사례 배경
전 세계적으로 아동 영양실조는 여전히 심각한 문제이다. 통계에 따르면 전 세계적으로 약 5,100만 명의 어린이가 영양실조에 시달리고 있으며, 그 중 약 1,700만 명의 어린이가 심각한 영양실조를 겪고 있습니다( FAO, IFAD, UNICEF, WFP, & WHO, 2017 ). 매년 5세 미만의 어린이 590만 명이 사망하며, 그 중 절반은 영양실조로 사망합니다( 유니세프, 2016 ). 이러한 과제를 해결하기 위해, 고에너지, 미량 영양소가 풍부한 페이스트 형태의 식품인 RUTF(Ready-to-Use Therapeutic Food)가 저소득 국가의 5세 미만 아동의 급성 영양실조에 대한 지역 사회 기반 관리(CMAM)에 널리 사용되고 있습니다. RUTF는 임상적 합병증 없이 집에서 어린이에게 직접 제공될 수 있으므로 입원을 피할 수 있습니다.
그러나 현재 주류를 이루는 RUTF 제품은 탈지분유의 높은 가격, 팜유의 영양적 특성, 땅콩의 알레르기성 등 일부 성분 문제의 영향을 받고 있습니다.
따라서 이번에 우리가 논의해 볼 사례는 식품 및 생물제품 가공 분야의 식품 연구 논문에 대한 해석입니다. 이 논문에서는 D-최적 혼합 설계(DOE)와 기능적 데이터 분석(FDA)을 결합하여 어린이 영양실조 치료를 위한 대체 즉석 사용 치료 식품(RUTF)을 개발하고, 식품 현탁액의 입자 크기 분포(PSD) 곡선과 겉보기 점도 곡선을 최적화하고, QbD 개념에 기반한 제형의 설계 공간을 결정하는 방법을 소개합니다. 이 사례의 목표는 저소득 국가에서 쉽게 구할 수 있는 저렴한 현지 재료를 사용하여 품질과 수용성을 개선하고 어린이의 영양적 요구를 충족하는 대체 RUTF 제품을 개발하는 것입니다.
널리 사용되는 상업용 RUTF Plumpy'Nut®의 주요 성분은 다음과 같습니다: 땅콩버터, 밀가루, 자당, 팜유, 해바라기유, 탈지분유, 미네랄과 비타민(A, C, D, E, B1, B2, B6, B12, 비오틴, 엽산, 판토텐산 및 니아신), 평균 거대 영양소 함량은 지질 36%, 단백질 14%, 탄수화물 약 43%(92g 포장당 500kcal)입니다.
이 연구에서 RUTF 현탁액을 대체한 주요 성분은 다음과 같습니다: 지질상(해바라기유와 대두 레시틴), 밀가루 혼합물(껍질을 벗기고 볶은 대두가루와 수수가루), 가루 설탕, 스피루리나 미세조류 건조분말. 껍질을 벗기고 볶은 콩과 수수를 단백질 공급원으로 사용하고, 가루 설탕을 포도당 공급원, 감미료 및 충전제로 사용하고, 해바라기 기름은 가용성, 기술적 특성 및 영양적 특성을 고려하여 선정하고, 스피루리나 미세조류 분말은 미량 영양소를 충분히 보장합니다.
사례 연구
분석 방법
D-최적 혼합물 설계를 사용하여 RUTF 현탁액을 대체하는 공식을 생성하고, 기능적 데이터 분석을 적용하여 입자 크기 분포(PSD) 곡선과 겉보기 점도 곡선에 맞추고, 곡선의 기능적 주성분(FPC)을 응답으로 추출하고, 기능적 주성분과 공식 성분의 비율에 대한 회귀 모델을 수립합니다. 회귀 모형을 기능적 데이터 예측 공식과 결합하고, 곡선형 반응 데이터와 공식 혼합 계수 간의 관계를 확립합니다. 마지막으로 아래 그림과 같이 목표 곡선의 제약 조건에 따라 공식의 설계 공간을 결정합니다.
실험 설계: D-최적 혼합물 설계를 사용하여 세 가지 성분이 식품 특성에 미치는 영향을 탐색합니다.
