大豆分离蛋白提取方法总结

作者：丽水天工环保

1、酸沉碱提法。

这是一种传统的分离提取方法。该法是利用大豆中大多数蛋白质在等电点(pH415) 时沉淀的特性,与其他成分分离,沉淀的蛋白质经调节pH 后溶解,因此称之为酸沉碱提法。酸沉碱提的缺陷是: 耗酸、耗碱量大,废水处理费用高,产品收率低。该分离提取方法有待改进。但目前仍然是工业化生产的基本方法。

2、膜分离法。

根据大豆蛋白的分子量大小、形状及膜与大豆蛋白的适应性,选择膜材料和不同截留分子量的膜,对大豆蛋白提取液超滤分离,超滤净化,使非截留组分排除,达到符合标准的分离大豆蛋白液,接着将净化后的大豆蛋白提取液超滤浓缩到所需的浓度后出料,喷雾干燥成粉状大豆分离蛋白。

3、反胶束萃取分离法。

反胶束是表面活性剂在有机溶剂中形成的一种聚集体,其中表面活性剂的非极性尾在外,与有机溶剂接触,极性头在内,形成极性核,该核具有包含水溶液和溶解蛋白质的能力,因而可以用此含有反胶束的有机溶剂从水相中萃取蛋白质。利用反胶束技术从全脂豆粉萃取大豆蛋白,可一次萃取50 %左右。大豆蛋白萃取过程非常快,用非扩散模型解释较为合理。

该法需要的主要仪器有:自动水分测定仪、气浴恒温震荡器、离心机、凯氏定氮仪、分析天平、恒温磁力搅拌器和微量进样棒等。

影响反胶束萃取过程的主要因素有表面活性剂的种类及浓度、水相的pH 值、离子强度、温度等。

反胶束萃取技术的优点是:选择性高、操作方便、放大容易、萃取剂(反胶束) 相可循环利用、分离和浓缩同步进行。其缺点是:蛋白质在现有反胶束体系中稳定性不高,导致萃取前后蛋白质的活性损失较大,因而制约其工业化应用。

4、反相高效液相色谱法

这是对大豆蛋白中7 S 和11 S 球蛋白进行快速分离的一种方法。在分离条件为40 ℃、流速1mL/ min 的条件下,9 min 可完成相应球蛋白的分离。具体方法为:

（1）试剂与试样。乙腈(CAN) (HPLC 级) 、三氟乙酸( TFA) (HPLC 级) 、HPLC 级水用于移动相的制备。Tris (三甲基氨基甲烷缓冲剂) 和2 —巯基乙醇(分析级) 用于分离大豆蛋白。大豆蛋白分离样本可为组织化蛋白、大豆粉、豆奶、强化婴儿大豆,使用前均测定其蛋白质含量。样品溶于水,然后于注样前用0122μm 经无菌处理的多酚滤纸过滤。全部样品和标样保存在3 ℃或冰冻条件下,样品溶液在分析当天现配,并保存在冰上备用。

11 S 和7 S 大豆球蛋白在0130 % mol/ L Tris -HCl 缓冲液和含有0101 mol/ L 22巯基乙醇条件下,经高速离心(10000 r/ min) 分别于各自的等电点(pH614 和pH 418) 析出。

（2）高效液相色谱。Hewlett - Packard 1090 II型色谱仪,带有一个二极管倍增器和HP 9153C 型数据检测系统,每次进样20μL 。分离在PLRP - S柱(150 mm ×416mm I. D. ) 中进行,柱中填有多聚苯乙烯- 二乙烯苯颗粒( 300 ! , 8 μm) , 柱留时间(117 min) 通过不被吸附的尿嘧啶测定,蛋白质通过254 nm 紫外吸光值测定。缓慢流动相A 为011 %三氟乙酸( TFA) 水溶液;快速流动相B 为011 % TFA 乙腈溶液。移动相经0145μm 尼龙过滤器过滤,用少量氮气排气。

