【摘 要】
：
旨在探究不同泌乳期母乳中本源挥发性风味成分，为婴幼儿配方乳粉母乳化开发提供参考。试验采用顶空固相微萃取气相色谱-质谱联用技术（headspace solid phase microextraction gas chromatography-mass spectrometry,HS/SPME-GC/MS）对初乳（0～7 d）、过渡乳（8～30 d）、成熟乳（30 d以后）3个泌乳期母乳的挥发性成分种
【机 构】
：
西北农林科技大学食品科学与工程学院
【基金项目】
：
陕西省重点研发计划项目（2021ZDLNY02-09）； 咸阳市重点研发计划项目（2021ZDYF-NY-0005）； 校企合作项目（K4040121067）；
论文部分内容阅读
旨在探究不同泌乳期母乳中本源挥发性风味成分，为婴幼儿配方乳粉母乳化开发提供参考。试验采用顶空固相微萃取气相色谱-质谱联用技术（headspace solid phase microextraction gas chromatography-mass spectrometry,HS/SPME-GC/MS）对初乳（0～7 d）、过渡乳（8～30 d）、成熟乳（30 d以后）3个泌乳期母乳的挥发性成分种类及其相对含量进行测定，并分析其差异。结果表明：初乳、过渡乳、成熟乳中挥发性成分分别有39种、37种、41种，主要包括酯类、醇类、烷烃类、醛酮类、酸类及醚类等6大类，其中酯类成分最为丰富，是最主要的风味物质；不同泌乳期乳中挥发性成分相对含量存在差异，风味表达亦如此。过渡乳较其他两种乳样中酯类和酸类成分相对含量更高，因而其果香味和汗味、蜡味更浓；而成熟乳因醛、酮类物质相对含量高于其他两个阶段，赋予了其浓郁的奶香、甜香味。
其他文献
作为智能汽车系统的“大脑”,驾驶决策模块依赖于环境感知系统所获取的信息的质量,并需要对感知的结果进行准确地综合认知,从而做出合理的决策。然而,环境感知系统具有不确定性,可能造成感知的信息不完备或者不可靠。同时,在利用感知的信息进行综合认知时,若是忽略了交通参与者驾驶行为的不确定性,也可能导致不合时宜的决策。另外,在动态交通环境中,车辆与其周围的交通参与者之间的行为决策具有交互性影响。因此,本文分别
根据公安部党委作出建设“情指勤舆”一体化实战化运行机制重大决策部署，江苏省厅提出创新打造情指勤舆“一号作战体系”，构建省市县一体联动、多警种合成作战的“情指勤舆+N”江苏模式。宿迁市局在情指勤舆“一号作战体系”指引下，坚持“一个体系”统全局、“一块阵地”专研判、“一组平台”强应用、“一套机制”管长远、“一批专才”固根本，深入推进“一统八分N支”现代警务体系高质量建设运行，努力在新的起点上推进公安工
目的 构建儿科护理质量指标，为我国儿科护理质量评价提供依据。方法 基于文献回顾、小组讨论、专家咨询、国家护理专业质控中心儿科专科质控组审议等确定儿科护理质量指标。于2019年在全国8家儿童专科医院及综合医院儿科进行试应用。结果 构建的儿科护理质量指标包括结构指标6项、过程指标2项、结果指标7项。8家医院每名住院患儿24h平均护理时数、护士离职率、住院患儿身体约束率、新生儿院内尿布皮炎发生率、住院患
氯丙醇酯是国际上广泛关注的食品加工过程污染物，其水解产物氯丙醇对人体（特别是婴幼儿）危害风险较大。采用固相萃取与气相色谱-质谱（gas chromatography-mass spectrometry,GC-MS）联用技术，对食用植物油和含脂食品中的氯丙醇酯[3-氯-1,2-丙二醇脂肪酸酯（简称3-MCPD酯）和2-氯-1,3-丙二醇脂肪酸酯（简称2-MCPD酯）]进行检测。该方法准确度高（3-M
建立气相色谱质谱联用法（GC-MS）同时测定纹身贴中18种多环芳烃。纹身贴样品用水润湿背纸后，取下覆膜上的油墨，在烘箱中烘干至恒重，用甲苯超声提取，冷却后供GC-MS仪分析，以色谱峰面积内标法定量。样品于60℃用甲苯超声60 min，方法定量限为0.2～1.0 mg/kg,18种多环芳烃的质量浓度在0.005～2.0 mg/L范围内与色谱峰面积具有良好的线性关系，线性相关系数均大于0.999 5，
目的 利用全球疾病负担研究（GBD）2019最新数据分析中国60岁及以上不同性别和不同省份的老年人群危险因素归因疾病负担及变化情况，助力老年人群的病因预防。方法 利用GBD2019中国60岁及以上老年人群危险因素的疾病负担数据，以归因伤残调整寿命年（DALY）为指标评估不同危险因素在2009—2019年对中国分省、分性别的老年人群的健康和寿命的影响及变化情况，以2010年第六次人口普查的60岁及以
现代汽车正朝着电动化、智能化、网联化、共享化方向发展,智能网联汽车相关研究受到国内外学者广泛关注,并有相当的成果落地应用。在未来较长时间内,人工驾驶车辆、人工网联驾驶车辆、自动驾驶车辆以及网联自动驾驶车辆的混行将会成为一种常态。驾驶人面对复杂多变的混行网联环境增加了更多的随机性和不确定性的特征,面向混行网联环境下的驾驶人分心识别及风险补偿方法的研究变得尤为重要。然而由于混行网联环境的复杂性、交互性