机器学习增强的建模和表征,以优化饮食纤维生产从高原大麦

科学领域:

• 食品科学与技术 食品科学与技术
• 生物技术是生物技术.
• 营养科学 营养科学

背景情况:

• 高地大麦含有丰富的食纤维 (DF),这是一个具有显著健康益处的成分.
• 修改DF结构和属性可以提高其功能和生物可用性.
• 同发酵为生物加工农业副产品提供了一个有希望的方法.

研究的目的:

• 为了研究高地大麦的共同发酵,使用Lactobacillus bulgaricus和Kluyveromyces marxianus.
• 开发一种机器学习模型,用于预测共发酵期间的DF含量.
• 评估共发酵对DF的物理化学和功能性质的影响.

主要方法:

• 高地大麦与乳杆菌保加利亚菌和Kluyveromyces marxianus的共同发酵.
• 应用 XGBoost 机器学习算法来动态预测 DF 内容.
• 物理化学性质的分析,包括结构,热稳定性,保持水分,保持油分和膨胀能力.
• 对葡萄糖,胆固醇和酸盐的吸附特性进行评估.
• 在体外模拟胃肠道消化,以评估功能性质和抗氧化活性.

主要成果:

• XGBoost模型准确地预测了DF组件的变化 (R2 = 0.9553).
• 最佳的共同发酵条件导致了协同效应,使可溶性DF (SDF) /不可溶性DF (IDF) 的比率增加到0.6911.
• 以色列国防军的数量减少了27.65%,而自卫队的数量增加了19.11%.
• 同发酵显著提高了DF的水 (53.54%),油 (16.11%) 和膨胀 (44.96%) 的容量.
• 观察到改善了葡萄糖,胆固醇和酸盐的吸附能力.
• 发酵的DF在肠道消化过程中表现出增强的抗氧化特性.

结论:

• 共同发酵有效地修改了高地大麦,提高了其DF含量和功能性质.
• 机器学习为优化发酵过程和预测DF变化提供了强大的工具.
• 由于改进的物理化学和吸附特性,修改后的DF显示出在功能性食品中使用的潜力.
• 这项研究突出了乳酸菌保加利亚菌和Kluyveromyces marxianus在生物加工食纤维中的协同作用潜力.