CN105852140A - 青稞膳食纤维的碱法提取方法的响应面法优化 - Google Patents

青稞膳食纤维的碱法提取方法的响应面法优化 Download PDF

Info

Publication number
CN105852140A
CN105852140A CN201610189014.1A CN201610189014A CN105852140A CN 105852140 A CN105852140 A CN 105852140A CN 201610189014 A CN201610189014 A CN 201610189014A CN 105852140 A CN105852140 A CN 105852140A
Authority
CN
China
Prior art keywords
extraction
response surface
surface method
barley
diet fiber
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
Application number
CN201610189014.1A
Other languages
English (en)
Inventor
隋中泉
李雨玺
钟金锋
刘志锦
曹文
谢静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201610189014.1A priority Critical patent/CN105852140A/zh
Publication of CN105852140A publication Critical patent/CN105852140A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23L—FOODS, FOODSTUFFS, OR NON-ALCOHOLIC BEVERAGES, NOT COVERED BY SUBCLASSES A21D OR A23B-A23J; THEIR PREPARATION OR TREATMENT, e.g. COOKING, MODIFICATION OF NUTRITIVE QUALITIES, PHYSICAL TREATMENT; PRESERVATION OF FOODS OR FOODSTUFFS, IN GENERAL
    • A23L2/00—Non-alcoholic beverages; Dry compositions or concentrates therefor; Their preparation
    • A23L2/52—Adding ingredients
    • 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

  • Health & Medical Sciences (AREA)
  • Nutrition Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Polymers & Plastics (AREA)
  • Coloring Foods And Improving Nutritive Qualities (AREA)

Abstract

本发明提供了一种青稞膳食纤维的碱法提取方法的响应面法优化，其包括如下步骤：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；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；计算各个提取条件下膳食纤维的提取率；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，使该提取条件下，提取青稞膳食纤维的提取率最高；验证模型的可行性，比较实验所得最优条件与软件模拟所得最优条件。本发明步骤简单，容易实现，基于响应面法的条件优化有利于提高生产效率、产品品质、降低运行成本、符合绿色化学要求。

