酸浆豆腐作为我国传统非发酵豆制品的重要品类,具有营养丰富、豆香浓郁及天然安全等特点,近年来市场消费需求持续增长。当前,其工业化生产仍遵循“泡豆-磨浆-滤渣-煮浆-豆清发酵液点浆-压榨”的传统工艺,该流程下每生产1 t豆腐,约滤出1～1.5 t湿豆渣[1]。多项研究显示,豆渣富含膳食纤维,具有改善葡萄糖耐受、增强肠道蠕动等多种健康价值[2]。在“健康中国”战略深入推进的背景下,高膳食纤维食品产业迅速发展,高纤维豆腐已成为豆制品领域的重要创新方向。为开发高纤维豆腐产品,行业及学术界尝试采用少滤或不滤豆渣的工艺进行生产。然而,所得产品普遍存在凝胶结构松散、质地粗糙、保水性差等问题,消费者接受度较低。究其原因,豆渣中膳食纤维以不溶性组分为主,纤维颗粒粗大且分散性差,易在凝胶网络中形成结构缺陷,从而破坏蛋白质形成的连续相[3]。针对这一问题,研究人员尝试采用超微粉碎、酶解、发酵等技术对滤出豆渣进行微细化与结构改性处理,再将其回添至豆浆中[4-5]。这些方法虽通过提升豆渣膳食纤维的可溶性及其在豆腐凝胶体系中的分散稳定性,在一定程度上改善了高纤维豆腐的品质,但工艺复杂、流程繁琐,难以适应规模化生产需求。
目前豆制品加工中常用的磨浆方式主要包括陶瓷磨、胶体磨和砂轮磨等。陶瓷磨工艺成熟、运行稳定,且磨浆过程较为温和,有利于保持豆浆风味,但其对高纤维体系中粗大颗粒及不溶性膳食纤维的细化作用有限,易导致浆料颗粒分布不均并在后续凝胶中形成结构缺陷。胶体磨具有较强的剪切和均质能力,能够在一定程度上改善颗粒细化与分散状态,但其机械作用强、局部温升较明显,可能引发蛋白质过度变性或聚集,不利于酸诱导凝胶网络的稳定构建。砂轮磨具有一定的破碎和研磨能力,在传统豆制品加工中应用较广,但对于高纤维豆腐体系,其在纤维形态调控、颗粒均一化及细腻口感形成方面仍存在不足。在此背景下,本团队前期创新性地将纸浆工业成熟的高浓磨浆(high-concentration grinding technology,HCGT)技术引入豆制品加工,可以生产出高品质的酸浆豆腐[6-7]。该工艺利用上下磨盘的高速反向剪切与挤压作用,对高固形物大豆浆渣进行强化机械处理,使纤维在充分吸水膨胀的基础上发生弯曲扭结、晶束裂解并伴随一定程度的断裂细化,进而产生显著的纤维束细化与末端扫帚化效应,能够更均匀地嵌入并支撑蛋白凝胶网络,减少粗颗粒造成的结构缺陷,从而获得组织更稳定、口感渣感显著降低的高纤维豆腐。然而目前对高浓磨浆技术生产高纤维豆腐尚未有系统研究。
本研究以得率与感官评分为指标,通过单因素试验筛选关键因子,并进一步结合响应面试验与遗传算法-反向传播(genetic algorithm-back propagation,GA-BP)神经网络建立非线性预测与全局寻优模型,以获得高纤维酸浆豆腐的最优工艺参数。在最优工艺基础上,本研究进一步比较高浓磨(GN)、陶瓷磨(TC)、胶体磨(JT)与砂轮磨(SL)对产品得率、保水性、质构、蛋白结构、微观网络及色泽和感官评价的影响,旨在从工艺优化、结构和品质上为高纤维酸浆豆腐的稳定化生产与品质提升提供可解释的理论依据与工艺参考。
1 材料与方法
1.1 材料与试剂
非转基因大豆,购于邵阳市三眼井农贸市场;豆清发酵液,湖南君益福食品有限公司;磷酸缓冲溶液(0.01 mol/L,pH 7.2),福州希景生物技术有限公司;溴化钾、戊二醛、乙醇、叔丁醇等试剂均为分析纯,国药集团化学试剂有限公司。
1.2 仪器与设备
G500高浓磨浆机,湖南正达精研制造有限公司;SJJ-20熟浆集成机,康得利智能科技(浙江)有限公司;JMS-50DX胶体磨,廊坊市廊通机械有限公司;MJZZ-1磨煮浆机,北京康得利机械设备制造有限公司;TA1质构仪,阿美特克商贸(上海)有限公司;CR-400色差计,日本Konica Minolta公司;UDK139凯氏定氮仪,北京市盈盛恒泰科技有限公司;Nicolet iS5红外光谱仪,腾盛科技有限公司;三维荧光仪FL970,上海天美科学仪器有限公司;捷克TESCANMIRALMS扫描电子显微镜,泰思肯贸易(上海)有限公司。
1.3 实验方法
1.3.1 样品的制备
样品制备流程为:
大豆→浸泡→制浆→豆清发酵液点浆→蹲脑→压榨→切块→酸浆豆腐陶瓷磨组(TC-T):参考陈玉涟等[6]的方法稍作修改:1)将8 kg大豆清洗2次,按豆水比1∶3(质量比,下同)加水浸泡8 h;2)按照豆水比1∶6.5采用陶瓷磨进行磨浆;3)将上步所得浆渣于105 ℃煮制6 min 后,120目离心滤渣;4)待上步所得豆浆温度至85 ℃时,陆续加入豆清发酵液点浆,直至豆浆全部凝固;5)保持80 ℃蹲脑10 min;6)所得豆脑放入压榨机压榨15 min。