- 요인변인: 밀가루(x1), 지질상(x2), 가루설탕(x3)의 비율. 스피루리나 분말을 일정성분(3%)으로 사용하였습니다.
- 응답 변수: 입자 크기 분포(PSD) 및 겉보기 점도 곡선.
D-최적 혼합 설계를 사용하여 성분 비율이 제형 특성에 미치는 영향을 조사했습니다. 실험 설계에는 세 가지 혼합 요소가 포함되었습니다. 밀가루(x1), 지질상(x2) 및 가루 설탕(x3)의 비율입니다. 여기서 x1+x2+x3=1입니다 . 스피루리나 분말의 경우 혼합 설계에 포함되지 않았는데, 설계 전체에 걸쳐 3%(w/w)로 일정하게 유지되었기 때문입니다.
지질상, 혼합밀가루, 가루설탕은 최종 현탁액의 97%를 차지하였고 20가지 조리법에서 다양하게 변화되었습니다. 혼합 계수의 낮은 수준 0.30–0.40 g/g, 0.25–0.35 g/g, 높은 수준 0.25–0.35 g/g은 각각 x1, x2 및 x3에 해당하며, 현탁액 작업성과 바로 사용 가능한 치료 식품의 특정 영양 요구 사항을 기반으로 처음에 선택되었습니다. 회귀 모델로 특수한 입방 모델을 선택하고 5회 반복하여 총 20개의 대체 RUTF 현탁액 제형을 생성했습니다.
(표 1)은 JMP가 생성한 제형 설계 솔루션을 보고합니다.
(표 1) 본 연구에서 사용된 D-최적 혼합물 설계
x1, x2, x3은 각각 혼합밀가루, 지질상, 가루설탕의 질량 분율을 나타낸다.
FPC1-oversize는 oversize 대 log-transformed class sizes 함수 데이터의 FPC 점수를 나타냅니다.
FPC1-점도는 로그 변환된 점도 대 로그 변환된 전단 속도 함수 데이터의 FPC 점수를 나타냅니다.
체계적인 편향을 피하기 위해 실험 순서는 완전히 무작위로 정해졌습니다. 각 제형에 대한 유변학적 곡선과 입자 크기 분포는 각각 3회와 2회 반복 측정의 평균이었습니다. 입자 크기 분포(PSD)와 겉보기 점도 곡선은 함수형 반응 데이터이며, 시험 결과는 (그림 1)에 나타나 있습니다.
그림 1 다양한 성분을 함유한 현탁액의 입자 크기 분포(a) 및 겉보기 점도 곡선(b)
함수 데이터 분석
이전 연구2에서는 식품 현탁액의 입자 크기 분포(PSD) 곡선과 겉보기 점도 곡선을 특성화하기 위해 곡선 데이터를 스칼라를 사용하여 통계적으로 분석한 다음 스칼라 통계를 혼합물 성분에 대한 반응으로 회귀시켰습니다. 그러나 곡선 특성을 스칼라 설명으로 단순화하면 곡선 데이터의 정보가 손실되고 모델링 효과에 영향을 미칩니다.
기능 데이터 분석 [두] (FDA)은 특히 함수, 신호, 스펙트럼 또는 시계열 데이터를 처리하는 데 적합합니다 . B-스플라인, P-스플라인, 푸리에 또는 웨이블릿 기저 함수 모델을 사용하여 데이터에 피팅하여 곡선 피팅을 달성하고, 함수적 주성분(FPC)1을 추출하여 곡선 데이터의 차원 축소를 달성합니다. 본 연구에서는 입자 크기 분포 곡선과 겉보기 점도 곡선의 반응 데이터를 변환하여 B-스플라인으로 피팅(그림 2 참조)하고, 함수적 주성분 분석(FPCA)을 수행했습니다. FPCA의 첫 번째 주성분 FPC1(표 1 참조)은 과대형 및 점도 곡선 데이터의 변동을 각각 약 99%와 88.5% 설명하고 곡선 데이터에 포함된 정보를 완전히 설명할 수 있습니다. 함수자료 분석의 원리는 부록 식(1)과 식(2)에 나타나 있다.
