【摘 要】
：
高水分挤压制备植物基肉制品过程中蛋白质、碳水化合物、脂质等生物大分子及分子间相互作用是形成产品外观、质构、风味、口感等品质的分子基础。然而,目前高水分挤压过程中生物大分子间相互作用机制及其对植物基肉制品品质的影响规律尚不明确。本文在参考国内外文献的基础上,总结制备植物基肉制品常用的蛋白质种类及其结构变化特点,梳理蛋白质结构表征及植物基肉制品品质评价方法,分析植物基肉制品制备过程中生物大分子间的相互作用及其对产品品质的影响,提出植物基肉制品发展面临的挑战及未来重点研究方向,旨在为植物基肉制品品质控制和改善提
【机 构】
：
中国农业科学院农产品加工研究所/农业农村部农产品加工综合性重点实验室
【基金项目】
：
国家自然科学基金青年基金项目(31901608),中国农业科学院科技创新工程项目(CAAS-ASTIP-2020-IFST)。
论文部分内容阅读
高水分挤压制备植物基肉制品过程中蛋白质、碳水化合物、脂质等生物大分子及分子间相互作用是形成产品外观、质构、风味、口感等品质的分子基础。然而,目前高水分挤压过程中生物大分子间相互作用机制及其对植物基肉制品品质的影响规律尚不明确。本文在参考国内外文献的基础上,总结制备植物基肉制品常用的蛋白质种类及其结构变化特点,梳理蛋白质结构表征及植物基肉制品品质评价方法,分析植物基肉制品制备过程中生物大分子间的相互作用及其对产品品质的影响,提出植物基肉制品发展面临的挑战及未来重点研究方向,旨在为植物基肉制品品质控制和改善提
其他文献
目的:检测部分常见食物中的维生素B12(VB12)含量。方法:采用莱希曼氏乳酸杆菌ATCC 7830法测定5种菌菇、圈养母鸡蛋和散养母鸡蛋以及16种发酵豆制品中VB12的含量。结果:5种菌类中均含有一定含量的VB12,其中香菇含量最高,含量为1.1μg/kg,猴头菇、白蘑菇和金针菇的VB12含量分别为0.43,0.22,0.13μg/kg,而银耳中VB12含量最低,为0.12
氟喹诺酮类药物(FQs)通常用于预防和治疗畜产养殖、水产养殖过程中的动物疾病,然而过量或不规范使用等会产生耐药菌株,而含FQs残留的动物性食品进入食物链会导致人体生物蓄积毒性。探索FQs有效的检测方法逐渐成为众多学者的关注点。目前国内外建立了多种检测FQs的方法。基于核酸适配体的氟喹诺酮类兽药检测方法相比于其它方法具有灵敏度高、特异性好、成本低、快速等优点。本文概述近5年国内外核酸适配体生物传感器检测FQs的研究进展,主要从荧光、比色和电化学等模式阐述各类检测传感器方法的原理、技术应用及优缺点,指出目前检
上行流媒体在军民融合领域展现出日益重要的新兴战略价值,压缩感知视频流技术体系在上行流媒体应用中具有前端功耗低、容错性好、适用信号广等独特优势,已成为当前可视通信研究的前沿与热点之一。本文从阐述上行流媒体的应用特征出发,从性能指标、并行分块计算成像、低复杂度视频编码、视频重构和语义质量评价等方面,分析了当前针对压缩感知视频流的基础理论与关键技术,对国内外相关的研究进展进行了探究与比较。面向上行流媒体
在疾病诊断、手术引导及放射性治疗等图像辅助诊疗场景中,将不同时间、不同模态或不同设备的图像通过合理的空间变换进行配准是必要的处理流程之一。随着深度学习的快速发展,基于深度学习的医学图像配准研究以其耗时短、精度高的优势吸引了研究者的广泛关注。本文全面整理了2015—2019年深度医学图像配准方向的论文,系统地分析了深度医学图像配准领域的最新研究进展,展现了深度配准算法研究从迭代优化到一步预测、从有监
以卷积神经网络为代表的深度学习技术推动神经网络在医学图像研究领域不断实现新突破。然而,平移不变性等理论假设限制了卷积神经网络在非欧氏空间数据中的表达能力,是医学图像深度学习技术亟待突破的瓶颈。图卷积技术不仅能够解决非欧氏空间数据的拓扑建模难题,还实现了空间特征提取,是深度学习技术全新的研究方向。本文对图卷积网络在医学图像领域的相关理论及其应用进行综述,旨在系统归纳和全面总结医学图像领域最新的图卷积
目的自动检测谣言至关重要,目前已有多种谣言检测方法,但存在以下两点局限:1)只考虑文本内容,忽略了可用于判断谣言的辅助多模态信息;2)只关注时间序列模型捕捉谣言事件的时间特征,没有很好地研究事件的局部信息和全局信息。为了克服这些局限性,有效利用多模态帖子信息并联合多种编码策略构建每个新闻事件的表示,本文提出一种新颖的基于多模态多层次事件网络的社交媒体谣言检测方法。方法通过一个多模态的帖子嵌入层,同
基于多尺度变换的像素级图像融合是计算机视觉领域的研究热点,广泛应用于医学图像处理等领域。本文对多尺度变换的像素级图像融合进行综述,阐述多尺度变换图像融合的基本原理和框架。在多尺度分解方面,以时间为序梳理了塔式分解、小波变换和多尺度几何分析方法的发展历程。在融合规则方面,围绕Piella框架和Zhang框架,讨论通用的像素级图像融合框架;在低频子带融合规则方面,总结基于像素、区域、模糊理论、稀疏表示
液相微萃取(LPME)是一种微型的环境友好型的样品前处理技术,集萃取、富集、浓缩于一体,对整个化学领域具有重要意义,尤其在食品分析领域,它已成为样品前处理技术的研究热点。液相微萃取克服了传统方法的弊端,具有有机试剂用量少,操作简单、快速,富集因子高等优点。基于液相微萃取的前处理技术也在不断开发应用,通过总结液相微萃取的原理及其在食品分析领域的应用,讨论不同前处理技术的优缺点,并对其未来发展趋势进行展望。
目的现有的深度学习模型往往需要大规模的训练数据,而小样本分类旨在识别只有少量带标签样本的目标类别。作为目前小样本学习的主流方法,基于度量的元学习方法在训练阶段大多没有使用小样本目标类的样本,导致这些模型的特征表示不能很好地泛化到目标类。为了提高基于元学习的小样本图像识别方法的泛化能力,本文提出了基于类别语义相似性监督的小样本图像识别方法。方法采用经典的词嵌入模型GloVe(global vecto
目的肿瘤周围高危器官的准确分割是图像引导放射治疗中的关键步骤,也是对抗肺癌和食道癌,规划有效治疗策略的重要组成部分。为了解决不同患者之间器官形状和位置的复杂变化情况以及计算机断层扫描(computed tomography, CT)图像中相邻器官之间软组织对比度低等问题,本文提出了一种深度学习算法对胸部CT图像中的高危器官进行细分。方法以U-Net神经网络结构为基础,将冠状面下的3个连续切片序列即