采用大豆分离蛋白(Soybean protein isolate,SPI)-磷脂酰胆碱作为表面活性剂,利用超高压均质技术制备紫苏油纳米乳液,探究不同SPI质量分数以及超高压均质压力对紫苏油纳米乳液稳定性的影响。结果表明:随着SPI质量分数和超高压均质压力...采用大豆分离蛋白(Soybean protein isolate,SPI)-磷脂酰胆碱作为表面活性剂,利用超高压均质技术制备紫苏油纳米乳液,探究不同SPI质量分数以及超高压均质压力对紫苏油纳米乳液稳定性的影响。结果表明:随着SPI质量分数和超高压均质压力的增加,紫苏油纳米乳液的平均粒径和PDI值逐渐降低,在SPI质量分数为4%、均质压力140 MPa条件下紫苏油纳米乳液均一稳定,粒径最小为241.03 nm,PDI值最低为0.13;经过21 d的储藏试验,用Turbiscan稳定性分析仪测定紫苏油纳米乳液的物理稳定性,在SPI质量分数4%、均质压力140 MPa条件下,紫苏油纳米乳液未发生脂肪上浮或溶液聚集等现象,同时纳米乳液的平均粒径也未发生较大的变化,表明紫苏油纳米乳液在这一条件下具有较强的储藏稳定性。通过圆二色谱测定紫苏油纳米乳液中界面蛋白的二级结构变化,结果表明,超高压均质使α-螺旋的相对含量降低,而无规卷曲和β-折叠的相对含量升高,这说明界面蛋白的二级结构的变化对紫苏油纳米乳液的稳定性有一定的影响。展开更多
测定了紫苏油在超临界CO2 (SC CO2 )中的溶解度 ,利用误差逆传播 (BP)神经网络对溶解度数据进行了拟合。通过对萃取参数与溶解度的关系进行训练 ,实现网络结构的优化 ,建立了紫苏油在SC CO2 溶解度的网络模型 ,并将该模型用于一定范围...测定了紫苏油在超临界CO2 (SC CO2 )中的溶解度 ,利用误差逆传播 (BP)神经网络对溶解度数据进行了拟合。通过对萃取参数与溶解度的关系进行训练 ,实现网络结构的优化 ,建立了紫苏油在SC CO2 溶解度的网络模型 ,并将该模型用于一定范围内未知萃取参数下溶解度的预测 ,得到了较高的预测精度。结果表明 ,该方法可作为预测物质在SC CO2 溶解度的一种有效手段。展开更多
文摘测定了紫苏油在超临界CO2 (SC CO2 )中的溶解度 ,利用误差逆传播 (BP)神经网络对溶解度数据进行了拟合。通过对萃取参数与溶解度的关系进行训练 ,实现网络结构的优化 ,建立了紫苏油在SC CO2 溶解度的网络模型 ,并将该模型用于一定范围内未知萃取参数下溶解度的预测 ,得到了较高的预测精度。结果表明 ,该方法可作为预测物质在SC CO2 溶解度的一种有效手段。