表Table 1 Code of factors and levels

1.2.4 鱼糜凝胶强度的测定 凝胶强度采用CT3质构分析仪进行的测试，在室温条件下将制备的样品切成20mm的小段，测试模式为破裂，选用的探头TA50球型探头，测试参数为：测前速率1mm/s、测中速率1mm/s、测后速率4mm/s。每个工艺条件鱼肠切5个平行测试样，双向测试，剔除最大最小值并取平均值。以穿刺曲线上的第1个峰即为破断强度，公式为：凝胶强度=破断强度×凹陷深度［6］。

1.2.5 神经网络模型设计 根据试响应面优化结果，选择JMP7.0软件中的神经网络进行建模。在拟合响应目标的神经网络模型时，选择“K折叠”交叉验证的方法。相关参数：交叉验证组数、隐藏节点数、过拟合罚项、最大迭代数等的设置参考文献［12］。

1.2.6 数据处理 采用JMP7.0数据处理软件中的神经网络平台进行相关数据的处理。

2 结果与分析

2.1 神经网络模型的确立

Box-Behnken设计及结果见表2。

表2 实验设计及结果Table 2 Experimental design and results

使用神经网络系统对该结果进行采集，根据设定的参数进行神经网络模型的拟合，交叉验证组数为5，采用2～8个隐藏节点数来进行神经网络训练，每个指定的隐藏节点数重复运行5次，根据拟合决定系数R2来评估神经网络模型［13］。在经过多次神经网络训练之后，确定采用3×4×1结构的三层神经网络（图2）即隐藏节点数为4，此时的拟合系数R2值达到了0.9936（图3），表明3×4×1结构的模型具备良好的预测能力。

图2 神经网络结构图Fig.2 The neural network diagram

图3 实际值与预测值相关性图Fig.3 The correlation of actual values and the predicted values

2.2 神经网络模型对酶联工艺的分析与优化

为研究温度（X1）、时间（X2）、加酶量（X3）3个条件对凝胶强度（Y）的影响，通过软件JMP7.0分析，再采用曲面刻画器制作三维图。从图4～图6上看，对酶的添加量而言，小于45U/100g鱼糜条件下，酶的添加量越多，凝胶强度越高；而当添加量大于45U/100g鱼糜条件下，随着酶的添加量越多，凝胶强度反倒越低。这一结果与陈海华［6］，贾丹等［7］对于TG酶的研究相一致。添加一定量的酶能够促进蛋白质分子间或分子内的共价交联，从而提高鱼糜制品凝胶强度，过量的TG酶添加将导致过度的交联作用从而使得鱼糜凝胶弹性降低而变得硬而脆［7］，最终使鱼糜凝胶强度下降。

对温度而言，当温度高于40℃时，随温度增加凝胶强度迅速增加，当温度超过50℃时开始缓慢下降。温度超过40℃其逐渐上升原因是：TGase催化MHC形成ε-（γ-谷氨酰）赖氨酸键在鱼糜凝胶网络形成过程中开始占据主导作用，从而形成了更为稳定的网络结构［7，17］，但是随着温度进一步升高，高于50℃后由于接近凝胶劣化区域50～70℃，因而凝胶强度开始下降［18-19］。

对时间而言，随着时间的延长，鱼糜凝胶强度越来越高，这主要是因为鱼糜在加热过程中大部分肌球蛋白溶胶慢慢发生凝固收缩并相互连接形成立体网状结构固定下来，这一过程的产生需要一定时间［20］，另外，TG酶制剂与蛋白质作用也需要一定的时间［21］。

图4 温度和加酶量对凝胶强度的影响Fig.4 Effect of temperature and TGase addition on surimigel strength

图5 加酶量和时间对凝胶强度的影响Fig.5 Effect of TGase addition and time on surimigel strength

图6 温度和时间对凝胶强度的影响Fig.6 Effect of temperature and time on surimigel strength

在寻求最佳工艺条件时，既要考虑凝胶强度，又要考虑生产的效率以及成本，即一定范围内添加的酶量越少，需要的温度越低以及需要的时间越短越好。根据中华人民共和国水产行业标准SC/T 3702-2014冷冻鱼糜级别标准（SSA级≥7000g·mm，SA级≥6000g·mm，FA级≥5000g·mm，AAA级≥4000g·mm）可以看到罗非鱼碎肉鱼糜具有较好的凝胶强度，其在不同加工工艺条件下均达到了SA级，大多数达到了SSA级（见表2），这为生产高品质的产品提供了先决条件。凝胶强度越高，需要的条件越苛刻，因此，根据生产需要，把凝胶强度的期望值暂设为9000g·mm。根据3个因素对鱼糜凝胶强度（Y）的影响规律，利用JMP7.0软件的预测刻画功能，对TG酶工艺参数进行优化，预测刻画结果见图7。

