张　丽,包高良,孙宝忠,牛　珺,郭兆斌,王　莉,余群力,谢　鹏

(1.甘肃农业大学食品科学与工程学院,甘肃兰州 730070;2.中国农业科学院北京畜牧兽医研究所,北京 100193)



基于初始pH变化预测真空包装冷藏过程中的牦牛肉质构

张丽1,包高良1,孙宝忠2,牛珺1,郭兆斌1,王莉1,余群力1,谢鹏2

(1.甘肃农业大学食品科学与工程学院,甘肃兰州 730070;2.中国农业科学院北京畜牧兽医研究所,北京 100193)

为了研究牦牛肉早期pH变化对其质构特性的影响,本研究取牦牛背最长肌,真空包装后于0 ℃下冷藏,测定宰后72 h以内的pH变化及宰后12 d的质构特性,并通过动态数据分析及逐步多元回归建立质构特性的预测模型,并进行验证。结果表明,牦牛肉宰后pH变化主要发生于最初24 h以内,之后pH维持在5.5左右。通过动态数据分析所得这些参数在逐步式预测方程(α入选=0.05)中出现。5项TPA指标的预测方程中,硬度和咀嚼性的决定系数(R2)均超过0.85,初始参数pH0共计4次入选预测方程(α入选=0.05)。模型决定系数R2在0.64至0.93之间,相对分析误差(RPD)均超过了2.0。结果说明基于pH早期变化的牦牛肉质构预测模型可用于实际监控。

牦牛肉,pH,质构特性,逐步多元回归

肉的嫩度是评价肉类食用品质的重要指标之一,直接影响消费者的接受程度。通过质构剖面分析(TPA)得出的质构特性可以从不同角度分析肉的嫩度,而在宰后成熟或低温冷藏过程中肉的质构特性变化一直以来都是肉品科学的研究热点[1-2]。肉pH对品质的预测效果一直都是肉品科学家们所关心的研究主题之一[3-5]。

TPA用于评估肉及肉制品质构特性已有大量研究。Huidobro等[6]和Sasaki等[7]均发现TPA检测比传统肉嫩度指标的沃布剪切力(Warner-Bratzler)更容易发现不同肉制品之间的质地差异。Roldán等[8]指出TPA特性会受到熟制温度与方式的影响。Palka[9]则发现宰后储藏时间对牛半腱肌(ST)的TPA特性有显著影响。Irurueta等[10]发现成熟能够影响阿根廷水牛肉的TPA特性。成熟期间pH变化是否对最终TPA特性的形成起到了关键作用,目前仍需深入研究。

已有相关研究证明成熟期间pH变化能够影响牛肉最终品质,是影响牛肉品质最关键的影响因素之一。Jeleníková等[11]指出宰前应激对牛肉嫩度的影响可以归因于pH的改变。而Holdstock等[12]通过真空包装下的模拟成熟研究,发现最终pH能够与日本肉类分级协会(JMGA)评分、沃布剪切力、感官评分等品质参数之间通过二次多项式模型进行拟合。Wu等[3]则发现了最终pH与牛肉结构性蛋白降解之间存在密切关联。Lomiwes等[13]发现根据最终pH可以对牛肉嫩度进行区划。此外,在前期模拟成熟研究中,张丽等[14]已经发现宰后pH下降的速率和幅度是牦牛肉嫩度的良好预测因子,其预测效果的显著性甚至超过了传统上通常认为和牛肉质地形成关系密切的酶活力及肌纤维形态等因子。然而,这是否说明pH能够独立作为牦牛肉质构特征的预测因子,目前尚不能完全肯定。

鉴于pH数据采集相比于其他理化指标数据的采集更加方便。因此,如果能够通过pH的宰后早期变化预测牦牛肉质构特征,将有利于实现牦牛肉成熟过程中的品质在线监控。为了实现这一目标,本研究选取12头4岁龄的甘南公牦牛,宰后取背最长肌,在真空包装后于0 ℃下冷藏12 d模拟成熟储藏过程,并于宰后0～72 h内测定pH,于宰后12 d进行TPA检测,先通过动态数据分析获取pH变化规律的模型参数,再以模型参数通过逐步多元回归建立对TPA特性的预测效果,以期为牦牛肉品质控制提供依据。

1　材料与方法

1.1材料与仪器

牦牛肉在甘肃省甘南州随机选取15头4岁龄的甘南公牦牛(12头为建模集,3头为验证集),宰后取背最长肌,真空包装于0 ℃下冷藏。

TA.XT Express质构仪英国Stable Micro System公司;PHB-4型便携式酸度计上海精密科学仪器有限公司;My-C30型真空包装机广州市名远包装材料有限公司。

