评估与筛选食品酿造原料的方法及应用技术

本发明专利技术涉及评估与筛选食品酿造原料的方法及应用，属于发酵食品制备技术领域。本发明专利技术利用响应面法进行预测模型的构建，通过谷物原料中谷物蛋白或糖谱可以快速确定发酵终点代谢产物多样性、风味物质含量、风味物质种类、微生物生物量、乙酸乙酯含量、乙酸含量或乙醇含量，同时可以对原料的筛选达到对代谢产物多样性调控的目的。本发明专利技术实现了对酿造原料如高粱，青稞，大米，糯米，大麦，小麦，玉米等的原料选育，原料选用，原料组合等的应用。本发明专利技术还可用于其他发酵食品体系，如葡萄酒，啤酒，醋，酱油，威士忌，酸菜等。利用本方法来评价酿酒原料，操作简单，标准化程度较高，客观准确。客观准确。客观准确。

【技术实现步骤摘要】
评估与筛选食品酿造原料的方法及应用


[0001]本专利技术涉及评估与筛选食品酿造原料的方法及应用，属于发酵食品制备


技术介绍

[0002]发酵食品是以谷物类、蔬菜类和豆类等为原料，通过微生物菌群的代谢作用而形成的一类质地优良，风味独特，营养丰富的食品。发酵食品的酿造原料品种多样，来源广泛，各种含淀粉和糖类的谷物类如高粱，青稞、大米、糯米、大麦、小麦、燕麦、黑麦玉米、籼稻、粳稻、糯稻、粟、黍、黄米、荞麦、大豆、蚕豆、豌豆、绿豆、红小豆、芸豆等均可作为酿造原料。酿造原料的质量对发酵食品的营养、风味等品质具有非常重要的影响。因此原料的筛选对发酵食品的质量有直接的影响。
[0003]常规食品酿造原料的筛选主要基于原料的理化成分，如啤酒原料的筛选主要包括麦芽中的蛋白质、淀粉和多酚类物质等的含量，另外对于传统发酵食品原料的选用，如白酒、黄酒、醋等原料的筛选主要关注于酿造原料的容重、水分、杂质、淀粉含量和色泽气味等。目前传统食品酿造原料还未有以发酵产品风味为导向的筛选方法，而传统发酵食品风味多样化，如何评价原料对食品风味品质的影响，以及如何寻找适合于食品发酵的原料，目前并没有有效的标准与简单的筛选方法。
[0004]原料对发酵的影响，包括提供营养物质，提供风味，以及调节微生物菌群的生长与风味代谢，最终影响发酵食品的风味组成与品质。其中原料调节微生物菌群的生长与风味代谢的功能，是影响发酵食品风味品质的最重要作用，但是目前原料如何调节微生物菌群生长与代谢功能难以定量化，无法评估，造成了原料酿造功能无法评估，缺乏有效的原料评价方法，无法有效筛选优质酿造原料。

