中国毛虾的酶解、风味分析及产物功能特性的研究

来源 :华南农业大学 | 被引量 : 0次 | 上传用户:osinfobyl
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
毛虾作为低值虾类,富含蛋白质,氨基酸种类齐全,是天然海鲜调味料的优质原料,开发利用前景广阔。本文以毛虾为原料,运用蛋白酶解技术制备调味基料,并对风味变化及产物的功能特性进行了系统的研究,以期为风味的改良和产物的应用提供了理论基础。主要研究结果如下:   首先,对毛虾进行酶解。经过酶种类的筛选以及后续研究的需要,确定实验用酶为木瓜蛋白酶、碱性蛋白酶和中性蛋白酶,原料的预处理条件为65℃处理15min。以水解度和感官评定为指标,通过单因素和正交实验,确定木瓜蛋白酶的酶解条件为:加酶量为600U/g、固液比1:5、酶解温度55℃、自然pH值、酶解时间4h,得到的酶解液水解度为29.68%,感官评定分数为13.01,酶解效果突出,适合作为调味基料;碱性蛋白酶的酶解条件为:加酶量为500U/g、固液比1:5、酶解温度50℃、自然pH值、酶解时间4.5h,得到的酶解液水解度为21.46%,感官评定分数为11.36;中性蛋白酶的酶解条件为:加酶量为700U/g、固液比1:5、酶解温度55℃、自然pH值、酶解时间3.5h,得到的酶解液水解度为17.55%,感官评定分数为9.21。   其次,研究了毛虾的酶解规律。其酶解进程分为三个阶段:快速增长、缓慢增加和平衡阶段。后期水解度增加缓慢的原因主要是由于可被水解的肽键浓度的下降所致,为解决此问题,可在后期添加底物或者另外的蛋白酶。   然后,采用固相微萃取结合气质联用技术(SPME-GC-MS)对毛虾提取液和三种酶解液的挥发性成分进行研究。结果表明,对毛虾独特虾味有贡献的主要是醛类化合物,其次是部分醇类和酮类;酶解后酮类、吡嗪类和其它含氮、含氧和含硫化合物的增加,有刺激性气味的醛类物质含量的减少是酶解液风味优于提取液的主要原因,而这些化合物在不同酶解液中相对含量的不同是风味差异的原因,挥发性成分种类和总量的不同也导致了风味的差异,酶解反应能保持和改善毛虾的风味,所制备的酶解液有广泛的应用前景。   最后,研究了酶解产物的功能特性。相比虾粉,其大部分功能特性得到改进,有利于应用。产物的溶解性随着水解度的提高而提高,在巴氏杀菌处理条件下溶解性最高,在pH5.0的时候最低,但在不同水解度、处理温度和pH值下氮溶解指数均高于90%:乳化性和乳化稳定性、起泡性和泡沫稳定性及粘度均随着产物浓度的增大而增大;乳化性和乳化稳定性、起泡性、粘度和持水性随着pH的升高先减小后增大,在pH5.0时最小,而起泡稳定性的变化正好相反;乳化性和乳化稳定性、起泡性和起泡稳定性在巴氏杀菌处理下效果最好,粘度则是在4℃冷藏处理下最高;随着加入的NaCl浓度的升高,其乳化性和乳化稳定性先上升后下降,起泡性和泡沫稳定性及粘度下降;蔗糖的加入量越多,起泡性下降的越快,而泡沫稳定性和粘度增大,乳化性和乳化稳定性则变化甚微。
其他文献
对于高职院校的体育教学而言,在提升学生的整体身体素质基础上,也要根据体育的具体教学情况进行分析,然而当前教学效果并不十分理想,学生的整体体育素质较低、体能上缺少锻炼
随着新课程改革步伐的不断迈进与深入,小学数学教学不仅要培养学生扎实的掌握数学知识,更提倡关注学生的数学学习过程,更加注重学生在数学课堂教学中的积极性与情感意识.为此
本研究以广东凤凰单丛十大香型之八仙过海和芝兰香乌龙茶为材料,对春、夏、秋季乌龙茶香气组成进行分析比较;并以八仙过海乌龙春、秋茶为原料,分别采用微波浸提和水浴浸提技
高职院校的招生与就业工作是影响高职院校发展的重要因素,高职院校的学生质量以及学生素质是高职院校进步的基础,也是改善学校经济条件的重要因素,就业是学校和每一个高职学
随着素质教育的全面实行,音乐课程在学生的课堂上占据了比较重要的位置.音乐课程不仅可以提升学生的音乐素养,还能够帮助学生放松身心.本文将以高职现代音乐课程为文章主体,
运用文献资料、实地调研、问卷调查、数理统计等方法对六个少数民族农村地区的30名学校体育教学管理人员和150名体育任课教师进行调查分析.并针对湖南湘西和湘南山区学校体育
社会发展速度的加快,人们的生活方式无论是吃穿住行,都发生了巨大的变化,政治经济文化都在不断地更新,在文化领域之下的教学方式也在积极创新,试图用最新,最有效的教育理念,
风轮附近区域流场的速度分布和压力分布一直是国内外学者关注的热点。了解该区域流动的分布规律对掌握水平轴风力机功率的获取和提高,有着极为重要的意义。本文利用CFD软件Fl
火电厂热工过程是一个复杂的非线性、时变、大延迟、大惯性系统。传统控制方法对其进行控制时遇到的困难主要来自于机组工况的大范围变动。将基于分解-合成原理的多模型方法
请下载后查看,本文暂不支持在线获取查看简介。 Please download to view, this article does not support online access to view profile.