嬰幼兒配方粉中的三大營養(yǎng)素包含蛋白質(zhì)、脂肪和碳水化合物。蛋白質(zhì)是嬰幼兒生長發(fā)育必需的營養(yǎng)成分，其營養(yǎng)取決于所含各種氨基酸之間的平衡情況[1]。

氨基酸是組成蛋白質(zhì)的基本單位，對嬰幼兒而言有9種氨基酸是必需的，分別是組氨酸、亮氨酸、異亮氨酸、纈氨酸、賴氨酸、蛋氨酸、苯丙氨酸、蘇氨酸和色氨酸。由于牛羊乳中含有的蛋白質(zhì)種類和含量不同于人乳，故乳基嬰兒配方奶粉的氨基酸模式與人乳相比也存在明顯差異。目前有研究表明，母乳中的氨基酸模式（組成、比例等）影響了嬰幼兒對于蛋白質(zhì)的消化和吸收[2]。嬰兒配方奶粉的氨基酸組成和比例有著極佳參照，越接近的組合模式，氨基酸的利用程度越高，越能更好地促進嬰幼兒的消化及健康成長[3-5]。

目前根據(jù)自有產(chǎn)品的評分情況，對蛋白原料組分進行進一步地檢測研究，對蛋白質(zhì)營養(yǎng)價值的氨基酸分析評價，明確產(chǎn)品在總蛋白、活性蛋白及氨基酸各層面上差異，優(yōu)選蛋白組合物，設計新產(chǎn)品配方已成為當今嬰配粉行業(yè)的發(fā)展趨勢。

目前可用于蛋白質(zhì)營養(yǎng)價值評價的氨基酸分析評價法，主要可概括為生物學法和化學指數(shù)法[6]。生物學法主要通過人體或動物實驗進行相關指標的測定；化學指數(shù)法主要是通過對蛋白質(zhì)中的氨基酸進行分析，和標準蛋白的氨基酸進行比較?；瘜W指數(shù)法進一步細分，包含氨基酸評分（amino acid score, AAS）、必需氨基酸指數(shù)（Total essential amino acids index, EAAI）、氨基酸比值系數(shù)法（score of ratio coefficient，src）、氨基酸平衡度法（1-imbalance degree，1-IBD）、蛋白質(zhì)消化率校正的氨基酸評分（protein digestibility corrected amino acid score，PDCAAS）、氨基酸等權灰色關聯(lián)度法、氨基酸皮爾遜相關系數(shù)法等。其中，生物學法主要通過人體或動物實驗進行相關指標的測定，有較高的準確性和正確性，但是人群試驗和動物實驗的周期長、實驗復雜。化學指數(shù)法主要是對蛋白質(zhì)中的氨基酸進行分析，可靠性不如生物學法，但是高效、簡單且耗時短，有很高的參考價值。

如以往的研究顯示，吳慶賀利用皮爾遜相關系數(shù)，對3種新型配方粉和母乳的氨基酸模式進行相關性分析，通過添加大豆分離蛋白代替脫鹽乳清粉來進行新型嬰兒配方乳粉的設計，在滿足蛋白質(zhì)含量的同時，調(diào)整配方粉中氨基酸的含量及模式，從而判斷出與母乳氨基酸模式較接近的配方粉[7]。宋曉青等在氨基酸曲線相似度計算時，以灰色關聯(lián)度表示氨基酸的平衡度，各個配方粉的氨基酸組成曲線和理想蛋白質(zhì)氨基酸模式曲線幾何形狀越相似，關聯(lián)度越高，則兩者氨基酸組成越接近，該食物蛋白質(zhì)的氨基酸平衡性就越好[8]。然而，皮爾遜相關系數(shù)和灰色關聯(lián)法單純從數(shù)理統(tǒng)計角度，評估不同嬰配粉蛋白質(zhì)的各種必需氨基酸組成數(shù)據(jù)存在的變異程度，沒有將各種氨基酸作為一個整體從向量的角度來度量配方粉和母乳的相似性，存在一定缺陷。