1.2实验方法

1.2.1实验设计每头牦牛的背最长肌取下后,分为8个小块,真空包装后于0 ℃下冷藏12 d模拟成熟储藏过程,其中7块用于宰后0～72 h内pH的测定,1块用于宰后12 d进行TPA检测。然后通过数学分析手段建立基于pH变化的牦牛肉质构预测模型。

1.2.2pH测定用于pH分析的7块肉样,分别于牦牛宰后0、3、6、12、24、48、72 h打开包装,将便携式酸度计的金属电极插入肉样,待pH计读数稳定后记录,每块肉样随机选择5个不同位置进行测定,每次读数精确到0.01,最后求其平均值。

1.2.3质构剖面分析参考Keenan等[15]的方法进行质构剖面分析。宰后12 d取出肉样,用蒸煮袋将肉样包裹密封后在85 ℃水浴中熟制,至中心温度达到75 ℃后维持5 min,取出肉块,自然冷却至室温(25 ℃)。然后将其修整为100 mm×80 mm×20 mm片状(20 mm为高度方向,即肌纤维方向),用取样器取5个直径25 mm、高度20 mm的圆柱形肉块用质构仪进行二次咀嚼实验。预压力:0.07 N,测试速度为2 mm/s,预设变形量50%(即压缩行程为10 mm,压缩时间为5 s),使用探头为平板探头,第一次压缩及第二次压缩之间的恢复时间间隔为6s。通过分析测定以下指标:硬度(第一次压缩的外力峰值)、凝聚性(两次压缩做功比)、弹性(二次压缩之间样品高度的回复量)、恢复力(第一次压缩压力和反弹力的做功比)、咀嚼性(硬度×凝聚性×弹性)。

1.3统计分析及建模

1.3.1统计方法数据统计分析通过SPSS 19.0软件(美国IBM公司)进行,差异显著性采用邓肯多重比较法进行分析。

1.3.2动态数据分析pH的动态数据分析(Dynamic Data Analysis),参考Zamora等[16]和Rees等[17]的方法进行。模型如下:

pH=(pH0-pHex)+pHex×e-kt

式中,t为宰后时间(h),pH0代表初始pH,pHex代表pH宰后下降的程度,k代表pH下降速率。通过牛顿-拉夫逊算法(Newton-Raphson)计算各模型参数[16]。

1.3.3逐步式回归建立预测模型通过逐步式多元回归(α进入=0.05,α剔除=0.10)建立pH对牦牛肉TPA特性的预测模型,自变量包括pH0、pHex、k,因变量为5项TPA特性指标。本研究以12头牦牛数据作为建模集,以3头数据作为验证集,以验证集的相对分析误差(RPD)检验预测效果。RPD计算方法如下:

RPD=实测标准差(SD)÷均方根误差(RMSE)

其中SD计算方法如下:

RMSE计算如下:

式中,XP为各样本预测值,XM为实测值,n为样本空间。

2　结果与分析

2.1宰后72 h以内牦牛肉pH的变化

牦牛肉宰后72 h以内的变化如图1所示,刚屠宰时牦牛肉pH平均值超过6.5,经过72 h的成熟,最终pH平均值在5.5左右。根据方差分析,宰后12 h的pH显著低于宰后6 h(p<0.05),由此可见宰后6～12 h是牦牛肉pH下降最明显的时间段,宰后24 h牦牛肉pH再无显著变化。根据动态数据分析,模型参数pH0、pHex、k分别为6.72、1.34、0.069,指数模型的决定系数R2可达0.999,说明本研究采用的指数性非线性回归模型(不可化为线性的指数模型)可以用来较好地拟合牦牛肉pH变化,因此模型参数可以用作反映其变化规律的变量。

表2　基于pH动态参数的牦牛肉TPA特性的预测模型参数Table 2　Parameters of predictive model of TPA traits of yak meat based on pH kinetic parameters

图1　宰后72 h以内牦牛肉pH及其动态模型方程Fig.1　The pH value of yak meat with in postmortem 72 h and its kinetic model equation注:不同小写字母差异显著性p<0.05。