Description

青稞膳食纤维的碱法提取方法的响应面法优化
技术领域
本发明涉及一种青稞膳食纤维的碱法提取方法的响应面法优化，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。
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。但是这些方法提取率较低，成本较高，提取步骤繁琐，同时对膳食纤维的理化性质和生理功能均有影响不，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少，对青稞膳食纤维碱法提取的优化研究更少，目前青稞膳食纤维的提取仍然有许多地方需要改进，本发明反应条件温和，对环境污染较小，另外一方面也使得提取率高于现有水平。同时，使用本发明的各项参数可以使目前青稞膳食纤维提取率显著提高。
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，对青稞膳食纤维碱法提取的优化研究更为缺少，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。
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碱法提取方法及制备，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：
本发明提供了一种青稞膳食纤维的碱法提取方法的响应面法优化，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、采用步骤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，所述青稞膳食纤维的碱法提取方法包括如下步骤：
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℃下进行灭活后，进行固液分离，收集固体部用氢氧化钠水溶液清洗，收集洗液，在60～100℃下进行保温后，调节pH至6.5～6.8；
固液分离，收集上清液，在清水中进行透析后，醇沉；
收集沉淀液再进行固液分离，收集固体部分用清水进行复溶后，进行冷冻干燥，得到所述青稞膳食纤维。
作为优选方案，所述氢氧化钠水溶液的浓度为0.5mol/L。
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：60～100℃、提取时间：3～5h、液固比：4:1～12:1。
作为优选方案，步骤S3中，所述Plackeet-Burman实验通过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Design Expert8.0软件进行三维定量构效模型构建的步骤。
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。
本发明在先期实验中根据测定的来自迪庆地区的九种青稞的水溶性膳食纤维含量和水不溶性膳食纤维含量，发现其中南龙格纳青稞的膳食纤维含量最高，因此选择南龙格纳青稞作为提取材料。
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。
本发明中采用碱法提取青稞中的膳食纤维，该方法与传统方法中的水法和碱法相比，其膳食纤维提取率显著提高；同时本结合响应面法对青稞膳食纤维提取条件进行优化。实验优化与软件优化同时进行，大大提高了优化过程的可信度和准确度。
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，过程中并未使用化学试剂，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为本发明中响应面法的三维定量构效模型模型；
图2为本发明中模型提高青稞膳食纤维提取率的效果。
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
本实施例涉及青稞膳食纤维的碱法提取工艺及制备，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3000转离心15分钟，上清液弃去，沉淀用40ml的0.5mol/L的氢氧化钠溶液洗出，并将洗涤液体倒回原烧杯中，然后在相应水浴温度下保温3h，接着立刻调节pH为6.5～6.8；
步骤7、调节pH之后，将提取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，装入透析袋中，并将透析袋置于清水中，每12小时换一次水，放置24小时；
步骤8、将透析袋中的液体倒于洁净的烧杯中，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9、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水在水浴条件下复溶，并在水浴条件下蒸发至25ml；
步骤10、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11、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12、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；
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21.57％。。
实施例2
本实施例涉及青稞膳食纤维的碱法提取方法及制备，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；
步骤6中加入的NaOH的体积数为120ml；
实施效果，在本实验条件下，青稞膳食纤维的提取率为24.76％。
实施例3
本实施例涉及青稞膳食纤维的碱法提取方法及制备，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5h，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30.65％。
优化部分：
实施例1
本实施例涉及响应面法优化的青稞膳食纤维的碱法提取方法及制备，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，转移到另外容器中，沉淀用相应体积数的0.5mol/L的氢氧化钠溶液洗出，并将洗涤液放在洁净的烧杯中，再在相应水浴温度下保温相应的时间，将pH调节为中性，3000转离心15分钟得上清液，装入透析袋中并放置在清水中，24小时；倒出透析液，加入3倍体积无水乙醇醇沉，过夜；再次离心得沉淀，用原先体积数的去离子水复溶；水浴蒸发，使复溶液到25ml；接着放于冰箱冻结；然后冷冻干燥24h，得青稞膳食纤维并称重计算提取率。获取青稞膳食纤维的步骤如专利要求2所述；
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)。结果表明水分含量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
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：青稞提取膳食纤维提取率最高为30.65％，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条件下进行提取青稞膳食纤维的实验，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Design Expert8.0软件，依次选择：New Design-Response Surface-BoxBehnken。Numeric factors设定为3，输入因素名称(liquid-solid ratio、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,Process order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；Lack of fit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＝0.9933，说明该模型可以解释99.33％的实验数据，拟合度高；Adeq Precisior＝22.53，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Graphs Tool中选择3D Surface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青稞提取率的最大值(详见图1)；C.V.＝1.49％，R2＝0.9933，信噪比：22.53。结果显示：加热温度：86.10℃；提取时间：4.08h；液固比为8.29:1的提取条件下，膳食纤维的提取率最高，实测值为31.93％(预测值为31.97％，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extraction rate,在Goal一栏中选择maximize，将Limits一行中Lower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是31.97％，对应最优因素水平为：加热温度：86.10℃；加热时间：4.08h；液固比：8.29:1；
步骤7，根据预测值在最优因素水平条件下的进行提取青稞膳食纤维的实验，提取处理方式同步骤1。实测在该条件提取青稞膳食纤维的提取率为31.93％，同预测值(31.97％)基本一致；
实施效果：本实施例模型预测可靠，Lack of fit不显著；C.V.＝1.49％；R2＝0.9933；Adeq Precisior＝22.53。在该提取条件下，如图2所示，青稞膳食纤维的提取率为31.93％。
实施例2
本实施例涉及响应面法优化的青稞膳食纤维的碱法提取方法及制备，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,Process order一栏中选择Modified，Selection一栏中选择Backward，Alpha out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(Alpha out＝0.05)模型选择合理；Lack of fit显著,说明模型存在失拟情况；C.V.＝1.84％说明变异系数仅为1.83％，变异不显著；R2＝0.8348，说明该模型可以解释83.48％的实验数据，拟合度较差；Adeq Precisior＝49.890，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30.23％，对应最优因素水平为：加热温度：82.19℃；提取时间：4.45h；液固比：11.4:1；
步骤7中，根据预测值在最优因素水平条件下进行提取膳食纤维的实验。实测计算得在该条件下提取青稞膳食纤维的提取率为30.11％，同预测值(30.23％)相差较大。
实施效果：本实施例模型预测不可靠，Lack of fit显著；C.V.＝1.84％；R2＝0.8348；Adeq Precisior＝15.014。在该条件下进行提取青稞膳食纤维的实验，青稞膳食纤维的提取率为30.11％。
实施例3
本实施例涉及响应面法优化的青稞膳食纤维的碱法提取方法及制备，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,Process order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.＝1.73％说明变异系数仅为1.62％，变异不显著；R2＝0.9823，说明该模型可以解释98.23％的实验数据，拟合度高；Adeq Precisior＝34.251，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31.07％，对应最优因素水平为：加热温度：83.60℃；提取时间：4.32h；液固比11.34:1；
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31.00％，同预测值(31.07％)基本一致。
实施效果：本实施例模型预测可靠；C.V.＝1.73％；R2＝98.23％；在该条件下进行提取青稞膳食纤维的实验，青稞膳食纤维的提取率为31.00％。
总和以上两方面的实施例可知，在实际实验过程中，最优的提取条件是加热温度：80℃；提取时间：4h；液固比：8:1，在此最优条件下青稞膳食纤维的提取率为30.65％，经过相应面法优化后的最优条件为加热温度：86.10℃；加热时间：4.08h；液固比：8.29:1，在此最优条件下青稞膳食纤维的提取率为31.93％，与实验所得最高提取率有所提高。
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)