胶体磨组(JT-T):将TC-T组第2)步改为按照豆水比1∶6.5用胶体磨进行磨浆,其余不变。
砂轮磨组(SL-T):将TC-T组第2)步改为按照豆水比1∶6.5用砂轮磨进行磨浆,其余不变。
高浓磨浆组(GN-T):将TC-T组第2)步改为按照豆水比1∶0.45使用高浓磨浆机进行磨浆,如图1所示,湿豆充分沥水后经管道1输送至顶部暂存罐2,磨盘间隙设磨组二为x μm、磨组一为(x+20)μm,落水量0.12 kg/s、落豆量0.27 kg/s,计算得计量螺旋运行时长约为68 s。大豆在金属磨盘不同区域依次完成研磨,所得高浓豆糊加水搅匀至豆水比1∶6.5,其余步骤不变。
1-物料管道;2-物料暂存罐;3-出水口;4-计量螺旋;5-磨组一;6-磨组二;7-磨料出口;8-凸棱;9-凹槽;10-挡浆坝;11-精磨区;12-粗磨区。
图1 高浓磨浆机示意图
Fig.1 Schematic diagram of high-concentration grinding technology equipment
1.3.2 单因素试验
分别考察磨盘间隙(50、60、70、80、90 μm)、豆浆浓度(6、7、8、9、10 °Brix)、煮浆温度(90、95、100、105、110 ℃)、离心目数(80、100、120、140、160 目)对高纤维酸浆豆腐得率和感官评分的影响。
1.3.3 响应面试验
在单因素基础上,以磨盘间隙(A)、豆浆浓度(B)、煮浆温度(C)、离心目数(D)为考察因素,感官评分为响应值,进行4因素3水平的响应面分析,试验设计见表1。
表1 响应面试验因素与水平
Table 1 Factors and levels of the response surface test
水平因素A(磨盘间隙)/μmB(豆浆浓度)/°BrixC(煮浆温度)/℃D(离心目数)/目-160710010007081051201809110140
1.3.4 人工神经网络建模
根据响应面试验设计原理,通过MATLAB获取BP神经网络训练模型所需要的训练、测试和验证数据。采用27组实验数据训练,磨盘间隙(A)、豆浆浓度(B)、煮浆温度(C)以及离心目数(D)作为输入层,感官评分作为输出层。训练函数、学习函数、激活函数均为默认,建立人工神经网络。网络迭代次数为1 000,精度为0.000 001,学习率为0.01。隐藏神经元的数量通过反复实验而变化,直到网络在训练后表现最佳,得到BP神经网络模型。
1.3.5 感官评定
参考曾文等[8]报道的方法并稍作修改,由12 名经过基础训练食品专业学生(6男、6女)组成感官评价小组,采用双盲法按百分制对样品色泽、气味、组织状态、断面结构和口感进行评分。感官评分标准见表2。
表2 酸浆豆腐感官评分标准
Table 2 Sense scoring criteria for fermented soybean whey-based tofu
评价项目评价标准评分/分乳白色或淡黄色、均一、有光泽16～20色泽(20分)白或偏黄色、均一11～15深黄色、无光泽1～10具有浓郁的豆腐香味26～30气味(30分)有淡豆香味、无异味11～25无豆香味、有异味6～10有浓重酸臭味1～5 质地细腻、有弹性、表面不黏16～20组织状态(20分)质地较细腻、软硬适中、表面不黏11～15质地欠细腻、偏软、表面略黏6～10质地差、弹性差、表面黏1～5 断面光滑平整、无大孔11～15断面结构(15分)断面较光滑平整、有少量小孔6～10断面不光滑、表面粗糙、有较多孔1～5 口感细腻、筋道、无酸味11～15口感(15分)口感较细腻、略带酸味6～10口感无韧性、酸味1～5
1.3.6 豆腐得率
参考江振桂等[9]的方法,豆腐得率以每1 000 g大豆生产所得酸浆豆腐质量表示(kg/1 000 g大豆),计算如公式(1)所示:
豆腐得率
(1)
1.3.7 质构
参考曾文等[8]的方法并稍作修改,采用TPA模式,P35探头,参数设置为压缩率40%,压缩速度40 mm/min,提升速度30 mm/min,触发力0.05 N。每个样品重复测定3次,2次间隔时间5 s。
1.3.8 蛋白质、脂肪、水分、总膳食纤维含量测定
分别依据GB 5009.5—2025《食品中蛋白质含量的测定》中的凯氏定氮法、GB 5009.6—2016《食品中脂肪的测定》中的索氏抽提法、GB 5009.3—2016《食品中水分的测定》中的直接干燥法、GB 5009.88—2023《食品中膳食纤维的测定》测定样品蛋白质、脂肪、水分、总膳食纤维含量。
1.3.9 色泽的测定
采用五点法分别测定豆腐的表面及内部的色度值,记录L*、a*、b*,并按公式(2)计算ΔE:
(2)
式中:ΔE为总色差;