注:RPD相对分析误差。

2.2宰后12 d牦牛肉TPA特性

牦牛肉TPA特性及pH动态模型参数的描述性统计如表1所示。本研究中牦牛肉的硬度、咀嚼性均具有较大变异性,变异系数超过了20%;而凝聚性的变异性最低,变异系数不足2%。因此,硬度和咀嚼性能够较好地反映出牦牛肉质构差异。pH动态模型参数中下降速率和下降幅度的变异性最大,变异系数超过10%。

表1　牦牛肉TPA特性及pH动态模型参数的描述性统计Table 1　Descriptive statistics of TPA traits and kinetic model parameters of pH of yak meat

注:动态模型参数pH0代表初始pH,pHex代表pH的下降幅度,k代表pH下降速率,下同。

2.3牦牛肉TPA特性预测模型

以牦牛肉宰后72 h以内pH变化的3个动态参数为自变量,以牦牛肉宰后12 d的5项TPA指标为因变量,进行逐步回归分析,可分别得到5个预测方程,其系数如表2所示。3个动态参数中初始参数pH0共计4次入选预测方程,速率参数k和程度参数pHex均2次入选预测方程。5项TPA指标的预测方程中,弹性、凝聚性、恢复力只包括1个预测因子,R2不超过0.8;硬度预测方程具有k和pHex这2个预测因子,R2超过了0.85;咀嚼性预测因子多达3个,R2超过了0.9以上。如前所述,硬度和咀嚼性具有较大变异性,能够较好地表征牦牛肉质构差异,而在其预测方程中都包括速率参数k。可见,宰后早期牦牛肉pH的下降速率是其最终TPA特性的关系最为密切。通过验证可以发现,质构指标的相对分析误差(RPD)均超过了2.0。通常而言,RPD越高,预测效果越好,一般认为超过1.5,说明预测因子具备预测潜力;超过2.0可用于对实际值的估测;超过2.5则可胜任实际应用[17]。因此完全可以基于早期牦牛肉pH变化来估算最终质构特征,从而实现质构品质的在线监控。

基于pH动态模型参数的牦牛肉TPA特性预测值及其实测值如图2所示。总体而言,验证集数据的分布与建模集相似。对于弹性、凝聚性、恢复力而言,预测值与实测值之间的差异均未超过实测值的5%;而对于硬度而言,建模数据集的预测值与实测值之间差异最大为实测值的13.5%左右,验证集的最大差异为12.2%;对于咀嚼性,建模集和验证集的这个最大差异分别为24.3%和21.7%。这说明当模型方程外延至验证数据集时,其预测准确性并未明显下降,因此具备良好的实际应用潜力。

图2　牦牛肉TPA特性的实测值与预测值Fig.2　The measured and predicted values of TPA traits of yak meat

3　讨论

质构剖面分析(TPA)在关于肉制品品质评估的研究中已经被广泛应用。本研究中牦牛肉质构特性在硬度和咀嚼性方面存在较大的变异性,变异系数分别达到了22.45%和33.62%,说明TPA特性适合于进行牦牛肉品质的评估。Leick等[18]、Benedini等[19]和Akwetey等[20]均发现TPA分析结果与消费者感官评价有密切关联。此外,Huidobro等[6]对比了沃布剪切力(WBSF)和TPA分析2种质地评估方法,发现TPA分析中的硬度和咀嚼性不但和WBSF高度相关,而且更容易反映出不同样品的质地差异。本研究中的咀嚼性变化范围为88.52至242.75 mJ,尽管所用牦牛的品种、年龄、性别、饲养方式均相同,通过TPA检测的咀嚼性仍能发现明显差异。

本研究中,宰后早期pH与时间的拟合函数采用的是指数模型,拟合度(R2)达到了0.999。这一拟合模型在Rees等[17]和Bruce等[21]的研究中也使用过,对牛肉pH和宰后时间的拟合度均超过了0.99。在之前的研究中,张丽等[22]尝试了线性模型、多项式模型、指数模型3种函数对牦牛肉宰后pH的拟合效果,结果发现二次多项式函数效果最佳。与该结果类似,Botha等[23]也使用了多项式函数拟合牛肉宰后pH变化,R2超过0.95。在这些研究中,指数函数的拟合效果不如多项式函数,这是因为其指数模型形式为“a×e-kt”,而本研究以及Rees等[17]的研究中均采用的是“(a-b)+b×e-kt”模型,两者区别是宰后时间趋于无穷大时,前者趋近于0,后者趋近于某个正数。虽然之前曾提出多项式模型与泰勒展开式形式一致,因此多项式模型的应用范围可能较为广阔[22]。但是仅仅针对于牛肉pH随时间变化而言,似乎“(a-b)+b×e-kt”模型更加适合作为拟合函数。