그림 2 실험 설계 곡선 반응의 기능적 데이터 분석(좌표 축은 자연 대수 변환됨)
회귀 모델링
함수 주성분 점수인 FPC1-과대 및 FPC1-점도를 각각 혼합물 성분과 함께 사용하여 혼합물 반응 표면의 회귀 모델을 구성한 다음, 이를 사용하여 입자 크기 분포(PSD)와 겉보기 점도 곡선을 예측했습니다. 혼합물 반응 표면 모델은 부록 공식(3)에 나와 있습니다.
표 2에서 보인 바와 같이, 회귀 모델은 PSD와 겉보기 점도 곡선 예측에 높은 적합도를 보입니다(R²값은 각각 0.87과 0.75입니다). 그림 3에서 보듯이 예측값은 실제값과 일치합니다.
표 2 기능적 주성분(FPC) 및 혼합성분 회귀 모델링 통계 요약
혼합 반응 표면 모델에 대한 계수 추정치 및 표준 오차(SE), t0 값 및 해당 p-값(Prob>|t0|), R2, 평균 제곱근 오차(RMSE), 적합성 부족 검정에 대한 p-값(p-valueLoF), 과대 및 점도 함수 데이터의 첫 번째 주성분에 대해 계산된 FPC 점수에 대한 관찰 수
그림 3. 함수 주성분(FPC1) 및 혼합 성분 회귀 모델링의 "예측값 - 실제값" 다이어그램
표 1과 그림 1을 분석하면 FPC1 점수가 해당 기능적 반응과 음의 상관관계를 가지고 있음을 알 수 있습니다. 따라서 FPC1이 증가함에 따라 과대 크기와 점도는 감소합니다. 그림 4의 혼합물 프로파일러에서 보듯이 흰색 삼각형의 오른쪽 가장자리에 있는 위쪽 모서리에서 아래쪽 모서리로 이동하면서 과대 크기와 점도의 FPC1 점수가 증가하여 과대 크기와 점도가 감소하는데, 이는 제형 설계 공간의 목표 최적화 방향과 일치합니다.
그림 4 기능적 주성분(FPC1) 및 혼합성분 회귀 모델링 혼합 프로파일러
모델 평가
혼합물 반응 표면 모델은 혼합물 성분 공식(공식 3)을 기반으로 FPC1 점수를 예측할 수 있으며, 기능적 자료 분석 모델은 FPC1 점수(공식 2)를 기반으로 곡선 데이터 Y 값을 예측할 수 있습니다. 두 가지를 결합하면 공식과 곡선 응답 사이의 대응 관계를 확립할 수 있으며, 다양한 공식에 대한 과대형 및 점도 곡선 응답을 모델을 통해 예측할 수 있습니다. 그림 5의 결과는 예측된 곡선이 실험 데이터와 매우 일치함을 보여주며, 이는 모델의 효과를 증명합니다.
그림 5 공식(2), 공식(3) 및 표 2의 FPC1 회귀 모델에 의해 예측된 곡선과 실제 테스트 데이터의 비교
디자인 공간 결정
디자인 공간은 품질 중심 설계(QbD) 개념의 핵심 구성 요소이며, 특정 제약 조건을 충족하는 매개변수 범위를 나타냅니다. 설계 공간을 통해 최적의 공식을 결정할 수 있으며, 작동 조건을 허용 범위 내에서 유연하게 조정하여 제품이 품질 요구 사항을 충족하도록 보장할 수 있습니다.
이 연구의 제약은 다음과 같습니다.
입자 크기 분포(PSD): 입자 크기가 45 또는 50μm일 때, 과립은 10% 미만으로 제품의 섬세한 맛을 보장합니다.
겉보기 점도 곡선: 전단 속도 2 s−1에서 겉보기 점도는 제품의 압출성과 삼키기 용이성을 보장하기 위해 60 Pa·s보다 낮아야 합니다.
위의 실험 설계와 기능적 데이터 분석을 결합하여 구축한 모델은 다양한 현탁액 조성 성분 비율에 해당하는 입자 크기 분포(PSD)와 겉보기 점도 곡선을 예측할 수 있습니다. 위의 제약조건을 토대로 대체 RUTF 제형의 설계 공간을 결정할 수 있으며, 이는 그림 6의 흰색 영역에 표시된 바와 같습니다.