图7 神经网络预测刻画图Fig.7 Prediction plotof artificial neural network

从图7中可以预测得出，当TGase添加量37U/100g鱼糜，作用温度37.5℃，作用时间43min，该条件下，罗非鱼碎肉鱼糜凝胶强度可以达到9000g·mm。而此参数条件需要的温度较低，即能耗较少；时间较短，不会对生产的效率造成影响；加酶量少，费用较低，有利于企业成本控制。

2.3 神经网络模型的验证

为了验证所得到的神经网络模型是否可靠，除了该点外，另选取2组新的因素水平组合，以3组实验数据为验证输入，利用模型对结果进行预测，再与实际结果进行比较和检验，从而判断模型的准确性和稳定性。结果见表3。

表3 神经网络模型的预测值与试验值的比较Table 3 Comparison of predicted values and experimental values of artificial neural network（ANN）

从表3可知，预测值与实际值的相对误差较小，表明神经网络模型具有较好的预测能力，能准确地预测TG酶的作用效果，因此可利用该神经网络对整个TG酶应用工艺过程进行预测分析，从而对生产进行指导。

3 结论

3.1 利用响应面中的Box-Behnken实验设计建立实验基础，以鱼糜凝胶强度值为指标，借助JMP7.0软件的神经网络平台建立了TG酶加工工艺条件对罗非鱼碎肉鱼糜凝胶强度影响的神经网络模型，所建立的神经网络模型具有较好的预测能力，可准确地预测TG酶的作用条件与鱼糜凝胶强度的关系，预测值与实验值的相对误差较小（R2=0.9936）。

3.2 采用神经网络模型对罗非鱼鱼糜加工条件进行预测及优化，得到实际生产过程中的最佳条件为：TGase添加量37U/100g鱼糜，凝胶温度37.5℃，凝胶时间43m in。此条件在生产中较易达到，从而为企业节约了一定的成本。

［1］Dondero M，Figueroa 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］蔡培钿，白卫东，赵文红，等.转谷氨酰胺酶及其在食品工业中的应用［J］.中国调味品，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］周爱梅，龚杰，邢彩云，等.罗非鱼与鳙鱼鱼糜蛋白在冻藏中的生化及凝胶特性变化［J］.华南农业大学学报，2005，26（3）：103-107.

［6］陈海华，薛长湖.谷氨酰胺转氨酶生产竹荚鱼鱼糜工艺优化［J］.中国食品学报，2010，10（3）：135-142.

［7］贾丹，刘茹，刘明菲，等.转谷氨酰胺酶对鳙鱼糜热诱导胶凝特性的影响［J］.食品科学，2013，34（9）：37-41.

［8］陈明.神经网络原理与实例精解［M］.第一版.北京：清华大学出版社，2013：2-9.

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

［10］张良，刘书成，章超桦，等.神经网络优化牡蛎的高密度CO2杀菌工艺［J］.农业工程学报，2011，27（12）：369-403.

［11］郑惠娜，周春霞，章超桦，等.基于人工神经网络的牡蛎蛋白酶解动力模型的构建［J］.食品工业科技，2014，35（7）：53-56.

［12］屈小娟，范瀚文，张良，等.神经网络优化南美白对虾虾仁热烫工艺［J］.食品工业科技，2012，33（14）：291-298.

［13］席庆，章超桦，曾少葵.基于神经网络法优化即食皱纹盘鲍栅栏模式［J］.现代食品科技，2013，29（6）：1311-1315.

［14］侯清娥，秦小明，林华娟，等.基于神经网络法制备牡蛎呈味肽工艺优化研究［J］.食品工业科技，2011，32（11）：301-304.

［15］黄万有，李德涛，屈小娟，等.人工神经网络优化军曹鱼内脏鱼油酶法提取工艺参数［J］.食品工业科技，2013，34（7）：173-177.

［16］袁学会，申铉日，周玉莹，等.利用罗非鱼废弃碎肉制备低聚肽的研究［J］.食品工业科技，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］张宾，汪东风，邓尚贵.豆类胰蛋白酶抑制剂抗鲢鱼鱼糜凝胶劣化的研究［J］.食品工业科技，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］郑坚强.水产品加工工艺与配方［M］.北京：化学工业出版社（第一版），2008：28-275.

［21］洪鹏志，章超桦，郝记明，等.TG酶制剂对鱼糜凝胶强度的影响［J］.福建水产，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

左光扬（1985-），男，硕士研究生，主要从事水产品加工及贮藏方面的研究。

广东省海洋渔业科技计划项目（A201008I02）。