已有研究将pH应用于肉制品品质的预测。Holdstock等[12]是将特定时间点的pH(如宰后24 h和72 h)通过二次多项式与品质指标进行拟合的,提出了二次多项式的预测模型。Rees等[24]和Bee等[25]则是根据pH将肉划分为不同组别,然后将这些组别对应于不同的品质等级。此外,还有研究者通过pH与温度的相互关系,根据宰后pH下降至6时的温度对肉进行分级,进而监控异常肉的出现率,从而指导干预措施的执行[26-28]。本研究也发现pH的变化规律可以用来估计成熟后的牦牛肉质构品质。

4　结论

本研究通过分析了牦牛肉真空包装冷藏过程中早期(宰后72 h)pH变化规律,及其与产品质构特性(宰后12 d)的关系。结果发现通过动态数据分析得到的牦牛肉早期pH模型参数对其质构特性有良好的预测效果。5项质构指标均能通过逐步式回归构建预测方程。验证集数据分布情况说明所得预测模型具有一定的通用性,而5项指标预测模型的RPD均超过了2.0,说明基于pH早期变化的牦牛肉质构预测模型已可以应用于牦牛肉质构品质的估测。以上结果表明,通过pH变化规律可预测牦牛肉的质构品质,而以动态方程参数作为预测因子的建模方法也是可行的。

[1]Romero de ávila M D,Cambero I M,Ordóez J A,et al. Rheological behaviour of commercial cooked meat products evaluated by tensile test and texture profile analysis(TPA)[J]. Meat Science,2014,98(2):310-315.

[2]Leite A,Rodrigues S,Pereira E,et al. Physicochemical properties,fatty acid profile and sensory characteristics of sheep and goat meat sausages manufactured with different pork fat levels[J]. Meat Science,2015,105(1):114-120.

[3]Wu G,Farouk M M,Clerens S,et al. Effect of beef ultimate pH and large structural protein changes with aging on meat tenderness[J]. Meat Science,2014,98(4):637-645.

[4]England E M,Matarneh S K,Scheffler T L,et al. pH inactivation of phosphofructokinase arrests postmortem glycolysis[J]. Meat Science,2014,98(4):850-857.

[5]Reis M M,Rosenvold K. Early on-line classification of beef carcasses based on ultimate pH by near infrared spectroscopy[J]. Meat Science,2014,96(2):862-869.

[6]Huidobro F R,Miguel E,Blázquez B,et al. A comparison between two methods(Warner-Bratzler and texture profile analysis)for testing either raw meat or cooked meat[J]. Meat Science,2005,69(3):527-536.

[7]Sasaki K,Motoyama M,Yasuda J,et al. Beef texture characterization using internationally established texture vocabularies in ISO5492:1992:differences among four different end-point temperatures in three muscles of Holstein steers[J]. Meat Science,2010,86(2):422-429.

[8]Roldán M,Antequera T,Martín A,et al. Effect of different temperature-time combinations on physicochemical,microbiological,textural and structural features of sous-vide cooked lamb loins[J]. Meat Science,2013,93(3):572-578.

[9]Palka K. The influence of post-mortem ageing and roasting on the microstructure,texture and collagen solubility of bovine semitendinosus muscle[J]. Meat Science,2003,64(2):191-198.

[10]Irurueta M,Cadoppi A,Langman L,et al. Effect of aging on the characteristics of meat from water buffalo grown in the Delta del Paraná region of Argentina[J]. Meat Science,2008,79(3):529-533.

[11]Jeleníková J,Pipek P,Staruch L. The influence of ante-mortem treatment on relationship between pH and tenderness of beef[J]. Meat Science,2008,80(3):870-874.

[12]Holdstock J,Aalhus J L,Uttaro B A,et al. The impact of ultimate pH on muscle characteristics and sensory attributes of the longissimus thoracis within the dark cutting(Canada B4)beef carcass grade[J]. Meat Science,2014,98(4):842-849.

[13]Lomiwes D,Farouk M M,Wu G,et al. The development of meat tenderness is likely to be compartmentalised by ultimate pH[J]. Meat Science,2014,96(1):646-651.

[14]张丽,孙宝忠,余群力. 牦牛肉宰后成熟嫩度预测模型与验证[J]. 农业工程学报,2013,29(16):286-292.