技术实现思路

[0005][技术问题][0006]酿造原料对发酵食品的风味有着重要的作用，而目前并没有简单有效的方法去筛选和评估酿造原料，本专利技术要解决的技术问题是提供一种评估与筛选食品酿造原料的方法。
[0007][技术方案][0008]原料在发酵过程中，可为微生物菌群提供多种多样的碳源及氮源等营养物质，如谷物蛋白，包括清蛋白、球蛋白、醇溶蛋白和谷蛋白；以及不同糖类所形成的复杂糖谱。由于不同的酿造原料有各自独特的谷物蛋白及糖谱组成，因此，不同原料在酿造过程中风味化合物的多样性存在差异。对原料的谷物蛋白及糖谱组成进行判定，对于酿造原料的筛选，发酵食品的质量控制，如白酒，葡萄酒，啤酒，醋，酱油，酸菜等具有积极的指导意义。
[0009]为解决上述问题，本专利技术提供了评估与筛选食品酿造原料的方法及应用。
[0010]本专利技术的第一个目的是提供评估与筛选酿造原料的方法，包括如下步骤：
[0011](1)测定食品酿造原料中谷物蛋白及糖谱的含量；
[0012](2)以步骤(1)的谷物蛋白或糖谱的含量代入预测模型，输出预测值；
[0013](3)筛选预测值最接近预测模型理论最大值或根据发酵实际所需的数值的酿造原料。
[0014]在一种实施方式中，所述预测值包括代谢产物多样性值、风味物质含量、风味物质种类、微生物生物量或乙醇含量。
[0015]在一种实施方式中，所述预测模型的构建方法为以谷物蛋白或糖谱的含量为自变量，以预测值为应变量，根据单因素分析确定与应变量最相关的自变量，采用响应面法，拟合得到预测模型。
[0016]在一种实施方式中，预测模型为：
[0017][0018]所述X
i
为n维变量X的第i个分量，X
j
为n维变量X的第j个分量，β0,β
i
,β
ij
为常数。i,j＝1,2,3
…
，X
i
为不同的蛋白质的种类，X
j
为不同的糖的种类(i＝1,2,3,4
…
)；
[0019]所述Y包括代谢产物多样性、风味物质含量、风味物质种类、微生物生物量、乙酸乙酯含量、乙酸含量或乙醇含量。
[0020]在一种实施方式中，所述谷物蛋白包括但不限于清蛋白、球蛋白、醇溶蛋白和谷蛋白。
[0021]在一种实施方式中，所述糖谱包括但不限于麦芽糖、葡萄糖、果糖、鼠李糖、半乳糖、阿拉伯糖、木糖和纤维二糖。
[0022]在一种实施方式中，所述谷物蛋白含量的测定方法为：将酿造原料通过Osborne法进行分级提取并测定。
[0023]在一种实施方式中，所述糖谱含量的测定方法为：将酿造原料与水混合，80～110℃蒸煮30～60分钟后利用色谱法测定。
[0024]在一种实施方式中，当预测值为乙醇含量(mg/g)时，相应的预测模型为：
[0025][0026]其中，X1为葡萄糖含量(mg/g)，X2为清蛋白含量(mg/g)，X3为球蛋白含量(mg/g)。
[0027]在一种实施方式中，当预测值为微生物生物量(酿酒酵母)，相应的预测模型为：
[0028][0029]X1为葡萄糖含量(mg/g)，X2为果糖含量(mg/g)，X3为阿拉伯糖含量(mg/g)
[0030]在一种实施方式中，当预测值为微生物生物量(库德威兹毕赤酵母)，相应的预测模型为：
[0031][0032]其中，X1为麦芽糖含量(mg/g)，X2为果糖含量(mg/g)，X3为木糖含量(mg/g)。
[0033]在一种实施方式中，当预测值为风味物质总含量，相应的预测模型为：
[0034][0035]其中，X1为葡萄糖含量(mg/g)，X2为果糖含量(mg/g)，X3为阿拉伯糖含量(mg/g)。
[0036]在一种实施方式中，当预测值为代谢产物多样性，相应的预测模型为：
[0037]Y＝
‑
0.060+9.52
×
10
‑3×
X1+0.12
×
X2+0.059
×
X3‑
1.17
×
10
‑3×
X1X2+1.02
×
10
‑3×
X1X3‑
0.036
×
X2X3‑
6.49
×
105×
X
12
‑
6.21
×
10
‑3×
X
22
‑
5.73
×
10
‑3×
X
32
[0038]其中，X1为葡萄糖含量(mg/g)，X2为果糖含量(mg/g)，X3为阿拉伯糖含量(mg/g)；
[0039]在一种实施方式中，当预测值为重要风味物质乙酸乙酯，相应的预测模型为：
[0040][0041]其中，X1为葡萄糖糖含量(mg/g)，X2为清蛋白含量(mg/g)，X3为木糖含量(mg/g)。
[0042]在一种实施方式中，当预测值为乙酸，相应的预测模型为：
[0043][0044]其中，X1为麦芽糖含量，X2为清蛋白含量，X3为球蛋白含量。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.评估与筛选食品酿造原料的方法，其特征在于，具体步骤如下：(1)测定酿造原料中谷物蛋白及糖谱的含量；(2)将步骤(1)的谷物蛋白和/或糖谱的含量代入预测模型，输出预测值；(3)筛选预测值最接近预测模型理论最大值或根据发酵实际所需的数值的酿造原料；所述预测值包括但不限于代谢产物多样性、风味物质含量、风味物质种类、微生物生物量、乙酸乙酯含量、乙酸含量或乙醇含量；所述预测模型的构建方法为以谷物蛋白和/或糖谱的含量为自变量，以预测值为应变量，根据单因素分析确定与应变量最相关的自变量，拟合得到预测模型；所述预测模型为：所述X
i
为n维变量X的第i个分量，X
j
为n维变量X的第j个分量，β0,β
i
,β
ij
为常数，i,j＝1,2,3
…
，X
i
为不同的蛋白质的种类，X
j
为不同的糖的种类(i＝1,2,3,4
…
)。2.根据权利要求1所述的方法，其特征在于，谷物蛋白包括但不限于清蛋白、球蛋白、醇溶蛋白和谷蛋白；糖谱包括但不限于麦芽糖、葡萄糖、果糖、鼠李糖、半乳糖、阿拉伯糖、木糖和纤维二糖。3.根据权利要求1所述的方法，其特征在于，当预测值为乙醇，相应的预测模型为：其中，X1为葡萄糖含量(mg/g)，X2为清蛋白含量(mg/g)，X3为球蛋白含量(mg/g)。4.根据权利要求1所述的方法，其特征在于，当预测值为酿酒酵母生物量，相应的预测模型为：X1为葡萄糖含量(mg/g)，X2为果糖含量(mg/g)，X3为阿拉伯糖含量(mg/g)。5.根据权利要求1所述的方法，其特征在于，当预测值为库德威兹毕赤酵母生物量，相应的预测模型为：其中，X1为麦芽糖含量(mg/g)，X2为果糖含量(mg/g)，X3为木糖含量(mg/g)。6.根...

【专利技术属性】
技术研发人员：吴群，徐岩，王正，
申请(专利权)人：江南大学，
类型：发明
国别省市：