分别为标准白板的明度值、红绿色度值和黄蓝色度值;L*、a*、b*为待测样品的色度值。
1.3.10 蛋白二级结构检测
等参考REN等[10]的方法并稍作修改,使用傅里叶变换红外光谱(Fourier transform infrared spectroscopy,FTIR)技术,将样品真空冷冻干燥并研磨成粉末,与KBr粉末以1∶100的质量比混合并压制成薄片,使用红外光谱仪进行测定。仪器参数设置为扫描范围400～4 000 cm-1,分辨率4 cm-1。
1.3.11 三维荧光光谱(excitation-emission matrix fluorescence spectroscopy,EEM)
参考REN等[10]的方法并稍作修改,将豆腐搅碎,加入0.01 mol/L磷酸缓冲液(pH 7.2)使蛋白质含量为0.3 mg/mL,使用荧光分光光度计测量固有荧光光谱。仪器参数设定为激发波长范围250 nm至450 nm,发射波长从300 nm扫描至400 nm,扫描速度设定为240 nm/min,激发和发射狭缝宽度均设定为2.5 nm。
1.3.12 微观结构检测
参考ZANG等[11]的方法,将豆腐切割为4 mm×3 mm×3 mm的块状,倒入液氮后进行冷冻干燥48 h;将冻干样品贴在样品台上,喷金200 s,置于扫描电子显微镜(scanning electron microscopy,SEM)样品室,在加速电压5.0 kV条件下观察。图像采集倍率分为50×、100×、200×和500×,每份样品至少制备6个平行样本,拍摄所得图像均为随机选取。
1.4 数据处理与分析
各试验均重复3 次,结果以“平均值±标准差”表示。使用SPSS 25.0软件进行数据分析,Origin 2024、PeakFit v4.12软件进行绘图,通过Duncan’s进行显著性分析,P<0.05表示数据间有显著性差异。
2 结果与分析
2.1 基于高浓磨浆技术的高纤维酸浆豆腐生产工艺的构建与优化
2.1.1 磨盘间隙、豆浆浓度、煮浆温度和离心目数的工艺优化
如图2-a所示,随着磨盘间隙的增加,感官评分和豆腐得率呈先上升后下降的趋势(P<0.05),在70 μm时均达到最大值,分别是87 分、2.16 kg/1 000 g。研磨过程中,纤维在剪切作用下发生断裂,初生壁及次生壁外层受损,表面分丝帚化程度提高,比表面积增大,从而增强其吸水润胀能力和细纤维化程度。此类纤维分散于豆浆并参与豆腐凝胶形成后,不仅不会削弱凝胶结构,反而有助于提高体系保水性,进而改善豆腐嫩度并提升产品得率[12]。磨盘间隙小于 70 μm时得率与质构较差;间隙大于70 μm 则颗粒变粗,因细胞破碎不充分与固形物、蛋白释放不足,导致凝胶结构不均、得率下降及感官品质劣变[13]。
a-磨盘间隙;b-豆浆浓度;c-煮浆温度;d-离心目数
图2 高浓磨浆技术各因素对高纤维酸浆豆腐的影响
Fig.2 The influence of various factors in high-concentration grinding technology on high-fiber fermented soybean whey-based tofu
注:不同小写字母表示差异显著(P<0.05)(下同)。
由图2-b可知,随着豆浆浓度的增加,感官评分和得率先迅速上升,后呈下降的趋势,确定最佳豆浆浓度为8 °Brix,此时感官评分87 分、得率2.2 kg/1 000 g,浓度低于8 °Brix时蛋白质不足以形成凝胶网络,导致质构疏松和评分偏低;浓度过高则导致黏度增加、热传递与凝固剂扩散受阻,引发凝固不均与析水,从而降低得率与可接受性[14]。
如图2-c所示,随着煮浆温度的增加,感官评分和得率均呈先上升后下降的趋势,最佳煮浆温度为 105 ℃,此时得率(2.16 kg/1 000 g)与感官评分(86分)最高;90～105 ℃升温促进蛋白变性,暴露疏水基团与巯基,增强凝胶网络构建、持水性及质构;但温度超过 105 ℃导致蛋白过度聚集,增加不溶性聚集体与黏度,阻碍凝固剂扩散,引发凝固不均、析水及口感劣变,最终降低得率与感官品质[15]。
由图2-d可知,离心筛网目数对得率与感官品质影响显著,呈先升后降趋势,120 目为最佳条件,得率2.19 kg/1 000 g,评分88 分,因它能有效去除粗颗粒残渣以促进凝胶均匀形成,同时保留足够细小固形物维持网络强度。目数高于120目会导致蛋白颗粒过度损失,减少凝胶构建组分并改变流变性,从而削弱持水性、得率及感官品质[4]。
综上,选取磨盘间隙70 μm、豆浆浓度8 °Brix、煮浆温度105 ℃、离心目数120 目作为后续响应面试验的基础水平。
2.1.2 响应面结合GA-BP神经网络分析确定最佳高纤维酸浆豆腐生产工艺
