美味的脂肪:x光发现脂肪美味的蓝图

无脂冰淇淋虽然有健康的优点，但它的融化方式是错误的。在舌尖上停留了两秒钟，它就变成了牛奶、调味料和水的混合物，而不是我们小时候喜欢的慢慢融化的丰富的奶油。说到味觉记忆，脂肪是永恒的。

现在，x射线科学正在帮助人们了解巧克力和奶酪的美味之处，以及如何在更健康的替代品中模仿美味脂肪的味道和“口感”。

为了研究可食用脂肪的分子结构，加拿大安大略省圭尔夫大学的研究人员正在先进光子源(APS)上使用x射线，这是美国能源部(DOE)办公室在伊利诺斯州阿贡国家实验室的科学用户设施。

构成可食用脂肪的基本分子是甘油三酯(TAGs)，或称为脂肪酸的三个碳氢化合物链和一个甜味的甘油分子。好消息是，标签对人体至关重要，但坏消息是，标签的过量积累会导致健康问题，如II型糖尿病和肥胖，这就是为什么科学家们对了解它们的结构是什么感兴趣，使它们无法抗拒。

圭尔夫大学的研究助理费尔南达·佩罗内尔说:“脂肪是一个复杂的系统。”“一些可食用的脂肪，如植物油，可能只含有少量的标签，而牛奶脂肪包含200多个。当脂肪被制造出来供人类食用时，来自不同来源的标签会被熔化、混合和冷却。在冷却之前也可以加入其他成分，创造出许多不同的晶体结构。”

除了口味之外，了解食品生产过程中的结构变化可以带来更节能的生产和分销实践，或者更经济有效的成分替代。

“食品生产非常像化学，”阿贡实验室x射线科学部的科学家Jan Ilavsky说。“你可以不断测试成分，尝试替代品，但这并不是很有效。如果你知道自己在寻找什么，并拥有建模原型配方或流程的工具，你就可以更快、更便宜地找到解决方案。”

脂肪的秘密结构

在过去的三年里，Peyronel和圭尔夫大学的团队已经将越来越复杂的食用脂肪样本带到APS进行研究。我们吃的脂肪是半固态的，这意味着一些TAG分子在室温下是固态的，一些是液态的。当脂肪融化然后冷却时，固体脂肪首先结晶，将液体脂肪困在一个被称为晶体网络的更大结构中的池网络中。固体与液体的比例是影响脂肪性质的一个重要特征。例如，在室温下，可可脂的固体含量约为60%，通常用于制作巧克力，而橄榄油的固体含量仅为14%，通常用于烹饪。

与心脏病和其他疾病有关的饱和脂肪通常是固体脂肪，而液体脂肪往往是更健康的不饱和脂肪。当食品制造商用不饱和脂肪替代饱和脂肪以改善营养时，产品可能会失去其令人垂涎的味道和结构，并以不同的方式储存。

佩罗内尔说:“有时候，零反式脂肪的产品，消费者打开包装后发现是油的，因为固体脂肪结构不像反式脂肪那样坚固。”

2013年，该团队最初研究了APS的脂肪结构，从一个简单的三元硬脂二元体系开始，三元硬脂是一种存在于一些动物肉类和植物脂肪中的饱和固体，而三元硬脂是一种不饱和液体脂肪。第二年，他们带来了食用油，比如完全氢化的菜籽油、大豆油、棉籽油和葵花籽油。今年，他们带来了无水乳脂，一种从奶油或黄油中提取的产品，脂肪含量超过99%，以及“大约25公斤的黄油、奶酪和奶油，”伊拉夫斯基说。乳脂存在于乳制品和其他产品的常见添加剂中，具有广泛的融化范围，使其成为一个复杂的研究体系。

该团队还在他们的家庭实验室用x射线衍射和低温透射电子显微镜(TEM)研究脂肪样本，这需要对样本进行处理以去除油。

“使用低温透射电镜，我们必须操纵样品以分离晶体网络，所以我们总是有一个问题:我们是否破坏了样品中的某些东西?”Peyronel说。“APS的优点是我们不需要提取油或操作样本。”

x光蓝图

使用APS波束线9ID-D上的超小角度散射(USAXS)相机拍摄的x射线散射数据允许用户在不改变样品的情况下在不同温度下以3d方式仔细检查样品。超小角度相机提供了固体和液体成分之间的高对比度，USAXS仪器可以确定样品成分的大小或结构，从埃(10-10米)到20微米(10-6米)的多个长度尺度。

“如果你想在显微镜下观察液体，即使是一个很棒的显微镜，也没有太多的光学对比度，”伊拉夫斯基说，他是美国axs项目光束线9ID-D的光束线科学家。“小角度和超小角度散射以类似的方式表征结构，但对比度更大。”

这些技术非常适合探测可食用脂肪的层次结构，从标签在冷却过程中聚集在一起形成的结晶纳米血小板(CNPs)，到微范围的CNPs簇，再到簇形成的晶体网络。作为可食用脂肪的结构蓝图，你可以把标签想象成用来建造房子的砖块，把CNPs想象成房间，把集群想象成街区上的房子，把晶体网络想象成街区里的街区。

在最近的乳脂研究中，研究小组测量了乳脂在70℃融化后的CNPs。C(158华氏度)，冷却到接近0?C(32°F)，储存在5?在研究前的两个月，在C(40°F)的温度下，复制从原材料加工到消费的实际加工和储存条件。研究人员观察到，乳脂CNPs是由标签组成的光滑血小板，在较高温度下熔化，其长度(600-900纳米)约为宽度的三倍。最近关于乳脂的研究结果刊登在食品化学．

该团队正在使用APS数据来帮助开发和验证一个计算模型，该模型可以预测在冷却、加热、剪切(混合)和其他生产过程中可食用脂肪结构的形成。

Peyronel说:“通过改变模型和模拟来表示不同的处理方法和CNP形态(如光滑、粗糙或模糊)，出现了不同的CNP聚集结构或形状。”

该团队与APS密切合作，将更复杂的TAG系统纳入模型的分析和开发中。他们的下一步是分析USAXS最近对含有牛奶脂肪的产品(如黄油和奶酪)的观察数据。他们还在探索用USAXS仪器在稍长的空间长度尺度上收集数据的方法，并复制剪切的影响，以更好地了解添加的非脂肪成分和制造实践如何影响CNPs的形态和它们的聚集。

伊拉夫斯基说，计算模型可能是一种特别有用的可食用脂肪预测工具，因为如果不使用APS这样的独特资源，很难表征它们的纳米级结构。

“模型将有助于计算冷却和加热速率、成分、机械性能和其他参数，以预测所需的结构，这对我们在USAXS看到的许多材料都是如此，而不仅仅是牛奶脂肪伊拉夫斯基说。“在这些尺度上，材料模型通常缺少的是精确的材料参数。该设施正在帮助研究人员通过使用真实材料进行实际测量来证明他们的想法。”