蛋清主要蛋白质构象变化与鸡蛋品质的相关关系及其高光谱表征

Protein conformational variation is key factor to reveal mechanism of egg eating quality change during storage. The external representation of the egg internal quality will be researched using hyper spectral in this project. The relationship between conformational transition of several important egg white protein(-ovalbumin -ovomucin -lysozyme) and egg quality will be studied systematically. The change law on the secondary structure of the protein and advanced spatial conformation during storage will be resolved by means of modern instrumental analysis. The relationship between protein conformational transition and egg quality is explored using statistical methods. Hyper spectral mixed signals are decomposed to eliminate the influence of the eggshell using independent component analysis. Characteristic wavelengths is preferred, the effective spectral fingerprint is determined and key peak is extracted. Then principal component analysis is used to determine the high spectral characteristic parameters, the high spectral characterization factor reflecting egg quality changes is selected. The relationship of the quality indicators and protein structure parameters and hyper spectral characteristic variables will be analyzed by simple correlation analysis and stepwise regression. Non-destructive testing model of hyper spectral of egg quality based on PLS and artificial neural network. The expected results can reveal not only protein conformational change law and the internal system relationship between it and egg quality during storage, but also non-destructive evaluate egg biochemical quality and provide the technical basis for the egg quality inspection and control.

蛋白质构象变化规律是揭示贮期鸡蛋食用品质变化机理的关键。项目利用高光谱研究鸡蛋内部品质的外在表征，围绕鸡蛋清中的3种重要蛋白质-ovalbumin、ovomucin、lysozyme的构象转变与蛋品质的关系开展系统研究，拟从蛋白结构层面着手，通过现代仪器分析手段解析贮期主要蛋白质的二级结构及高级空间构象的转变规律；用统计学方法探寻蛋白质构象转变与蛋品质的相关性；利用独立分量分析法分解高光谱的混合信号，消除蛋壳对内容物的影响，优选特征波长，确定有效光谱指纹，提取关键峰值，再进行主成分分析确定高光谱特征参数，筛选最能反应鸡蛋品质变化的高光谱表征因子；通过单相关分析和逐步回归等分析品质指标及蛋白结构表征参数与高光谱特征变量的相关关系，应用PLS法及人工神经网络构建鸡蛋品质高光谱无损鉴别模型。预期成果可揭示贮期蛋白构象转变规律及其与蛋品质的内在系统关系，还可为无损评价鸡蛋生化品质提供技术理论基础。

本课题以1日龄鸡蛋为实验原料，选择与鸡蛋品质密切相关的三种主要蛋白：卵白蛋白、卵粘蛋白、溶菌酶为研究对象，研究不同贮藏时间实验蛋的品质变化和蛋白构象变化、蛋白含量变化之间的关系，并应用高光谱成像技术研究鸡蛋品质及卵白蛋白和卵黏蛋白含量的变化所引起的外在表征，寻找表征因子并建立无损预测模型。通过荧光光谱、圆二色谱、红外光谱及拉曼光谱研究贮藏期间鸡蛋主要蛋白结构的变化规律，半定量分析了各二级结构含量的变化规律，并对其余鸡蛋品质参数的相关性进行了分析，结果表明，pH值与卵白蛋白和卵黏蛋白的二级结构的变化相关性高，均达到0.8以上，溶菌酶的二级结构含量与各品质参数的相关性均没有卵白蛋白和卵黏蛋白高。卵黏蛋白的各二级含量与各品质参数的相关性均在0.8以上，呈强相关关系。利用SPSS及MATLAB对鸡蛋品质及主要蛋白含量进行相关性和灰色关联度分析，结果表明卵白蛋白与鸡蛋各品质指标相关性更高，且pH是影响卵白蛋白含量变化的主要因素；利用高光谱成像技术，对鸡蛋品质指标、生化参数和卵白蛋白含量进行无损预测。利用一阶微分、平滑处理、小波去噪等光谱预处理方法对高光谱数据进行处理，比较不同处理方法的建模效果，选取最优的光谱预处理方法；利用连续投影算法，竞争性自适应重加权算法、流行学习算法、主成分分析算法等对高光谱数据进行降维，筛选出能够表征鸡蛋品质、巯基含量、蛋白质含量的特征波段，利用图像预处理及相关性分析方法筛选出鸡蛋的图像特征参数，融合光谱特征波长和图像特征参数，建立多元线性回归模型、偏最小二乘模型、BP神经网络模型等进行比较，选择建模精度更高的模型作为预测鸡蛋品质、巯基含量及蛋白质含量的无损预测模型，结果表明，最终建立的预测模型预测精度均可达到0.9以上。本研究探索了鸡蛋蛋白质构象和含量以及鸡蛋品质的高光谱无损检测机理，为流通、加工、贮藏环节中鸡蛋品质的快速无损检测提供理论基础及技术支撑。