以磨盘间隙、豆浆浓度、煮浆温度、离心目数为因素,感官评分为响应值,经二次多项回归拟合得到回归方程:Y=89.67-2A-0.58B-5.17C-1.58D-1.25AB+0.25AC+0.5AD-0.25BC-0.75BD+0.5CD-4.83A2-3.96B2-5.83C2-3.71D2。该回归模型P<0.01,极显著,失拟项P=0.679 7>0.05,不显著,说明试验建模成立。
拟合程度良好。由F值判断,各因素对感官评分的影响顺序依次为C>A>D>B,即煮浆温度>磨盘间隙>离心目数>豆浆浓度,各因素交互作用的感官评分(Y)影响曲线图见图3。
图3 各因素交互作用对酸浆豆腐综合评分影响的响应面图
Fig.3 Response surface plots showing the effects of factor interactions on the comprehensive score of fermented soybean whey tofu
采用响应面法获得真实数据,利用BP神经网络工具箱进行神经网络模型的构建,最终确定神经网络输入层为磨盘间隙、豆浆浓度、煮浆温度、离心目数4个神经元,隐含层有6个神经元,输出层为综合感官评分1个神经元。如图4所示,BP神经网络预测模型训练稳定且收敛迅速,酸浆豆腐的感官评分在迭代16次后达到最佳性能。此时训练集均方误差为8.091 8,训练、验证和测试数据的R值分别为0.975 68、0.919 92和0.825 27,总体R值为0.935 46,表明拟合良好。通过遗传算法求解最优值,得到理论最佳工艺为:磨盘间隙70.12、豆浆浓度8.21 °Brix、煮浆温度105.27 ℃和离心目数120.14 目,感官评分为90.36 分。将工艺调整为:磨盘间隙70 μm、豆浆浓度8 °Brix、煮浆温度105 ℃和离心目数120 目。进行3次验证实验,实际感官评分89.79 分,与预测值高度接近,表明该模型具有较好的拟合能力和预测准确性,能很好地预测工艺条件。
a-均方误差变化曲线;b-GA-BP 神经网络拟合
图4 GA-BP 神经网络均方误差变化曲线和拟合结果
Fig.4 MSE variation curve and fitting results of GA-BP neural network
2.2 高浓磨浆技术对高纤维酸浆豆腐得率、保水性、水分含量和蛋白质含量影响
如图5所示,总体而言,GN-T组综合品质最优:得率最高(2.20 kg/1 000 g),保水性为78%,水分含量82.6%,蛋白质含量13.3 g/100 g,显示其凝胶网络更致密、对水分的束缚能力更强。从颗粒尺度、凝胶网络形成及水分迁移角度分析,GN-T组在较高固形物体系中运行。浆料中纤维和颗粒之间的碰撞、摩擦与剪切更充分,更容易实现纤维与残渣的细化与均匀分散,使颗粒尺度下降、比表面积上升,进而提高体系的水化与结合水比例,并在酸诱导凝胶形成过程中发挥填充及骨架作用,促使蛋白-纤维复合网络更加连续,从而提升得率与保水性。已有研究表明,膳食纤维的添加及其粒径减小可显著改善豆腐的得率与保水性,并改变凝胶微观结构与水分分布;粒径更细时,纤维更易嵌入凝胶网络并增强其对水分的物理束缚能力[13,16]。同时,LU等[17]的研究也指出,提高纤维组分在体系中的有效利用与均匀分散,有助于形成更稳定的凝胶网络并改善产品的持水与品质。与TC-T、SL-T和JT-T相比,GN-T更可能通过强化固相间剪切细化与均匀化分散,实现更高的蛋白回收与更优的凝胶结构,从而在得率与感官相关指标上呈现综合优势[18]。
a-得率;b-保水性;c-水分含量和蛋白质含量
图5 四种磨浆技术所得酸浆豆腐的得率、保水性、水分含量和蛋白质含量
Fig.5 The yield,water retention,moisture content,and protein content of four grinding technology of fermented soybean whey-based tofu
2.3 高浓磨浆技术对高纤维酸浆豆腐质构的影响
如图6所示,各处理组弹性与硬度变化幅度较小,表明在酸浆凝固体系中,基础凝胶骨架主要受蛋白热变性-酸化凝胶化过程控制,但磨浆方式通过改变浆料颗粒尺度与分散状态,仍会显著影响凝胶网络的均一性,从而反映在内聚性与咀嚼性等更敏感的质构指标上[19]。其中,GN-T组的综合质构表现更优:其内聚性最高,为0.35±0.01,且弹性维持在较高水平,说明该组凝胶网络更连续、断裂前结构更紧密,口腔咀嚼时更不易产生松散、粗糙或渣感。从机理上分析,GN-T在较高固形物体系中运行,固形物之间的摩擦与剪切更充分,有利于粗颗粒细化并实现更均匀分散;颗粒更细且分布更集中时,酸诱导凝固过程中蛋白聚集更均匀,形成的凝胶孔隙更小、连接点更多,从而提高内聚性并稳定弹性表现。此规律与LIU等[20]的报道一致,减小固形物颗粒尺度或改善分散可使凝胶结构更规整,并提升豆腐的质构与持水能力。