余弦相似度方法在計算機領域有廣泛的應用，如深度學習、多屬性決策、分類預測和推薦系統(tǒng)，但是在乳品營養(yǎng)領域的研究較少[9-12]。張?zhí)竦仁占四溉闃颖?028份，將母乳和配方粉的氨基酸信息轉化為矩陣，利用頻數(shù)矩陣優(yōu)化方法提出了新的中國早期成熟乳氨基酸模式，并利用余弦相似度評價方法，將配方粉和新的母乳氨基酸模式進行比較。結果表明，優(yōu)化母乳、原始母乳和WHO母乳氨基酸模式與各配方粉的余弦相似度比較，趨勢一致，說明余弦相似度比較可以客觀評價配方粉的營養(yǎng)價值。針對9種必需氨基酸，配方粉F與母乳相似度較高，配方粉A與母乳相似度較低；針對18種全部氨基酸，配方粉H和配方粉D與母乳相似度較高，配方粉F與母乳相似度較低。不同種氨基酸對比結果表明，氨基酸組成不同影響配方粉的氨基酸評價結果。該研究采用的余弦相似度方法可以用來客觀評價配方粉與中國母乳的氨基酸營養(yǎng)價值，為嬰配粉的開發(fā)和應用提供了新的評價手段[5]。

參考文獻：

(1)LESSEN R, KAVANAGH K. Position of the academy of nutrition and dietetics：promoting and supporting breastfeeding[J]. Journal of the Academy of Nutrition and Dietetics, 2015, 115(3): 444-449.

(2)宮春穎, 王青云, 粘靖祺, 等. 嬰幼兒配方食品中氨基酸模式的研究進展[J]. 中國乳業(yè), 2020(7): 59-63. GONG C Y, WANG Q Y, NIAN J Q, et a1. Research progress of amino acid composition in infant formula[J]. China Dairy, 2020(7): 59-63.

(3)ZHANG Z Y, ALICIA A, DESHANIE R, et a1. Amino acid profiles in term and preterm human milk through lactation: a systematic review[J]. Nutrients, 2013, 5(12): 4800-4821.

(4)Buket Soyy?lmaz, Marta Hanna Mikš, Christoph Hermann Röhrig, Martin Matwiejuk, Agnes Meszaros-Matwiejuk, Louise Kristine Vigsnæs. The mean of milk: a review of human milk oligosaccharide concentrations throughout lactation[J]. Nutrients, 2021, 13(8): 2737.

(5)張?zhí)? 逄金柱, 任發(fā)政, 楊璐, 王然, 鄭麗敏, 李依璇. 基于母乳氨基酸模式的配方粉營養(yǎng)價值評價方法[J]. 食品科學技術學報, 2022, 40(6): 145-152.

(6)葛可佑. 中國營養(yǎng)科學全書[M]. 北京: 人民衛(wèi)生出版社, 2019: 42-44.

(7)吳慶賀. 新型嬰兒配方乳粉的研究[D]. 哈爾濱: 東北農(nóng)業(yè)大學, 2008.

(8)宋曉青, 張?zhí)觳? 賈云虹, 等. 嬰兒配方乳粉中蛋白質(zhì)的營養(yǎng)評價及氨基酸分析研究進展[J]. 食品科學, 2016, 37(1): 292-298．

(9)LUO G, YANG z, ZHAN C J, et a1. Identification of nonlinear dynamical system based on raised-cosine radial basis function neural networks[J]. Neural Processing Letters, 2021, 53(1): 355-374．

(10)WEI G W, WEI Y. Similarity measures of Pythagorean fuzzy sets based on the cosine function and their applications[J]. International Journal of Intelligent Systems, 2018, 33(3): 634-652.

(11) FAN J, WANG P, ZHOU W, et a1. Method by using time factors in recommender system[J]. Journal of Computer Applications, 2015, 35(5): 1324-1327.

(12)LIU D H, LIU Y Y, CHEN X H. The new similarity measure and distance measure between hesitant fuzzy linguistie term sets and their application in multi-criteria decision making[J]．Journal of Intelligent&Fuzzy Systerns, 2019, 37(1): 995-1006．