[15]Keenan D F,Desmond E M,Hayes J E,et al. The effect of hot-boning and reduced added phosphate on the processing and sensory properties of cured beef prepared from two forequarter muscles[J]. Meat Science,2010,84(4):691-698.

[16]Zamora F,Aubry L,Sayd T,et al. Serine peptidase inhibitors,the best predictor of beef ageing amongst a large set of quantitative variables[J]. Meat Science,2005,71(4):730-742.

[17]Rees M P,Trout G R,Warner R D. Tenderness of pork m. longissimus thoracis et lumborum after accelerated boning. part I. effect of temperature conditioning[J]. Meat Science,2002,61(2):205-214.

[18]Leick C M,Behrends J M,Solaiman S G,et al. Sensory properties and instrumental texture analysis of chevon patties from intact male Boer and Kiko goats harvested at four endpoints[J]. Meat Science,2012,91(3):215-222.

[19]Benedini R,Parolari G,Toscani T,et al. Sensory and texture properties of Italian typical dry-cured hams as related to maturation time and salt content[J]. Meat Science,2012,90(2):431-437.

[20]Akwetey W Y,Knipe C L. Sensory attributes and texture profile of beef burgers with gari[J]. Meat Science,2012,92(4):745-748.

[21]Bruce H L,Scott J R,Thompson J M. Application of an exponential model to early postmortem bovine muscle pH decline[J]. Meat Science,2001,58(1):39-44.

[22]张丽,王莉,周雨春,等. 适宜宰后成熟时间提高牦牛肉品质[J]. 农业工程学报,2014,30(15):325-331.

[23]Botha S S,Hoffman L C,Britz T J. Physical meat quality characteristics of hot-deboned ostrich(struthio camelus var. domesticus)muscularis gastrocnemius,pars interna during post-mortem aging[J]. Meat Science,2007,75(4):709-718.

[24]Rees M P,Trout G R,Warner R D. The influence of the rate of pH decline on the rate of ageing for pork. ii:interaction with chilling temperature[J]. Meat Science,2003,65(2):805-818.

[25]Bee G,Anderson A L,Lonergan S M,et al. Rate and extent of pH decline affect proteolysis of cytoskeletal proteins and water-holding capacity in pork[J]. Meat Science,2007,76(2):359-365.

[26]Karlsson A H,Rosenvold K. The calibration temperature of pH-glass electrodes:significance for meat quality classification[J]. Meat Science,2002,62(4):497-501.

[27]van de Ven R J,Pearce K L,Hopkins D L. Post-mortem modeling of pH and temperature in related lamb carcasses[J]. Meat Science,2014,96(2):1034-1039.

[28]van de Ven R J,Pearce K L,Hopkins D L. Modeling the decline of pH in muscles of lamb carcasses[J]. Meat Science,2013,93(1):79-84.

Predicting texture properties of yak meat by the changing of pH value during cooling storage with vacuum packing

ZHANG Li1,BAO Gao-liang1,SUN Bao-zhong2,NIU Jun1,GUO Zhao-bin1,WANG Li1,YU Qun-li1,XIE Peng2

(1.College of Food Science and Engineering,Gansu Agriculture University,Lanzhou 730070,China;2.Institute of Animal Science,Chinese Academy of Agricultural Sciences,Beijing 100193,China)

In order to investigate the effect of early postmortem pH change on texture traits of yak meat,pH change and texture profile analysis(TPA)traits of yak meat were determined. The predictive effect of pH change on TPA traits was evaluated by kinetics data analysis and stepwise regression. Results showed that significant change of pH of yak meat occurred within postmortem 24 h with ultimate pH near by 5.5. The 3 parameters of pH model obtained through kinetics data analysis were all selected in the predictive equation. The coefficients of determination(R2)of prediction equations for hardness and chewiness were exceeding 0.85. The parameter of initial pH(pH0)was selected into the regression equations for 4 times. The fitting degrees ranged from 0.64 to 0.93. The relative percent deviation(RPD)for all TPA traits all exceeded 2.0 which indicated prediction model based on early pH changes of yak meat could be applied in estimation of texture traits of yak meat

yak meat;pH;texture profile traits;stepwise regression

2015-06-08

张丽(1979-)，女，博士，副教授，研究方向：动物性食品营养与工程，E-mail:13669352751@qq.com。

甘肃省高等学校基本科研业务费专项资金；公益性行业(农业)科研专项(201203009)。

TS251.1

A

1002-0306(2016)05-0324-05

10.13386/j.issn1002-0306.2016.05.057