一种香气化合物增鲜效果的定性预测方法

1.本发明涉及食品风味化学领域，尤其是涉及一种香气化合物增鲜效果的定性预测方法。


背景技术：

2.近年来，与盐有关的健康问题导致了对低盐食品的广泛研究。世界卫生组织(who)等国际权威机构提倡减少食物中的钠。在不改变消费者可接受性的情况下降低食品中的钠含量已成为食品工业所追求的目标，因此人们选择假设可以使用香气来补偿食物中盐分的减少。味觉增强剂通常是指那些本身无味但能增强基本味感的物质，这些物质在食品行业越来越受到关注，因为它们往往具有某些特殊属性，例如，无热量甜味增强剂能够取代部分糖用于食品和饮料中，以供如患有肥胖和糖尿病等有健康问题的人群选用，增咸剂代替部分钠盐的使用可以降低患心血管疾病的风险，同时还能保持食品的口感。因此，健康、天然的味觉增强剂具有重要的保健养生价值和商业价值。
3.现有技术中亟需研发一种对香气化合物增鲜效果的定性预测方法，以此快速预测某种香气化合物是否对味精具有增鲜效果，实现对健康、天然的味觉增强剂的开发进行有效指导。


技术实现要素：

4.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种香气化合物增鲜效果的定性预测方法，预测率可以达到83.33％，可以快速预测某种香气化合物是否对味精具有增鲜效果。
5.本发明的目的可以通过以下技术方案来实现：
6.本发明提供一种香气化合物增鲜效果的定性预测方法，包括以下步骤：
7.s1：构建香气化合物数据库；
8.s2：从蛋白质分子数据库中获取鲜味受体蛋白t1r1/t1r3的3d结构，以此得到受体蛋白数据集，从zinc数据库获取香气化合物及味精的结构，作为配体分子数据集，之后通过pyrx软件对受体蛋白数据集、配体分子数据集中的元素进行分子对接，将结合能数据记录保存；
9.s3：以各香气化合物对应的结合能数据与分子描述符为特征变量，以是否具有增鲜效果作为目标变量构建逻辑回归模型；
10.s4：向所述逻辑回归模型输入待预测的香气化合物信息，得到香气化合物增鲜效果的预测的定性输出结果。
11.进一步地，s1中，所述香气化合物数据库包括多种香气化合物、香气化合物对应的分子式、香气化合物对应的cas编号、香气化合物对应的俗称及科学命名。
12.进一步地，s1中，所述香气化合物数据库中包括以下化合物：
13.苯乙醛、2,5-二甲基吡嗪、二甲基三硫、2-甲基-3-四氢呋喃硫醇、hdmf、hemf、葫芦
巴内酯、3-甲硫基丙醇、3-甲硫基丙醛、糠硫醇、麦芽酚、柠檬酸、乙基葫芦巴内酯和1-辛烯-3-醇。
14.进一步地，s2中，受体蛋白数据集的获取过程包括：
15.将蛋白质分子数据库中获得的鲜味受体蛋白t1r1/t1r3的3d结构导入autodocktool软件中，对鲜味受体蛋白t1r1/t1r3进行预处理操作，然后通过autodocktool软件预测对接位点，并基于对接的可行性确定是否保留对接口袋附近的水分子或金属离子，得到处理后的鲜味受体蛋白t1r1/t1r3数据，并保存至pdbqt文件。
16.进一步地，s2中，所述预处理操作包括对鲜味受体蛋白t1r1/t1r3进行去水、加氢、加电荷。
17.进一步地，s2中，通过pyrx软件进行分子对接的过程包括：
18.将能量最小化的配体分子文件和处理后的鲜味受体蛋白t1r1/t1r3数据同时导入到pyrx中设置对接口袋，运行autodock vina模块进行对接。
19.进一步地，s2中，所述能量最小化的配体分子文件通过autodock vina模块对配体分子数据集进行能量最小化处理得到。
20.进一步地，s2中，获取受体蛋白、香气化合物、味精三者对接的全部排列组合对应的结合能大小结果，作为结合能数据集。
21.进一步地，s3中，分子描述符的获取过程为：
22.将香气化合物的sdf文件导入到chemdes服务器，搜集到香气化合物的分子描述符信息，使用python中的simpleimputer函数来填充获取的数据中的缺失值；
23.所述分子描述符信息包括：
24.分子量、logp、折射率、摩尔折射率、摩尔体积、等张比容、表面张力、极化率、xlogp、氢键供体数、氢键受体数、可旋转键数、互变异构体数、拓扑分子极性表面积、重原子数、复杂度、未确定原子立构中心数、chi0n、chi0v、chi1n、chi1v、chi2n、chi2v、chi3n、chi3v、chi4n、chi4v、hallkieralpha、heavyatomcount、kappa1、kappa2、kappa3、脂肪环数量、芳香杂环数量、芳香环数量、numheteroatoms、电子数量、tpsa。
25.进一步地，s4中，具体包括：将结合能数据集和分子描述符为特征变量，将是否具有增鲜效果作为目标变量，构建逻辑回归模型来预测香气物质是否具有增强味精鲜味感知的能力。
26.与现有技术相比，本发明具有以下技术优势：
27.本发明基于结合能与分子描述符等性质构建逻辑回归模型预测香气物质是否具有增鲜效果的研究方法，通过利用结合能与分子描述符等性质构建逻辑回归模型预测香气物质是否具有增鲜效果，该方法简单快速，结果直观可靠，适用性广泛。
附图说明
28.图1为本发明中预测用于增强鲜味感知的香气物质的流程图。
具体实施方式
29.下面结合附图和具体实施例对本发明进行详细说明。本技术方案中如未明确说明的部件型号、材料名称、连接结构、控制方法、算法等特征，均视为现有技术中公开的常见技
术特征。
30.本实施例中，包括下列步骤：