该法的特点是不能用于区分7 S 和11 S 大豆蛋白,只适用于大豆蛋白产品的快速定性检测 功能性大豆分离蛋白的组分分离提取加工技术\r\n\r\n一、成果简介\r\n\r\n 本技术改变传统的大豆分离蛋白提取工艺，根据大豆蛋白质不同组分在一定介质环境和离子强度条件下溶解度的不同，在适合工业化生产的条件下将其按构成进行组分分离，得到富含7S组分和富含11S组分两种功能特性不同的大豆分离蛋白成品。并且可根据要求任意调整产品中7S/11S的比例。产品有很强的功能特性，可广泛地用于肉制品、乳制品、面制品、儿童食品以及保健品等领域中。\r\n\r\n 本技术曾列入国家“十五”攻关计划项目“大豆深加工关键技术及设备研究与开发” （20xxBA501A02）中，已于20xx年x月x日通过了国家教育部组织的专家鉴定，达到国际先进水平。并且该成果已在科技部进行了成果登记，批准登记号为：008-360-03-20xx0788。\r\n\r\n二、技术指标\r\n\r\n 本项目开发的各专用型大豆分离蛋白产品的一般性指标均达到或略高于同类产品，其中富含7S组分及富含11S组分分离蛋白的氮溶解指数NSI均超过了90%，表现出良好的溶解性。\r\n\r\n 另外，富含7S大豆分离蛋白的乳化性、溶解性、分散稳定性

非常好。这一个特性非常适合于乳制品以及各种饮料中添加。这是目前分离蛋白市场中的一个空缺点，各研究机构和企业为解决分离蛋白在乳制品及饮料中的应用花费了大量的人力、物力、财力。他们的方法都是对分离蛋白进行改性，尤其是酶解改性。但是由于酶解产生苦味，所以酶解的方法到目前还没有得到广泛应用。\r\n\r\n 富含11S大豆分离蛋白的起泡性、持油性远高于富含7S组分和市售大豆分离蛋白，分散性、持水性、凝胶性也非常好。根据我们的实验发现，将6％富含11S分离蛋白添加到冰淇淋中，其膨胀率远高于空白，而且产品的组织细腻，没有豆腥味，降低了冰淇淋的成本。\r\n\r\n三、投资预算及效益分析\r\n\r\n 本技术在原来已经具有一条连续式大豆分离蛋白生产线的基础上，经过生产线改造，添加一定的设备，就可得到生产富含7S和富含11S的大豆分离蛋白生产线。\r\n\r\n 目前在饮料、乳制品、面制品等领域中应用的专用功能性大豆分离蛋白在国内还基本不形成生产力，存在巨大的市场空缺。\r\n\r\n四、目前推广应用情况\r\n\r\n 本技术已经成功进行了中试，正在积极准备工业化生产。\r\n\r\n 据报道，近年来，美国、日本也在进行大豆分离蛋白7S、11S两种组分工业化分离的研究，并进行了中试。因此，该技术具有较强的先进性，

及早应用，将有强大的市场潜力。\r\n\r\n 更多内容请查看：

www.caufood.com.cn/wzcywfw/4.asp?i=0&topage=1\r\n\r\n 中国农业大学食品学院食品技术服务中心\r\n\r\n 网址：www.caufood.com.cn\r\n\r\n

电话：010-62341375\r\n\r\n 邮箱：cauhl@163.com

 

第二篇：统计分析方法总结

1.连续性资料

1.1 两组独立样本比较

1.1.1 资料符合正态分布,且两组方差齐性,直接采用t检验。

1.1.2 资料不符合正态分布，（1）可进行数据转换,如对数转换等,使之服从正态分布,然后对转换后的数据采用t检验；（2）采用非参数检验,如Wilcoxon检验。