그림 6 혼합물 조성 변화에 따른 과대형 및 겉보기 점도의 설계 공간
클래스 크기는 45μm(a) 또는 50μm(b)로 유지되었고 전단 속도는 2 s−1로 유지되었습니다.
흰색 영역은 과대 크기를 10% 이하로 유지하고 점도를 60 Pa·s 이하로 유지하는 실행 가능한 실험 조건에 해당합니다.
사례 결론
실험 계획(DOE)과 기능적 데이터 분석(FDA)을 결합하면 곡선 반응을 분석하여 대체 RUFT 현탁액의 입자 크기 분포(PSD)와 점도 곡선을 제형의 함수로 연구하고 궁극적으로 제품 요구 사항을 충족하는 설계 공간을 결정하는 효율적인 방법을 제공합니다. RUFT의 대체품을 개발하고 저렴하고 쉽게 구할 수 있는 지역 재료를 사용하여 생산 비용을 낮추면 RUTF의 인기를 높이고 어린이의 영양과 건강을 보호할 수 있습니다.
케이스 확장
식품 개발에서는 식품 제형 및 공정 개발 시 제품 특성을 분석하기 위해 점점 더 복잡한 장비와 곡선 데이터가 사용되고 있습니다. 여기에는 입자 크기 분포, 유변학적 곡선, 운동 데이터, 동적 감각 곡선, 스펙트럼 곡선(스펙트럼, 크로마토그래피, 질량 분석법, 핵자기 공명 스펙트럼) 등이 포함됩니다. 고전적인 분석 방법에서는 스칼라 반응만 고려하므로 곡선 데이터의 정보가 손실됩니다. 기능적 데이터 분석은 기능적 주성분 분석을 통해 차원 축소를 달성하는 동시에 곡선의 정보 보존을 극대화할 수 있습니다. 이러한 기초 위에서 실험 설계를 결합하여 곡선 반응과 공식 성분이나 공정 매개변수 간의 관계를 직접 연구하고, 예측 모델을 수립하고, 설계 공간을 결정할 수 있습니다. 이 방법은 식품 산업의 곡선 데이터 분석에 폭넓은 적용 가능성을 가지고 있습니다 [3] 삼] [4] .
위 논문 사례의 분석 과정은 JMP Pro 15를 기반으로 기능적 데이터 분석과 모델링을 구현했습니다. 최신 버전인 JMP Pro 18을 기반으로, 기능적 실험 계획법(FDOE)을 직접 사용하여 상기 분석을 보다 효율적으로 구현하고, 실험 설계 요인과 곡선 반응 데이터 간의 예측 모델을 구축하고, 목표 곡선에 따라 레시피 및 공정 매개변수를 효율적으로 최적화할 수 있습니다. 식품 및 음료 산업에서 감각 분석과 제형 최적화에 대해 더 자세히 알고 싶으시다면 3월 26일에 라이브 세미나에 등록하세요(이 세미나는 중국어로 진행됩니다) : https://jmp.zoom.us/webinar/register/WN_eEUCWCNfRcKKWG_afonZgg#/registration
*논문 출처: Marcello Fidaleo, Nicoletta A. Miele, Vincenzo Armini, Silvana Cavella, D-optimal 혼합물 실험 및 기능 데이터 분석을 통한 식품 현탁액의 제형 공정의 설계 공간, 식품 및 생물 제품 가공, 127권, 2021, 128-138페이지, ISSN 0960-3085, https://doi.org/10.1016/j.fbp.2021.02.007. [안에]
[나] 대체 레디투유즈 치료식품을 위한 공식 최적화 접근 방식 - ScienceDirect
[두] 함수 데이터 분석기
[3] 삼] 식품 밀링 프로세스에 적용된 기능적 데이터 분석 및 실험 설계... - JMP 사용자 커뮤니티
[4] 개발자 튜토리얼: JMP Pro 17을 사용하여 스펙트럼 데이터 모델링
[안에] D-최적 혼합물 실험과 기능 데이터 분석을 통한 식품 현탁액 제형 과정의 설계 공간 - ScienceDirect
