Et afsluttet ph.d.-projekt fra Institut for Fødevarer ved Aarhus Universitet.
Artiklen har været bragt i Dansk Kemi nr. 3, 2025 og kan læses uden illustrationer, strukturer eller ligninger herunder
(læs originalartiklen her)
Af Julie Frost Dahl*, Sandra Beyer Gregersen og Milena Corredig, Institut for Fødevarer, Aarhus Universitet (*nuværende adresse IFF, Braband)
Det er vanskeligt at udvikle nærende og attraktive plantebaserede fødevarer, medmindre vi forstår, hvordan proteiner opfører sig under forskellig processering og i samspil med andre ingredienser. Et nyligt afsluttet ph.d.-projekt fra Institut for Fødevarer ved Aarhus Universitet har bidraget til forståelsen ved at optimere analytiske teknikker til at karakterisere ekstruderede planteproteiner. Samtidig demonstrerer projektet, hvordan maskinlæring (AI) kan integreres i forskning og optimere produktudviklingsprocesser.
Tekstuering af planteproteiner
High-moisture extrusion (HME) kan anvendes til at skabe anisotrope strukturer i plantebaserede fødevarer, hvilket giver egenskaber, som vi kender fra muskelfibre i kød. HME bruges derfor især til produktion af plantebaserede kødanaloger. Processenbestår af mixing og hydrering af ingredienserne, efterfulgt af varme, tryk og mekanisk forarbejdning, inden det ekstruderes og solidificeres under køling (figur 1).
I dette projekt blev ærte- og hestebønneprotein-koncentrater og -isolater kombineret med forskellige niveauer af stivelse og vand. Dette skabte en række modelsystemer, der kunne danne grundlag for at forstå strukturdannelse under ekstrudering.
Nye metoder til bedre forståelse
En af de store udfordringer ved ekstruderede plantebaserede fødevarer er, at deres komplekse sammensætning og heterogene karakter gør dem svære at karakterisere strukturelt. En vigtig del af arbejdet i projektet har derfor været at undersøge nye og forbedrede muligheder for at analysere og bestemme relevante parametre til at beskrive systemerne med.
Mikroskopi anvendes ofte til at vise komponentfordelingen i fødevarestrukturerne. De fleste mikroskopiske metoder er dog utilstrækkelige i forhold til at karakterisere vandfordeling og forskelle i hydrering. Dette er på trods af, at vand spiller en vigtig rolle i mange fødevarer – og specielt i HME som indeholder mindst 40 procent vand. For at imødekomme denne begrænsning, blev der i projektet udviklet en metode til at bruge Confocal Raman-mikroskopi til at følge vandhydrering i proteinfasen [1]. Raman-spektroskopi er velkendt for at kunne give detaljeret kemisk information. Når metoden kombineres med mikroskopi, kan man navigere rundt i prøven og forstå fordelingen af forskellige faser, inklusive vand. Ved anvendelse af metoden kunne det anskueliggøres, hvordan vandet bevæger sig og strukturen hydreres under HME-processering. Resultaterne viste, at det i ekstrudering af systemer bestående af proteinisolat og vand, var muligt at karakterisere to faser – én med mindre og én med mere hydreret protein. Denne faseseparation bidrager til at skabe den anisotrope struktur. Ved tilsætning af stivelse opstår der konkurrence om vandet, hvilket yderligere øger faseseparationen.
De anisotrope egenskaber er vigtige for teksturen af de plantebaserede fødevaresystemer, men der mangler viden om den relevante længdeskala samt bedre metoder til at kvantificere begrebet.Projektet anvendte derfor en række komplementære biofysiske teknikker til at karakterisere de anisotrope egenskaber, herunder reologi, hvor prøven roteres under oscillationsbevægelse, samt dynamisk mekanisk analyse (DMA), hvor prøven strækkes i hver ende. Resultaterne viste, at hvis prøven analyseres uden en stor grad af deformation, som ved lineær reologi, opnås der information om de molekylære interaktioner i det kontinuerlige proteinnetværk, men ikke om de anisotrope egenskaber. Når prøven deformeres yderligere som under DMA, afsløres de svageste punkter i strukturen. De vil for disse systemer ofte være defineret af stivelsen i proteinnetværket. DMA analyserer dermed strukturen på makroskala, og kan derfor give information om faseseparation og de anisotrope egenskaber [2].
