编辑推荐：
水稻食用质量预测模型研究基于八种日本晴稻品种的多尺度分析，涵盖淀粉组成、泄漏液特性、微观结构及感官评价。发现泄漏液淀粉链长分布、颗粒破碎度及孔隙率是决定粘性、光泽的关键因素。人工神经网络模型结合泄漏液、质构和成分数据时预测精度最高，为水稻育种和质量优化提供新方法。
作者：明瑶·哈（Mingyo Ha）、东华·赵（Dong-Hwa Cho）、贤贞·钟（Hyun-Jung Chung）
韩国光州全南国立大学食品与营养系，邮编61186
摘要
煮熟大米的食用品质受到其组成成分、结构特性和感官属性之间复杂相互作用的影响，但能够综合考虑这些多尺度参数的预测模型仍然有限。本研究评估了8种大米品种，以确定影响品质的关键因素，并开发出用于预测整体接受度的模型。多尺度分析涵盖了大米粉的成分、浸出液性质、仪器测得的质地特征、微观结构特征以及感官特性。微观结构观察结果显示，较厚的涂层、更严重的淀粉颗粒破坏以及更高的孔隙率与浸出液中支链淀粉含量的增加有关，这些因素共同导致了大米的粘性、光泽度以及整体接受度的提升。通过建立人工神经网络模型来评估不同变量组的预测能力，结果表明，仅使用浸出液特征的模型准确率显著低于仅基于大米粉成分的模型；而将浸出液、质地和成分变量结合使用的模型则表现出最佳的整体性能。这些结果表明，浸出液的成分和结构是影响煮熟大米口感的主要因素，结合多尺度参数能够显著提高预测的准确性。这种方法为更精确地评估大米品质提供了科学依据，并有助于开发基于数据的大米育种和产品优化工具。
引言
大米（Oryza sativa L.）是全球超过一半人口的主食，尤其是在亚洲国家，它是热量和营养的重要来源（Bao等人，2020年）。除了营养价值外，煮熟大米的食用品质也是消费者偏好和市场竞争力的关键决定因素。食用品质，即口感，包括硬度、粘性、光泽度等感官体验（Park等人，2019年；Tao等人，2020年），这些特性主要受大米颗粒的组成成分（如淀粉、蛋白质和脂质）的影响（Balindong等人，2018年；Deng等人，2021年；Guo等人，2023年）。其中，直链淀粉含量被广泛认为是影响煮熟大米口感的关键因素。通常，直链淀粉含量较高的大米在烹饪过程中淀粉膨胀和渗出较少，因此质地更硬、粘性较低（Liu等人，2020年；Park等人，2016年；Zhang等人，2022年）。然而，最近的研究表明，即使直链淀粉含量相似的大米品种，在食用品质上也可能存在显著差异（Zhang等人，2021年），这表明除了直链淀粉浓度外，还有其他结构和分子因素在起作用。阐明这些细微差异对于旨在改善大米口感的育种计划以及根据消费者偏好调整加工方法至关重要。虽然传统的仪器质地分析和感官评估方法常用于评估煮熟大米的品质，但这些方法可能无法完全捕捉烹饪过程中质地的复杂性。最近的研究强调了浸出液的重要性——浸出液是烹饪过程中释放出的富含淀粉和蛋白质的物质，它会在大米表面形成一层涂层，对最终质地和粘性起着关键作用（Li等人，2019年；Xing等人，2025年；Yi等人，2024年）。此外，浸出淀粉的分子结构，尤其是支链淀粉的链长分布，也被认为是影响食用品质的关键因素（An等人，2022年；Li等人，2021年；Li等人，2023年）。结合扫描电子显微镜（SEM）和共聚焦激光扫描显微镜（CLSM）等形态学技术，可以提供淀粉糊化、颗粒破坏和蛋白质分布的视觉证据，从而更深入地理解影响食用品质的微观结构变化（Ha等人，2022年；Xu等人，2020年）。
