婴幼儿配方粉中的三大营养素包含蛋白质、脂肪和碳水化合物。蛋白质是婴幼儿生长发育必需的营养成分,其营养取决于所含各种氨基酸之间的平衡情况[1]。
氨基酸是组成蛋白质的基本单位,对婴幼儿而言有9种氨基酸是必需的,分别是组氨酸、亮氨酸、异亮氨酸、缬氨酸、赖氨酸、蛋氨酸、苯丙氨酸、苏氨酸和色氨酸。由于牛羊乳中含有的蛋白质种类和含量不同于人乳,故乳基婴儿配方奶粉的氨基酸模式与人乳相比也存在明显差异。目前有研究表明,母乳中的氨基酸模式(组成、比例等)影响了婴幼儿对于蛋白质的消化和吸收[2]。婴儿配方奶粉的氨基酸组成和比例越接近母乳的氨基酸模式,氨基酸的利用程度越高,越能更好地促进婴幼儿的消化及健康成长[3-5]。
为创制出蛋白质和氨基酸模式更接近母乳的婴儿配方奶粉,目前根据自有产品的评分情况,对蛋白原料组分进行进一步地检测研究,对蛋白质营养价值的氨基酸分析评价,明确产品在总蛋白、活性蛋白及氨基酸各层面上差异,优选蛋白组合物,设计新产品配方已成为当今婴配粉行业的发展趋势。
目前可用于蛋白质营养价值评价的氨基酸分析评价法,主要可概括为生物学法和化学指数法[6]。生物学法主要通过人体或动物实验进行相关指标的测定;化学指数法主要是通过对蛋白质中的氨基酸进行分析,和标准蛋白的氨基酸进行比较。化学指数法进一步细分,包含氨基酸评分(amino acid score, AAS)、必需氨基酸指数(Total essential amino acids index, EAAI)、氨基酸比值系数法(score of ratio coefficient,SRC)、氨基酸平衡度法(1-imbalance degree,1-IBD)、蛋白质消化率校正的氨基酸评分(protein digestibility corrected amino acid score,PDCAAS)、氨基酸等权灰色关联度法、氨基酸皮尔逊相关系数法等。其中,生物学法主要通过人体或动物实验进行相关指标的测定,有较高的准确性和正确性,但是人群试验和动物实验的周期长、实验复杂。化学指数法主要是对蛋白质中的氨基酸进行分析,可靠性不如生物学法,但是高效、简单且耗时短,有很高的参考价值。
如以往的研究显示,吴庆贺利用皮尔逊相关系数,对3种新型配方粉和母乳的氨基酸模式进行相关性分析,通过添加大豆分离蛋白代替脱盐乳清粉来进行新型婴儿配方乳粉的设计,在满足蛋白质含量的同时,调整配方粉中氨基酸的含量及模式,从而判断出与母乳氨基酸模式最接近的配方粉[7]。宋晓青等在氨基酸曲线相似度计算时,以灰色关联度表示氨基酸的平衡度,各个配方粉的氨基酸组成曲线和理想蛋白质氨基酸模式曲线几何形状越相似,关联度越高,则两者氨基酸组成越接近,该食物蛋白质的氨基酸平衡性就越好[8]。然而,皮尔逊相关系数和灰色关联法单纯从数理统计角度,评估不同婴配粉蛋白质的各种必需氨基酸组成数据存在的变异程度,没有将各种氨基酸作为一个整体从向量的角度来度量配方粉和母乳的相似性,存在一定缺陷。
余弦相似度方法在计算机领域有广泛的应用,如深度学习、多属性决策、分类预测和推荐系统,但是在乳品营养领域的研究较少[9-12]。张恬等收集了母乳样本1028份,将母乳和配方粉的氨基酸信息转化为矩阵,利用频数矩阵优化方法提出了新的中国早期成熟乳氨基酸模式,并利用余弦相似度评价方法,将配方粉和新的母乳氨基酸模式进行比较。结果表明,优化母乳、原始母乳和WHO母乳氨基酸模式与各配方粉的余弦相似度比较,趋势一致,说明余弦相似度比较可以客观评价配方粉的营养价值。针对9种必需氨基酸,配方粉F与母乳相似度较高,配方粉A与母乳相似度较低;针对18种全部氨基酸,配方粉H和配方粉D与母乳相似度较高,配方粉F与母乳相似度较低。不同种氨基酸对比结果表明,氨基酸组成不同影响配方粉的氨基酸评价结果。该研究采用的余弦相似度方法可以用来客观评价配方粉与中国母乳的氨基酸营养价值,为婴配粉的开发和应用提供了新的评价手段[5]。
参考文献:
(1) LESSEN R, KAVANAGH K. Position of the academy of nutrition and dietetics:promoting and supporting breastfeeding[J]. Journal of the Academy of Nutrition and Dietetics, 2015, 115(3): 444-449.
(2) 宫春颖, 王青云, 粘靖祺, 等. 婴幼儿配方食品中氨基酸模式的研究进展[J]. 中国乳业, 2020(7): 59-63. GONG C Y, WANG Q Y, NIAN J Q, et a1. Research progress of amino acid composition in infant formula[J]. China Dairy, 2020(7): 59-63.
(3) ZHANG Z Y, ALICIA A, DESHANIE R, et a1. Amino acid profiles in term and preterm human milk through lactation: a systematic review[J]. Nutrients, 2013, 5(12): 4800-4821.
(4) Buket Soyyılmaz, Marta Hanna Mikš, Christoph Hermann Röhrig, Martin Matwiejuk, Agnes Meszaros-Matwiejuk, Louise Kristine Vigsnæs. The mean of milk: a review of human milk oligosaccharide concentrations throughout lactation[J]. Nutrients, 2021, 13(8): 2737.
(5) 张恬, 逄金柱, 任发政, 杨璐, 王然, 郑丽敏, 李依璇. 基于母乳氨基酸模式的配方粉营养价值评价方法[J]. 食品科学技术学报, 2022, 40(6): 145-152.
(6) 葛可佑. 中国营养科学全书[M]. 北京: 人民卫生出版社, 2019: 42-44.
(7) 吴庆贺. 新型婴儿配方乳粉的研究[D]. 哈尔滨: 东北农业大学, 2008.
(8) 宋晓青, 张天博, 贾云虹, 等. 婴儿配方乳粉中蛋白质的营养评价及氨基酸分析研究进展[J]. 食品科学, 2016, 37(1): 292-298.
(9) LUO G, YANG z, ZHAN C J, et a1. Identification of nonlinear dynamical system based on raised-cosine radial basis function neural networks[J]. Neural Processing Letters, 2021, 53(1): 355-374.
(10) WEI G W, WEI Y. Similarity measures of Pythagorean fuzzy sets based on the cosine function and their applications[J]. International Journal of Intelligent Systems, 2018, 33(3): 634-652.
(11) FAN J, WANG P, ZHOU W, et a1. Method by using time factors in recommender system[J]. Journal of Computer Applications, 2015, 35(5): 1324-1327.
(12) LIU D H, LIU Y Y, CHEN X H. The new similarity measure and distance measure between hesitant fuzzy linguistie term sets and their application in multi-criteria decision making[J].Journal of Intelligent&Fuzzy Systerns, 2019, 37(1): 995-1006.