1.一种青稞膳食纤维的碱法提取方法的响应面法优化，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、采用步骤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所述的青稞膳食纤维的碱法提取方法的响应面法优化，其特征在于，所述青稞膳食纤维的水法提取方法包括如下步骤：
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℃下进行灭活后，进行固液分离，收集固体部用氢氧化钠水溶液清洗，收集洗液，在60～100℃下进行保温后，调节pH至6.5～6.8；
固液分离，收集上清液，在清水中进行透析后，醇沉；
收集沉淀液再进行固液分离，收集固体部分用清水进行复溶后，进行冷冻干燥，得到所述青稞膳食纤维。
3.如权利要求2所述的青稞膳食纤维的碱法提取方法的响应面法优化，其特征在于，所述氢氧化钠水溶液的浓度为0.5mol/L。
4.如权利要求1所述的青稞膳食纤维的碱法提取方法的响应面法优化，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：60～100℃、提取时间：3～5h、液固比：4:1～12:1。
5.如权利要求1所述的青稞膳食纤维的碱法提取方法的响应面法优化，其特征在于，步骤S3中，所述Plackeet-Burman实验通过minitab 16.1.0软件实现。
6.如权利要求1所述的青稞膳食纤维的碱法提取方法的响应面法优化，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。
7.如利要求1所述的青稞膳食纤维的碱法提取方法的响应面法优化，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。
8.权利要求1所述的青稞膳食纤维的碱法提取方法的响应面法优化，其特征在于，步骤S5中，所述的响应面法包括通过Design Expert 8.0软件进行三维定量构效模型构建的步骤。
9.据权利要求1所述的青稞膳食纤维的碱法提取方法的响应面法优化，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。
CN201610189014.1A 2016-03-29 2016-03-29 青稞膳食纤维的碱法提取方法的响应面法优化 Pending CN105852140A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610189014.1A CN105852140A (zh) 2016-03-29 2016-03-29 青稞膳食纤维的碱法提取方法的响应面法优化