为应对多维食品品质数据的日益复杂性，使用先进数据分析工具进行预测建模受到了关注。虽然传统的多元线性回归分析（MLRA）和偏最小二乘回归（PLSR）等方法已被用于大米品质建模（Deng等人，2023年；Han等人，2017年），但包括K最近邻（KNN）、随机森林（RF）、梯度提升决策树（GBDT）和人工神经网络（ANNs）在内的机器学习方法通过捕捉非线性关系和高阶交互作用提高了预测准确性（Chen & Huang，2010年；Uddin等人，2022年）。与此同时，最近的研究越来越多地利用机器学习技术来预测感官属性或根据物理化学、图像或仪器数据对大米品种进行分类（Deng等人，2023年；Kim等人，2017年；Sampaio等人，2021年）。Kim等人（2017年）基于物理化学和质地属性开发了一个多元回归模型来估计煮熟大米的整体感官品质。Sampaio等人（2021年）报告称，人工神经网络在从大米物理特性预测粘性参数方面优于多元回归分析。Deng等人（2023年）也基于大米粉成分、物理化学性质和质地属性建立了预测模型，认为质地数据是最有效的预测因子，且神经网络模型具有更高的预测准确性。然而，大多数现有预测模型并未考虑烹饪过程中引起的动态变化，尤其是与质地和接受度密切相关的浸出液特性。尽管已经广泛研究了影响煮熟大米口感的许多物理化学和结构机制，但目前尚不清楚在直链淀粉含量相似的粳稻品种中，哪些参数对实际预测消费者接受度最具信息量和稳健性。值得注意的是，目前还没有研究系统地将浸出液的成分和结构纳入预测框架中，这反映了当前大米品质预测文献中的一个重要空白。
因此，本研究旨在通过全面的多尺度分析来探讨影响8种直链淀粉含量相似的粳稻品种食用品质的因素，分析内容包括大米粉的成分、浸出液性质、微观结构特征和质地属性。在这项以品种为重点的研究中，所选的品种均为在韩国广泛消费的粳稻品种，以便捕捉传统成分指标难以解释的细微口感差异。主要目标是评估和比较基于人工神经网络（ANN）的模型在不同输入变量组中的预测性能，最终确定对大米口感最具影响力的描述符。这种综合方法为优先考虑具有机制信息量的描述符提供了科学依据，并支持将浸出液衍生描述符作为煮熟大米品质的补充指标的潜在效用，从而能够更有效地区分直链淀粉含量相似的大米品种。
材料
本研究选取了8种在韩国通常作为煮熟大米食用的粳稻品种，分别是Shindongjin、Chucheong、Ilpum、Saecheongmoo、Odae、Hiami、Goshihikari和Yeonghojinmi，这些品种均从韩国的一家大米加工厂购买。大米粉通过研磨并过100目筛子制备而成。实验前，大米颗粒和米粉均储存在4°C条件下以保持品质。大米粉的蛋白质含量使用Pierce BCA蛋白测定试剂盒（Thermo公司）进行测量。
不同大米品种在仪器测得的质地和感官属性方面存在显著差异（表2）。在仪器测量中，
Ilpum的硬度最高（3574.2 g），而Chucheong的硬度最低（2773.2 g）。与仪器测量结果一致，感官评估中也观察到了类似的趋势，表明客观测量和主观测量结果具有一致性。煮熟大米的硬度受水分、直链淀粉和蛋白质的影响。结论
本研究表明，直链淀粉含量相似的粳稻品种的食用品质受到浸出液成分、支链淀粉结构和烹饪过程中微观结构变化的显著影响。在所研究的品种中，总淀粉含量、支链淀粉含量、平均链长以及浸出液中长链支链淀粉（DP≥37）的比例被确定为与粘性、粘附性和整体品质相关的关键因素。
作者贡献声明
明瑶·哈（Mingyo Ha）：撰写初稿、方法设计、实验设计、数据分析、概念构建。东华·赵（Dong-Hwa Cho）：方法设计、实验设计、数据分析。贤贞·钟（Hyun-Jung Chung）：撰写修订稿、监督工作、项目管理、概念构建。未引用的参考文献
Chen和Guestrin，2016年利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。致谢
本研究得到了“韩国国家研究基金会（NRF）基础科学研究计划”的支持，该计划由“科学、信息通信技术及未来规划部”资助（项目编号：RS-2025-00563953）。