1.1.3 资料方差不齐，（1）采用Satterthwate 的t检验；（2）采用非参数检验,如Wilcoxon检验。

1.2 两组配对样本的比较

1.2.1 两组差值服从正态分布，采用配对t检验。

1.2.2 两组差值不服从正态分布，采用Wilcoxon的符号配对秩和检验。

1.3 多组完全随机样本比较

1.3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，Tukey法，Scheffe法，SNK法等。

1.3.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Kruscal-Wallis法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用成组的Wilcoxon检验。

1.4 多组随机区组样本比较

1.4.1资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，Tukey法，Scheffe法，SNK法等。

1.4.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman检验法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用符号配对的Wilcoxon检验。

需要注意的问题：

（1） 一般来说，如果是大样本，比如各组例数大于50，可以不作正态性检验，直接采用t检验或方差分析。因为统计学上有中心极限定理，假定大样本是服从正态分布的。

（2） 当进行多组比较时，最容易犯的错误是仅比较其中的两组，而不顾其他组，这样作容易增大犯假阳性错误的概率。正确的做法应该是，先作总的各组

间的比较，如果总的来说差别有统计学意义，然后才能作其中任意两组的比较，这些两两比较有特定的统计方法，如上面提到的LSD检验，Bonferroni法，Tukey法，Scheffe法，SNK法等。**绝不能对其中的两组直接采用t检验，这样即使得出结果也未必正确**

（3） 关于常用的设计方法：多组资料尽管最终分析都是采用方差分析，但不同设计会有差别。常用的设计如完全随即设计，随机区组设计，析因设计，裂区设计，嵌套设计等。

2．分类资料

2.1 四格表资料

2.1.1 例数大于40，且所有理论数大于5，则用普通的Pearson 检验。

2.1.2 例数大于40，所有理论数大于1，且至少一个理论数小于5，则用校正的 检验或Fisher’s确切概率法检验。

2.1.3 例数小于40，或有理论数小于2，则用Fisher’s确切概率法检验。

2.2 2×C表或R×2表资料的统计分析

2.2.1 列变量＆行变量均为无序分类变量，则（1）例数大于40，且理论数小于5的格子数目<总格子数目的25％，则用普通的Pearson 检验。（2）例数小于40，或理论数小于5的格子数目>总格子数目的25％，则用Fisher’s确切概率法检验。

2.2.2列变量为效应指标，且为有序多分类变量，行变量为分组变量，用普通的Pearson 检验只说明组间构成比不同，如要说明疗效，则可用行平均分差检验或成组的Wilcoxon秩和检验。

2.2.3 列变量为效应指标，且为二分类变量，行变量为有序多分类变量，则可采用普通的Pearson 检验比较各组之间有无差别，如果总的来说有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。

2.3 R×C表资料的统计分析

2.2.1 列变量＆行变量均为无序分类变量，则（1）例数大于40，且理论数小于5的格子数目<总格子数目的25％，则用普通的Pearson 检验。（2）例数小于40，或理论数小于5的格子数目>总格子数目的25％，则用Fisher’s确切概率法检验。（3）如果要作相关性分析，可采用Pearson相关系数。

2.2.2列变量为效应指标，且为有序多分类变量，行变量为分组变量，用普通的Pearson 检验只说明组间构成比不同，如要说明疗效或强弱程度的不同，则可

用行平均分差检验或成组的Wilcoxon秩和检验或Ridit分析。

2.2.3 列变量为效应指标，且为无序多分类变量，行变量为有序多分类变量，则可采用普通的Pearson 检验比较各组之间有无差别，如果有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。

2.2.4 列变量＆行变量均为有序多分类变量，（1）如要做组间差别分析，则可用行平均分差检验或成组的Wilcoxon秩和检验或Ridit分析。如果总的来说有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。

（2）如果要做两变量之间的相关性，可采用Spearson相关分析。

2.4 配对分类资料的统计分析

2.4.1 四格表配对资料，（1）b＋c>40，则用McNemar配对 检验。（2）b＋c<40，则用校正的配对 检验。

2.4.1 C×C资料，（1）配对比较：用McNemar配对 检验。（2）一致性检验，用Kappa检验。