31.1)建立一个香气化合物数据库，数据库共包含14种香气化合物；
32.2)从蛋白质分子数据库(http://www.rcsb.org/)中获得鲜味受体t1r1/t1r3的3d结构，从zinc数据库获取香气物质及呈味物质味精msg的结构，分别作为受体蛋白和配体分子通过pyrx中分autodock vina模块进行分子对接，记将结合能数据记录保存；
33.3)通过chemdes服务器获取香气化合物39种分子描述符；
34.4)使用python包sklearn中的逻辑回归算法进行建模，以香气物质各自的结合能以及38种分子描述符为特征变量。通过构建逻辑回归模型预测出能够增强味精鲜味效果的香气物质。
35.为进一步阐释预测用于增强鲜味感知的香气物质的研究方法，下面结合实施例作更详尽的说明。
36.参见图1，本实施例主要采用逻辑回归模型预测用于增强鲜味感知的香气物质的研究方法，具体步骤如下：
37.本实施例中采用14种已报道的具有增强甜味效果的香气化合物，分别为苯乙醛、2,5-而甲基吡嗪、二甲基三硫、2-甲基-3-四氢呋喃硫醇、hdmf、hemf、葫芦巴内酯、3-甲硫基丙醇、3-甲硫基丙醛、糠硫醇、麦芽酚、柠檬酸、乙基葫芦巴内酯和1-辛烯-3-醇。
38.本实施例中分子对接过程为：将pdb文件导入到软件autodocktool中，对鲜味受体蛋白t1r1/t1r3进行预处理操作，即去水、加氢、加电荷等，然后通过程序预测对接位点以及考虑是否保留对接口袋附近的水分子或金属离子，保存至pdbqt文件备用；准备14种香气化合物小分子配体文件，将14个pdb文件分别导入到pyrx中，对小分子进行能量最小化处理，参数按默认设置，保存文件pdbqt格式；利用软件pyrx能够批量处理小分子与大分子进行分子对接的特性，将14个能量最小化的配体分子文件导入到pyrx中，再将处理过的鲜味受体蛋白文件同样导入到软件中，设置对接口袋，运行vina模块进行对接；运行结束后记录14种香气化合物与鲜味受体蛋白的结合能大小结果。
39.本实施例中获取香气化合物的分子描述符过程为：将香气化合物的sdf文件导入到chemdes服务器，搜集到香气化合物38种分子描述符信息(分子量、logp、折射率、摩尔折射率、摩尔体积、等张比容、表面张力、极化率、xlogp、氢键供体数、氢键受体数、可旋转键数、互变异构体数、拓扑分子极性表面积、重原子数、复杂度、未确定原子立构中心数、chi0n、chi0v、chi1n、chi1v、chi2n、chi2v、chi3n、chi3v、chi4n、chi4v、hallkieralpha、heavyatomcount、kappa1、kappa2、kappa3、脂肪环数量、芳香杂环数量、芳香环数量、numheteroatoms、电子数量、tpsa)，使用python中的simpleimputer函数来填充获取的数据中的缺失值，在这里均使用均值填补。
40.本实施例中建立预测模型过程为：以香气物质各自的结合能以及38种分子描述符为特征变量，是否具有增鲜效果作为目标变量构建逻辑回归模型(logistic regression)来预测香气物质是否具有增强味精鲜味感知的能力。所述的利用结合能与分子描述符等性质构建逻辑回归模型预测香气物质是否具有增鲜效果的准确度可以达到83.33％，可以快速有效地预测香气物质是否具有增鲜效果。
41.1)从蛋白质分子数据库和zinc数据库中获取苯乙醛、2,5-而甲基吡嗪、二甲基三
硫、2-甲基-3-四氢呋喃硫醇、hdmf、hemf、葫芦巴内酯、3-甲硫基丙醇、3-甲硫基丙醛、糠硫醇、麦芽酚、柠檬酸、乙基葫芦巴内酯和1-辛烯-3-醇及鲜味受体蛋白质t1r1/t1r3的结构。
42.2)通过分子对接技术，具体步骤如下：将pdb文件导入到软件autodocktool中，对鲜味受体蛋白t1r1/t1r3进行预处理操作，即去水、加氢、加电荷等，然后通过程序预测对接位点以及考虑是否保留对接口袋附近的水分子或金属离子，保存至pdbqt文件备用；准备14种香气化合物小分子配体文件，将14个pdb文件分别导入到pyrx中，对小分子进行能量最小化处理，参数按默认设置，保存文件pdbqt格式；利用软件pyrx能够批量处理小分子与大分子进行分子对接的特性，将14个能量最小化的配体分子文件导入到pyrx中，再将处理过的鲜味受体蛋白文件同样导入到软件中，设置对接口袋，运行vina模块进行对接；运行结束后记录14种香气化合物与鲜味受体蛋白的结合能大小结果。
43.3)经数据处理后，原本数据集被划分为训练集和测试集两部分，训练集用于真实的训练过程，而测试集用于验证预测模型的效果，最后计算模型得分来评估模型，利用python调用逻辑回归数学模型进行构建。如下表1所示，将测试集代入模型调用fit(x,y)方法可知该模型在预测香气物质是否能够增强鲜味感知方面的准确度为83.33％，其中1代表可以增强鲜味感知，0代表不可以增强鲜味感知。可以推断出逻辑回归模型做预测效果相对较好，在预测香气物质是否能够增强鲜味感知问题上有一定的使用价值。
44.表1本实施例中6种香气物质的实际值与预测值对比
[0045][0046][0047]
因此，本发明中预测用于增强鲜味感知的香气物质的方法操作简单快捷，结果直观可靠。
[0048]
上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和使用发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。