طبقه بندی محصولات نهایی واکنش میلارد در مزدوج های پروتئین-پلی ساکارید با تصویربرداری فراطیفی و مدل های یادگیری ماشین

میلارد واکنش شیمیایی است که بین گروه های آمین آزاد پروتئین ها و گروههای کربونیل قندهای احیا کننده انجام می شود. تشکیل پیوند کووالانسی بین پروتئین و کربوهیدرات، با عنوان مزدوج پروتئین- ساکارید یا ترکیبات کونژوگه شناخته شده که علاوه بر بهبود ویژگی های کاربردی، در بهبود طعم و رنگ مواد غذایی نیز موثر است. با این حال، در صورت عدم کنترل دقیق، نگرانی هایی در مورد تشکیل ترکیبات مضر برای سلامت انسان وجود دارد. بنابراین، بهینه سازی شرایط واکنش برای بهره گیری از مزایای آن و به حداقل رساندن ترکیبات مضر، امری ضروری است. در این پژوهش، کنسانتره پروتئین آب پنیر و بتاگلوکان تحت دماهای مختلف مزدوج شده و محصولات نهایی میلارد با اسپکتروفوتومتری فرابنفش-مرئی سنجش شد. داده ها با روش تحلیل مولفه های اصلی و الگوریتم های یادگیری ماشینی شامل جنگل تصادفی، نزدیک ترین همسایگان و ماشین بردار پشتیبان پردازش شدند. نتایج نشان داد که الگوریتم نزدیک ترین همسایگان با دقت ۰۴/۹۱  درصد بهترین عملکرد را در طبقه بندی نمونه ها داشت. ماشین بردار پشتیبان با دقت های ۸۸/۸۷ و ۸۵/۸۴ درصد با دو راهبرد «یکی در برابر یکی» و «یکی در برابر همه»، و جنگل تصادفی با دقت ۲۰/۷۷ درصد در رتبه های بعدی قرار گرفتند. بررسی های طیفی تایید کرد که افزایش دما موجب افزایش محصولات نهایی میلارد شده و مدل های یادگیری ماشین بر پایه داده های طیفی، امکان تفکیک دقیق نمونه ها بر اساس دمای فرآیند را فراهم نمودند. این پژوهش نشان داد که رویکرد پیشنهادی ادغام اسپکتروسکوپی فرابنفش-مرئی با یادگیری ماشین، به عنوان یک روش سریع، غیرمخرب و کارآمد، پتانسیل قابل توجهی برای پایش واکنش میلارد و بهینه سازی فرآیندهای حرارتی در صنایع غذایی دارا می باشد.

کلیدواژه ها:

تصویربرداری فراطیفی ، ملانوئیدین ، میلارد ، یادگیری ماشینی