Da ekstrudering foregår i et lukket system, har man kun indsigt i de ingredienser, der tilsættes, og det produkt, der opnås. Vurdering af forskellige ingredienser eller procesparametre kræver gentagelse af processen. Dette er tidskrævende og begrænsende, da vi ofte ender med systemspecifikke konklusioner. Men hvis vi i stedet kunne evaluere materialets egenskaber under ekstruderingen, forventes det at kunne udvide forståelsen. Dette har man forsøgt ved brug af et såkaldt closed cavity rheometer (CCR), hvor procesbetingelserne under HME simuleres, samtidig med at materialet karakteriseres ved måling af large amplitude oscillatory shear (LAOS) reologi. Denne del af projektet blev udført på Wageningen Universitet i Holland. LAOS-reologi er dog endnu ikke særlig anvendt til karakterisering af fødevarer, så for at udnytte dets potentiale krævede det, at resultaterne bedre kunne processeres. I samarbejde med Institut for Datalogi på Aarhus Universitet blev der derfor udviklet software til forbedret visualisering og sammenligning af LAOS-data [3]. Software er i dag frit tilgængeligt: https://vis-au.github.io/vaos/.
For at opnå en forståelse af, hvordan de målte LAOS-parametre relateres til strukturel information, blev plantesystemernes reologiske viskoelastiske egenskaber målt med CCR, korreleret til strukturen efter ekstrudering. Resultatet viste blandt andet, at store dele af strukturen dannes under kølingen [4].
Den opnåede forståelse
Baseret på resultaterne fra de udviklede metoder, sammenfatter figur 2 de mekanismer, der formodes at foregå under ekstrudering. I systemer, der kun består af proteinisolat og vand, antages det, at proteinerne hydrerer, vokser og aggregerer under varmepåvirkningen. Under den efterfølgende køling afgiver proteinerne noget af vandet igen (synerese), hvilket resulterer i faseseparationen, som blev observeret med Confocal Raman. Ved tilstedeværelsen af stivelse binder denne det afgivne vand fra proteinerne. Stivelse og protein danner hver sin fase, hvilket fremmer faseseparationen yderligere. Reologien viste, hvordan højere koncentrationer af vand eller stivelse resulterer i blødere og mere fleksible strukturer, som bedre tilpasser sig ekstruderingsflowet. Dette fører til strukturer med tydelige anisotrope egenskaber, medmindre stivelsen er til stede i så høj koncentration, at den overtager den kontinuerlige fase og i stedet fragmenterer proteinnetværket.
Forudsigelse af strukturdannelse
Foruden at bidrage til en øget forståelse af de bagvedliggende mekanismer, muliggjorde CCR indsamlingen af større mængder data, der også kan anvendes i datadrevet forskning. Der blev under projektet indsamlet et datasæt med 311 prøver, som blev brugt til at træne AI maskinlæringsmodeller til at forudsige strukturdannelse baseret på kompositions- og procesparametre. Resultatet viste, at især regressionsmodellen Random Forest har et stort potentiale. Modellen hjalp også med at forstå mønstre i dataene og identificerede de mest relevante inputdata og reologiske outputparametre (figur 3). Komplekse kulhydrater og vandindholdet viste sig at have større indflydelse på den rheologiske respons end variation i proteinindholdet [5].
Konklusion
Projektet opnåede at optimere metoder til at forstå strukturdannelse i plantebaserede proteinrige produkter. Resultaterne viste også, hvordan maskinlæring kan reducere trial-and-error-baseret forskning og bidrage til at forstå mønstre og korrelationer i komplekse multikomponentsystemer. Anvendelse af AI bliver yderligere brugbart, hvis vi i fremtiden ønsker at fremstille fødevarer af mindre processerede ingredienser og dermed arbejde med mindre raffinerede råvarer. Det vil nemlig gøre det sværere at drage konklusioner om, hvilke ingredienser der spiller hvilken funktionel rolle i strukturen. Her kan AI hjælpe med at identificere og forstå påvirkningen af forskellige komponenter og deres sammenspil.
E-mail:
Julie Frost Dahl: julie.dahl@iff.com
Referencer
1. Dahl, J.F., Gregersen, S.B., Andersen, U., and Corredig, M. (2023). Confocal Raman microscopy to evaluate anisotropic structures and hydration development. Methodological considerations. Soft Matter, 19(23):4208-4222.
2. Dahl, J.F., Bouché, O., and Corredig, M. (2025). Multiscale study of structure formation in high moisture extruded plant protein biopolymer mixes. Food Hydrocolloids, 158:110523.
3. Dahl, J F., Gregersen, S.B., Andersen, U., Schulz, H.-J., and Corredig, M. (2024). Small and large deformation rheology on pizza cheese as an example of application to study anisotropic properties of food soft materials. Food Hydrocolloids, 148:109456.
4. Dahl, J.F., Bouché, O., Schlangen, M., van der Goot, A.J., and Corredig, M. (2025). Relationship between rheological parameters and structure formation in high moisture extrusion of plant protein biopolymers. Food Hydrocolloids, 160:110843. 5. Dahl, J.F., Schlangen, M., van der Goot, A.J., and Corredig, M. (2025). Predicting rheological parameters of food biopolymer mixtures using machine learning. Food Hydrocolloids, 160:110786.