a-弹性;b-硬度;c-咀嚼性;d-内聚性
图6 四种磨浆技术所得酸浆豆腐的弹性、硬度、咀嚼性和内聚性
Fig.6 Springiness,hardness,chewiness,and cohesiveness of four grinding technologies of fermented soybean whey-based tofu
图7 不同磨浆技术豆腐表面色泽的影响
Fig.7 Effects of different grinding technologies on the surface color of tofu
值得注意的是,咀嚼性在不同磨浆方式间差异更明显,TC-T更高,而GN-T咀嚼性处于适中偏高区间:意味着其凝胶具有足够的结构强度,但不会因过度致密或过硬而造成嚼不烂的负面口感,更符合感官上对酸浆豆腐细腻、柔韧且不粗糙的质构特性。JOO等[16]的研究同样证实了这一点,该研究指出豆腐体系中豆渣颗粒的粒径与含量会改变咀嚼性与内聚性,细化颗粒往往更利于形成均匀网络并提升某些质构参数,而过粗颗粒易引起结构缺陷与口感粗糙。综上,GN-T更可能通过强化固相剪切细化—改善分散均匀性—促进酸诱导凝胶网络连续化路径,提高高纤维酸浆豆腐的结构完整性与咀嚼协调性,从而体现出优于TC-T、SL-T与JT-T的综合品质优势[19]。
2.4 不同得率下高纤维酸浆豆腐蛋白质、脂肪和总膳食纤维
在最佳工艺条件下采用GN-T,通过控制实压时间来控制豆腐含水量以获取不同得率豆腐,所得膳食纤维及蛋白质含量结果如表3所示,当得率不高于2.2时,总膳食纤维含量大于(6.12±0.01)g/100 g,高于GB 28050—2011《食品安全国家标准 预包装食品营养标签通则》规定的6 g/100 g。
表3 不同得率下酸浆豆腐基本成分分析
Table 3 Analysis of basic components of fermented soybean whey-based tofu under different yields
得率/(kg/1 000 g)蛋白质含量/(g/100 g)脂肪含量/(g/100 g)总膳食纤维含量/(g/100 g)1.813.61±0.04a7.55±0.03a8.14±0.01a2.013.24±0.02b7.15±0.02b6.46±0.03b2.212.54±0.01c6.82±0.02c6.12±0.01c2.412.35±0.01d6.76±0.02d5.74±0.02d
注:不同小写字母表示差异显著(P<0.05)(下同)。
2.5 高浓磨浆技术对高纤维酸浆豆腐色泽的影响
色泽是评价豆腐感官品质的重要指标之一。研究表明,豆腐的色泽与豆浆的颗粒大小、提取工艺及凝胶结构密切相关[13],小颗粒豆浆生成的豆腐往往表现出更高的L*值和更一致的色泽,更易获得消费者的感官接受。如表4所示,在本研究中,GN-T所得酸浆豆腐表现出最高的L*值及最小的色差ΔE,表明样品色泽更亮且更均匀,这可能归因于高浓磨技术显著细化了豆浆颗粒并改善了蛋白质胶体分散状态,从而形成更稳定且致密的凝胶网状结构。相比之下,TC-T样品的L*值亦较高,ΔE值较小,说明其颗粒细化效果接近GN-T;而JT-T和SL-T所得豆腐的色泽均较暗,ΔE值较大,说明色差更明显,可能由于磨浆强度不足或颗粒分布不均,导致豆浆中悬浮颗粒较粗,影响了光的散射效果和最终色泽表现。已有研究也表明,当豆浆中存在较大或粗颗粒时,其对应凝胶结构的光散射增强,色泽变暗且不均匀,从而降低感官品质评价得分。该结果也验证了磨浆技术对酸浆豆腐色泽品质的显著影响,其中GN-T由于对颗粒细化和胶体网络优化的优势,在色泽均匀性和明度方面表现出明显的优势[13]。
表4 不同磨浆技术豆腐表面色泽对比
Table 4 Surface color comparison of tofu under different grinding technologies
不同处理组L∗a∗b∗ΔEGN-T80.59±0.27a0.32±0.15b14.29±0.12ab15.30±0.26cTC-T80.57±0.14a0.10±0.65d15.70±0.37a15.60±0.34cJT-T79.19±0.16b0.57±0.21a15.73±0.19a16.65±0.51bSL-T78.57±0.22c0.22±0.33c14.64±0.16ab17.02±0.09a
