一次按含量排序的选型复盘

假设某团队要给一款燕麦植物奶补蛋白，采购送来两份样品（示意）：甲蛋白粉标注蛋白含量 90%，乙为 70%。团队按含量排序，让甲进了中试。第一批放大时，甲在冷水里结成一个个小团，过了胶体磨仍分散不匀，静置一夜后杯底出现沉淀；换成乙，账面含量低，饮品反而均匀得多。此后三周，团队在均质压力和稳定剂上反复调整，最后才回头承认，问题出在选原料的那一步。这是一个虚构的示意场景，想说明的是：含量排名回答的是“这袋粉里有多少蛋白”，不是“这种蛋白能干什么”。

90% 这个数字量的是什么

常见的蛋白含量来自测定总氮，再乘一个换算系数，凯氏定氮法常取 6.25，不同原料的系数并不相同。这个数字因此有三个盲区。其一，它是氮的折算，非蛋白氮也可能被算进去；其二，标注有干基、湿基之分，90% 与 70% 未必站在同一条基准线上；其三，它完全不反映蛋白的状态，折叠完好的和已经热变性聚集的蛋白，在含量一栏里没有区别。

第三点最容易被忽略。提取植物蛋白通常要经过碱溶、酸沉、加热和干燥，条件越强，杂质去得越干净，含量越高，蛋白也越可能被热变性、聚集，溶解性随之下降。这是一般的工艺规律，具体到某款原料要看它的工艺与检测数据，但它足以说明一件反直觉的事：纯度更高的蛋白粉，在功能上不一定更好用。

功能是蛋白与环境共同决定的

即便同一批原料，功能也随体系变化。蛋白的溶解度在 pH 接近等电点时通常最低，因为此时净电荷趋近于零，分子之间少了静电排斥，容易聚到一起。植物奶多在中性附近，酸性蛋白饮料的 pH 要低得多，同一种蛋白在两种体系里的表现可能截然不同。加盐、加钙会改变离子强度，热杀菌会改变构象。所以“这种蛋白溶解性好”若不带 pH、温度、离子强度这些条件，就只是半句话。

从入库到入围：一份分层检查清单

把测试按代价从低到高排一下，第一轮只做便宜的，昂贵的留给入围者。下面是一种可行的顺序，具体项目和判据要按自己的产品调整。

  1. 记录来源信息：蛋白含量的基准（干基还是湿基）、提取工艺、批次、含水量和灰分，缺少这些信息的样品先向供应方追问。
  2. 在目标体系里测溶解度：用产品的 pH 和盐浓度配成分散液，离心后测上清中的蛋白，不要只在纯水里测。
  3. 观察分散行为：入水是否结块，需要多长时间、多大剪切才能分散，静置数小时后有无沉淀。
  4. 做一个小体系试验：植物奶方向做乳化液，看放置后是否分层；植物肉方向做加热凝胶，看能否成形、是否出水。
  5. 闻测风味：干粉和加热后的分散液各闻一次，记下豆腥、青草、苦、涩。

前两步几乎不花钱，却能先淘汰一部分候选。消化性、完整功能谱和中试放大这类昂贵的环节，留给通过了前面几关的三五个原料。重要的是每个样品都用同一套条件去测。

让数据替人先筛一遍

候选多到上百种时，连便宜的测试也要花不少时间，数据模型这才派上用场。2026 年一项机器学习研究（PubMed 41813604）用表面疏水性、Zeta 电位、未变性蛋白含量、持水力和 β-折叠含量等可测特征，去预测植物蛋白的溶解性、乳化活性指数、乳化能力和凝胶强度，把模型当作原料质量的筛选工具。在该研究自己的数据集内，支持向量回归对溶解性和凝胶强度的 R² 约为 0.88–0.89。

这个数字只对那批样品负责。换一种提取工艺、换一个产地，特征与功能之间的关系可能改变，所以它更适合当作排队工具：先把明显不合格的排到后面，再用真实测试确认排在前面的。另一项 2025 年发表于《Foods》的研究只用 α-螺旋、无规卷曲和溶解性三个特征预测植物蛋白的消化性，评估时间缩短约 80%，样品用量约为标准方法的百分之一。少数几个便宜的特征就能把候选池粗筛一遍；不过消化性预测不等于营养评价，氨基酸组成仍需单独核对。这类筛选的整体流程，在AI怎样从成百上千种候选蛋白中筛选真正适合食品加工的原料里有更系统的讨论。

同一份数据，不同用途读出不同排名

拿到测试结果，最后一步是按用途来读。假设按十分制给溶解、乳化、凝胶、风味中性四项打分（示意）：甲为 3、4、8、5，乙为 8、8、4、6。做植物奶，前两项和风味的权重大，乙明显领先；做需要撑起纤维结构的植物肉，凝胶和持水占大头，甲就可能上位，其结构形成还要和挤压条件一起看，可参考植物肉怎样形成纤维结构与高水分挤压参数优化。

有一点是加权平均处理不了的：某些指标应当是“一票否决”。做清澈的酸性蛋白饮料时，蛋白入水结块、沉淀不可接受，这一项不合格就直接出局，不能靠别的项目的高分平均回来。用工具比较原料时，同样可以先设否决项，再设权重，做法见纵横国际 App 怎样比较植物蛋白、微生物蛋白和其他替代蛋白原料。

还不能下结论的地方

这套思路有几处边界。筛选模型只在训练数据覆盖的范围内可信；测试条件不统一时，不同来源的数据没法直接拼在一起；仪器测出的溶解度、凝胶强度，与人嘴里的粉感、咬劲之间还有落差，2026 年 7 月的食品配方生成科学综述就把缺少标准化的感官基准列为难点之一。另外，微生物蛋白和精密发酵蛋白的功能特点与植物蛋白并不相同，三条路线的区别可以先读植物蛋白、微生物蛋白和精密发酵蛋白到底有什么不同。新型蛋白原料能否用于食品，还取决于现行法规对准入与标示的要求，以现行国家标准和法规为准。

最后落到一个马上能做的动作。纵横国际整理替代蛋白资料时的做法是：下一次收到蛋白样品，把“蛋白含量”这一列挪到表格最右边，前面依次放目标 pH 下的溶解度、分散行为和小体系试验结果，两项便宜测试做完，再决定谁进入小试。这样排下来，也许会发现自己一直盯着的那个 90%，并不在最终入围的名单里。