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610189014.1A CN105852140A (zh) 2016-03-29 2016-03-29 青稞膳食纤维的碱法提取方法的响应面法优化

Publications (1)

Publication Number Publication Date
CN105852140A true CN105852140A (zh) 2016-08-17

Family

ID=56626977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610189014.1A Pending CN105852140A (zh) 2016-03-29 2016-03-29 青稞膳食纤维的碱法提取方法的响应面法优化

Country Status (1)

Country Link
CN (1) CN105852140A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101433292A (zh) * 2008-12-17 2009-05-20 深圳职业技术学院 用酶-碱法结合脱脂制备水不溶性大豆渣膳食纤维的方法
CN101617787A (zh) * 2009-07-27 2010-01-06 中国科学院西北高原生物研究所 一种从青稞中连续提取多种产品的工艺
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
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
CN105341951A (zh) * 2015-11-25 2016-02-24 华南理工大学 一种茶籽膳食纤维及其制备方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101433292A (zh) * 2008-12-17 2009-05-20 深圳职业技术学院 用酶-碱法结合脱脂制备水不溶性大豆渣膳食纤维的方法
CN101617787A (zh) * 2009-07-27 2010-01-06 中国科学院西北高原生物研究所 一种从青稞中连续提取多种产品的工艺
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
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
CN105341951A (zh) * 2015-11-25 2016-02-24 华南理工大学 一种茶籽膳食纤维及其制备方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
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》 *
李慧静: "响应面法优化酶法提取麦麸膳食纤维工艺", 《农业工程技术》 *
郭苗苗: "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》 *

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
CN101775376B (zh) 一种复合竹笋破壁酶和竹笋膳食纤维的制备方法
CN104432111A (zh) 米糠可溶性膳食纤维、生产工艺及其应用
CN104187746B (zh) 发酵法制备绿豆皮可溶性膳食纤维的工艺
CN102524698B (zh) 一种南瓜膳食纤维的制备方法
CN102805351B (zh) 一种黑小麦膳食纤维的连续制备方法
CN105146520A (zh) 一种余甘子酵素及其制备方法
CN101283760A (zh) 从桃渣中提取制备膳食纤维的方法
CN102960644A (zh) 一种南瓜膳食纤维的制备方法及南瓜膳食纤维
CN104987427B (zh) 利用响应曲面法优化黑果枸杞多糖的复合酶微波提取方法
CN104957640B (zh) 一种肉苁蓉膳食纤维及其制备方法
CN106360743A (zh) 一种海芦笋膳食纤维的提取方法
CN104719753A (zh) 一种可溶性谷物膳食纤维的制备方法
CN102190737A (zh) 一种同时采用交联和湿热处理制备抗性淀粉的方法
CN102559808B (zh) 玉米秸秆芯穰制备低聚木糖的方法
CN102965410A (zh) 从牛蒡中提取菊糖的方法
CN105482955B (zh) 一种稠绵果酒的制备方法
CN103304678A (zh) 一种利用复合酶提取苜蓿多糖的方法
CN105029451B (zh) 一种大蒜秸秆活性膳食纤维及其制备方法
CN107090478A (zh) 一种从香菇柄中提取水溶性膳食纤维的方法
CN107212424A (zh) 一种水溶性青稞膳食纤维的提取方法
CN103951737B (zh) 一种从海藻中提取亲糖蛋白的方法
CN103478739A (zh) 一种高品质大蒜皮膳食纤维及其制备方法
CN101461533A (zh) 一种化学法提取花生壳膳食纤维的制备工艺
CN105852140A (zh) 青稞膳食纤维的碱法提取方法的响应面法优化

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

Application publication date: 20160817

RJ01 Rejection of invention patent application after publication