表5 EEM蛋白样主峰汇总表
Table 5 Summary table of EEM protein-like main peaks
样品磨浆方式Ex max/nmEm max/nmΔEm vs 360/nmImax相对强度I/I(C)ATC-T290360037 5410.910BJT-T290360035 1650.852CGN-T290355-5 (蓝移)41 2571.000DSL-T290360034 4430.835
2.6 不同磨浆技术下高纤维酸浆豆腐FTIR蛋白二级结构分析
如图8所示,总体上,各样品二级结构比例存在显著差异,其中高浓磨组的β-折叠含量最高(24.17%)且α-螺旋含量最低(21.64%),而砂轮磨组β-折叠最低(10.81%)且α-螺旋(34.42%)与无规卷曲(22.16%)最高,表明不同磨浆方式改变了蛋白在加热-酸诱导凝胶化过程中的构象重排与聚集路径。结合宏观品质指标,尤其是前面保水性排序(GN-T>TC-T>JT-T>SL-T),FTIR结果呈现出良好的结构、性质一致性。酸诱导凝胶化过程中蛋白结构由展开向聚集重排时,β-折叠的增加通常与更强的分子间氢键疏水相互作用及更致密连续的凝胶网络相关,可增强水分束缚并降低析水;相反,较高比例的α-螺旋与无规卷曲往往意味着网络有序度不足、连接点较少,易导致孔隙结构粗大与保水能力下降[21]。
图8 四种磨浆技术所得酸浆豆腐的蛋白质二级结构含量
Fig.8 The content of secondary structure of protein of four grinding technologies of fermented soybean whey-based tofu
GN-T组β-折叠含量最高并伴随α-螺旋显著降低,说明其蛋白发生了更充分的结构重排并形成更稳定的聚集结构,这与其最高保水性相一致;TC-T组 β-折叠处于中高水平(19.10%),且无规卷曲最低(12.23%)并具有更高的β-转角(40.25%),其凝胶网络相对连续、结构稳定性较好,因此保水性次于GN-T但仍优于JT-T与SL-T;JT-T组二级结构居中(β-折叠16.88%,α-螺旋29.95%),对应其保水性处于中等水平;而SL-T组β-折叠最低且α-螺旋、无规卷曲偏高,表现为有序聚集不足,可能导致凝胶网络更疏松、束缚水比例较低,从而表现为最低的保水性。类似地,关于膳食纤维粒径及其分散状态的研究亦表明,凝胶网络连续性与孔隙尺度决定了水分分布与保水特性,颗粒均匀化与网络致密化通常带来更高的保水表现[4]。
2.7 不同磨浆技术下高纤维酸浆豆腐EEM分析
EEM能够在激发二维空间内同时呈现样品的荧光指纹,蛋白体系中主要关注色氨酸/酪氨酸(Trp/Tyr)内源荧光峰。其峰位移动(红移/蓝移)可用来判断芳香族残基微环境极性变化,一般来说,蓝移意味着Trp处于更疏水/更埋藏的环境,常与蛋白聚集、更致密的结构形成相一致[21]。如图9所示,在本研究中,GN-T样品的蛋白样主峰(Em)由360 nm蓝移至355 nm,同时峰强最高(Imax=41 257),表明其芳香族残基周围极性降低、残基更可能被包埋于疏水微区,蛋白在酸诱导凝胶化过程中形成了更紧密有序的聚集结构。该结论与前述FTIR二级结构一致:GN-T组β-折叠最高、α-螺旋最低,而β-折叠增加常被用来表征更强的分子间作用与更稳定的凝胶网络形成趋势[21]。EEM结果与宏观品质形成同向对应:得率、保水性、内聚性排序均为GN-T>TC-T>JT-T>SL-T;而EEM蛋白样峰强度也呈现GN-T(41257)>TC-T(37541)>JT-T(35165)>SL-T(34443)的规律。该现象符合GN-T组网络更致密稳定,可合理解释其更高的保水与更好的结构完整性,即内聚性,并最终体现为得率优势。
图9 蛋白样三维荧光光谱图
Fig.9 Three-dimensional fluorescence spectrum of protein-like samples
EEM结果显示,GN-T样品的蛋白样主峰位于Ex/Em=290/355 nm,相较其余样品(290/360 nm)发生5 nm蓝移,提示芳香族残基微环境极性降低、结构更为致密;同时其峰强最高。该分子层面的构象变化与FTIR中β-折叠升高、α-螺旋降低的趋势一致,并与宏观品质(得率、保水性、内聚性:GN-T>TC-T>JT-T>SL-T)相吻合,表明GN-T更有利于形成稳定连续的凝胶网络。
2.8 不同磨浆技术下高纤维酸浆豆腐微观结构表征
