Proteinhydrolysater fra ulike restråstoff- Sammenheng mellom peptidstruktur og antioksidantkapasitet

Abstract

Fiskeri- og havbruksnæringen i Norge genererer flere hundre tusen tonn restråstoff årlig. Den samlede utnyttelsesgraden av restråstoff har økt de siste årene, men i hvitfisksektoren er det fortsatt en vesentlig andel hoder og slo som ikke blir utnyttet. Utviklingen går mot økt bevaring og utnyttelse av restråstoffet. I dag er fôrmarkedet det største markedet for marint restråstoff, og kun en liten andel går til humant konsum og bransjer som kosmetikk, farmasi og kosttilskudd. Det er likevel en økende interesse for produksjon av produkter med høyere verdi. Det er blant annet økt interesse for bruk av hydrolyserte proteiner til humant konsum. Det er vist at peptider fra fiskeproteiner kan ha viktige bioaktive egenskaper, blant annet antioksidantkapasitet. Oksidative reaksjoner i mat fører til vesentlig tap av matkvalitet, og store endringer i både smak, aroma og tekstur. Det er i dag større etterspørsel etter naturlige antioksidanter. Mer kunnskap er nødvendig for å forstå sammenhenger mellom henholdsvis molekylstruktur/sammensetning av peptider og antioksidative egenskaper.

Quantitative Structure-Activity-Relationship (QSAR) modeller kan potensielt avdekke relevante sammenhenger mellom peptidstruktur og egenskaper i mat. Hvis egenskapene kan predikeres for kjente peptidstrukturer, så kan slik kunnskap brukes til utvikling og isolering av peptider med spesielle egenskaper. Statistiske regresjonsmetoder brukes for å finne den matematiske sammenhengen mellom X og Y. Målet med masteroppgaven var å bruke dataanalyse som et verktøy for å studere sammenhenger mellom antioksidantkapasitet og ulike mål på peptidstruktur. Ved Institutt for bioteknologi og matvitenskap ved NTNU har det tidligere blitt gjennomført flere masteroppgaver der restråstoff fra ulike typer fisk og fiskefraksjoner har blitt studert. Med disse oppgavene som datagrunnlag ble det lagd flere datamatriser som inngikk i en dataanalyse. Det ble gjort en Partial least squares regression (PLSR) analyse med kryssvalidering (Leave-One-Out Cross-Validation) for hver matrise. Prediktorvariablene besto av ulike mål på peptidstruktur, og inkluderte variabler som % aminosyre fra total aminosyresammensetning, % aminosyre fra sammensetning av frie aminosyrer (FAA), mengde tioler og hydrolysegrad. Responsvariabelen var ABTS antioksidantkapasitet. Resultatene av modelleringen ble visualisert gjennom en rekke ulike plott: valideringsplott, prediksjonsplott, scores-plott, korrelasjon-loadings-plott, koeffisientplott, X og Y-score-plott og Variable importance for the projection (VIP)-plott.

Resultatene av modelleringen viser at de to modellene med størst datagrunnlag beskriver datasettene godt med relativt små avvik mellom målt og predikert ABTS-antioksidantkapasitet. Validering på flere uavhengige prøver er nødvendig for å svare på om datasettet representerer relevant variasjon i ABTS-antioksidantkapasitet. Dette gjelder spesielt for de matrisene som hadde færrest prøver. Tre av disse modellene viste begrenset evne til å predikere og dermed beskrive ABTS-antioksidantkapasitet på tvers av ulike prøver. De to modellene med størst datagrunnlag ga regresjonskoeffisienter som viste at noen X-variabler hadde vesentlig større betydning for modelleringen av ABTS antioksidantkapasitet. Blant disse var Asp/Asn, Glu/Gln, Gly/Arg, Lys, Asp FAA og His FAA for matrise 1 og polare R, positivt ladede R, negativt ladede R og aromatiske R FAA for matrise 5. Hovedkonklusjonen er at PLSR er en metode som kan brukes til å beskrive variasjon i denne typen data, og som derfor kan modellere og dermed også potensielt beskrive antioksidantkapasitet fra variabler som aminosyresammensetning.

The Norwegian fishing and aquaculture industry generates several hundreds of thousands of tonnes of rest raw material on an annual basis. The utilization of rest raw material has increased the last couple of years. In the whitefish sector there is still a substantial amount of fish heads and guts that is not being utilized. The development is heading towards increased conservation and utilization of the rest raw material. The market for animal feed is currently the largest market for marine rest raw material, and only a small share of the rest raw material is used for human consumption and in areas like cosmetics, pharmacy and supplements. There is an increasing interest for the production of high-value products. Among others, there is an increased interest for the use of hydrolyzed proteins for human consumption. It has been shown that peptides from fish proteins may possess important bioactive properties, like antioxidant capacity. Oxidative reactions in food cause severe loss of food quality, and distinct changes in both flavour, aroma and texture. Today there is an increased demand for antioxidants of natural origin. More knowledge is needed to understand relationships between molecular structure/composition of peptides and antioxidative properties.

Quantitative Structure-Activity-Relationship (QSAR) models can potentially reveal important relationships between peptide structure and properties in food. If these properties can be predicted from known peptide structures, then this knowledge could be used for the development and isolation of peptides with desirable properties. Statistical regression methods are used to determine the mathematical relationship between X and Y. The aim of this thesis was to use data analysis as a tool to study relationships between antioxidant capacity and different measures of peptide structure. Several master’s theses have been completed at the Department of Biotechnology and Food Science at NTNU studying rest raw material from different types of fish and fish fractions. In this thesis several data matrices were constructed based on data from other completed master’s theses. Partial least squares regression (PLSR) with Leave-One-Out Cross-Validation was used to examine each matrix. Different measures of peptide structure were used as predictor variables, including variables like % amino acid from total amino acid composition, % amino acid from the composition of free amino acids (FAA), the thiol content, and the degree of hydrolysis. ABTS antioxidant capacity was used as the response variable. The results of the modelling were visualized through different plots: validation plot, prediction plot, score plot, correlation loadings plot, coefficient plot, X and Y score plot and Variable importance for the projection (VIP) plot.

The results of the modelling showed that the two models with the largest data foundation described the datasets well, with relatively small differences between measured and predicted ABTS antioxidant capacity. Validation on multiple independent samples is necessary to confirm if the dataset represents relevant variation in ABTS antioxidant capacity. This is especially the case for the matrices that contained the least number of samples. Three of these models showed limited ability to predict and thereby describe ABTS antioxidant capacity for different samples. The regression coefficients of the models with the most samples showed that some of the X-variables had greater impact on the modelling of ABTS antioxidant capacity. Among these were: Asp/Asn, Glu/Gln, Gly/Arg, Lys, Asp FAA and His FAA for matrix 1 and polar R, positively charged R, negatively charged R and aromatic R FAA for matrix 5. The main conclusion is that PLSR is a method that can be used to describe variation in these types of data, and therefore can be used to model and potentially also describe antioxidant capacity from variables as such as amino acid composition.