图10为不同磨浆方式制备的高纤维酸浆豆腐在20、50、100、200 μm尺度下均呈现典型的蛋白凝胶多孔网络,但孔隙尺度、孔壁连续性与骨架致密程度差异明显。已有研究表明,孔径更小且分布更均一、孔壁更厚且网络更连续的凝胶结构更利于水分被毛细结构与蛋白-水相互作用束缚,从而表现为更高的保水性与更稳定的质构(如硬度、内聚性、咀嚼性等);相反,粗大连通孔、结构断裂或孔壁薄弱会提供水分迁移通道并降低凝胶稳定性,导致保水性与结构强度下降[22]。
图10 四种磨浆技术所得酸浆豆腐的扫描电子显微镜图
Fig.10 The scanning electron microscopy of four grinding technologies of fermented soybean whey-based tofu
综合SEM多尺度形貌,酸浆豆腐的宏观品质与微观网络结构呈一致对应关系:GN-T形成更致密且均匀的三维凝胶网络,孔隙更细小、孔壁更连续,因而表现出更高的得率、保水性与内聚性;TC-T网络完整但致密度略低,宏观品质次之;JT-T孔径分布更宽且局部大孔明显,导致水分束缚能力与结构稳定性下降;SL-T呈现裂隙与网络断裂等缺陷,连通孔通道更明显,从而对应最低的保水性、得率与内聚性。该“孔结构-水分迁移-质构稳定性”的机制链条与蛋白凝胶体系的一般规律一致,也与HUANG等[23]报道相符。
2.9 不同磨浆技术下所得豆腐的感官特性
从色泽、气味、口感、组织状态、总体接受度5 个方面对4种磨浆技术所得酸浆豆腐进行感官评分,结果如图11所示,GN-T在感官质量上表现最佳,色泽、气味、组织状态和口感均具有明显优势,其优越的凝胶结构和较细的颗粒分散带来了更好的整体感官体验。TC-T的感官表现相对均衡,在组织状态上略逊于GN-T。JT-T的感官质量中等,在组织结构的紧密度和口感的细腻度上有所欠缺。SL-T在口感和总体接受度方面表现较差,可能与其较粗糙的组织结构和较低的保水性有关。这些结果表明,磨浆技术的选择直接影响酸浆豆腐的感官质量,尤其在提高凝胶结构的稳定性和细腻度方面,GN-T表现出显著优势。
图11 四种磨浆技术所得酸浆豆腐的感官评定雷达图
Fig.11 Radar chart for sensory evaluation of four grinding technologies of fermented soybean whey-based tofu
3 结论
高浓磨浆技术可以生产品质更高的酸浆豆腐。本研究以豆腐得率、感官评分为评价指标,通过响应面试验与ANN模型获得优化基于高浓磨浆技术的高纤维酸浆豆腐的工艺参数。结果表明,最佳工艺为磨盘间隙70 μm、豆浆浓度8 °Brix、煮浆温度105 ℃、离心目数120 目,在此条件下得率为2.20 kg/1 000 g、感官评分89.79 分。与陶瓷磨、胶体磨和砂轮磨相比,高浓磨浆技术能够有效改善高纤维酸浆豆腐的凝胶结构和综合品质,是提升高纤维酸浆豆腐产品质量的可行技术路径。进一步结合FTIR、EEM和SEM分析发现,高浓磨浆技术可促进纤维细化与均匀分散,增强蛋白-纤维相互作用并优化凝胶网络结构的形成,进而实现酸浆豆腐营养品质、加工特性和感官品质的同步提升。本研究为高纤维豆制品品质改良、全豆高值化利用及传统酸浆豆腐产品升级提供了理论依据与工艺参考。
[1] 朱颖超,张慧,陈静,等.大豆加工副产物膳食纤维改性及其在食品中的应用研究进展[J].食品与发酵工业,2026,52(16):416-427.ZHU Y C,ZHANG H,CHEN J,et al.Research progress on modification of dietary fiber from soybean processing by-products and its application in foods[J].Food and Fermentation Industries,2026,52(16):416-427.
[2] SUZUKI A,BANNA J N.Improving diet quality for chronic disease prevention with okara “food waste”[J].American Journal of Lifestyle Medicine,2021,15(1):14-18.
[3] ULLAH I,HU Y,YOU J,et al.Influence of okara dietary fiber with varying particle sizes on gelling properties,water state and microstructure of tofu gel[J].Food Hydrocolloids,2019,89:512-522.
[4] LAN Q Y,LIN Z H,DONG H M,et al.Influence of okara with varying particle sizes on the gelling,rheological,and microstructural properties of glucono-δ-lactone-induced tofu[J].Journal of Food Science and Technology,2021,58(2):520-531.
[5] ZHANG M K,WANG P,ZOU M,et al.Microbial transglutaminase-modified protein network and its importance in enhancing the quality of high-fiber tofu with okara[J].Food Chemistry,2019,289:169-176.
[6] 陈玉涟,赵良忠,周晓洁,等.基于高浓磨浆技术的豆腐凝胶机制研究[J].食品安全导刊,2025(14):140-143.CHEN Y L,ZHAO L Z,ZHOU X J,et al.Study on the mechanism of tofu gel based on high concentration grinding technology[J].China Food Safety Magazine,2025(14):140-143.
[7] 杨明玉,胡晓婷,何成俊,等.脉冲真空卤制技术对高纤维豆干品质的影响[J].食品与发酵工业,2026,52(13):280-292.YANG M Y,HU X T,HE C J,et al.Effect of pulsed vacuum marination technology on the quality of high-fiber dried tofu[J].Food and Fermentation Industries,2026,52(13):280-292.
[8] 曾文,钟秋丽,何晓暄,等.ε-聚赖氨酸对预包装酸浆豆腐冷藏品质的影响[J].食品与发酵工业,2025,51(10):206-215.ZENG W,ZHONG Q L,HE X X,et al.Effect of ε-polylysine on refrigerated quality of pre-packaged fermented soybean whey-based tofu[J].Food and Fermentation Industries,2025,51(10):206-215.
[9] 江振桂,王秋普,张一震,等.不同凝固剂对豆腐品质的影响[J].食品与发酵工业,2019,45(7):229-234.JIANG Z G,WANG Q P,ZHANG Y Z,et al.Effects of different coagulants on the quality of tofu[J].Food and Fermentation Industries,2019,45(7):229-234.
[10] REN J,MA C,LI M Q,et al.Physicochemical,structural structural and functional properties of non-waxy and waxy proso millet protein[J].Foods,2023,12(5):1116.
[11] ZANG J N,QING M M,CHI Y J,et al.Egg white protein under thermal stress:Thermal aggregation orientation and gel properties decline[J].International Journal of Biological Macromolecules,2025,295:139625.
[12] 湖南正达纤科机械制造有限公司.一种全豆高浓制浆制备豆腐的工艺及全豆高浓制浆设备:中国,202310595035.3[P].2023-10-03.Hunan Zhengda Xianke Machinery Manufacturing Co.,Ltd.Process for preparing tofu by whole soybean high-concentration pulping and equipment therefor:China,CN202310595035.3[P].2023-10-03.
[13] KIM Y N,MUTTAKIN S,JUNG Y M,et al.Tailoring physical and sensory properties of tofu by the addition of jet-milled,superfine,defatted soybean flour[J].Foods,2019,8(12):617.
[14] KANG S W,RAHMAN M S,KIM A N,et al.Yield and physicochemical properties of low fat tofu prepared using supercritical carbon dioxide treated soy flours with different fat levels[J].Journal of Food Science and Technology,2018,55(7):2712-2720.
[15] HUANG Z R,HE W Y,ZHAO L Z,et al.Processing technology optimization for tofu curded by fermented yellow whey using response surface methodology[J].Food Science &Nutrition,2021,9(7):3701-3711.
[16] JOO K H,KERR W L,CAVENDER G A.The effects of okara ratio and particle size on the physical properties and consumer acceptance of tofu[J].Foods,2023,12(16):3004.
[17] LU W J,ZHANG Y,XIAO C G,et al.The comprehensive utilization of bean dregs in high-fiber tofu[J].Foods,2022,11(10):1475.
[18] CHEN C C,HSIEH J F,KUO M I.Insight into the processing,gelation and functional components of tofu:A review[J].Processes,2023,11(1):202.
[19] GUAN X F,ZHONG X Q,LU Y H,et al.Changes of soybean protein during tofu processing[J].Foods,2021,10(7):1594.
[20] LIU H H,CHIEN J T,KUO M I.Ultra high pressure homogenized soy flour for tofu making[J].Food Hydrocolloids,2013,32(2):278-285.
[21] LI Q R,HUA Y F,LI X F,et al.Acid induced gelation of heated soymilks:Protein structure,molecular interactions and gel properties[J].Food Hydrocolloids,2024,148:109442.
[22] HUANG Z R,SUN J,ZHAO L Z,et al.Analysis of the gel properties,microstructural characteristics,and intermolecular forces of soybean protein isolate gel induced by transglutaminase[J].Food Science &Nutrition,2022,10(3):772-783.
[23] HUANG Z R,LIU H Y,ZHAO L Z,et al.Evaluating the effect of different processing methods on fermented soybean whey-based tofu quality,nutrition,and flavour[J].LWT,2022,158:113139.