2026年5月27日，西北农林科技大学杨涛副教授团队在中科院农林科学一区Top期刊Food Research International（IF:8.0）发表题为“3D printing of wheat starch gels for dysphagia diet: Molecular interaction mechanisms and machine learning-assisted prediction of IDDSI levels”的研究论文。聚焦小麦淀粉凝胶体系，系统解析直链淀粉含量、分子间作用力如何调控凝胶3D打印成型效果与吞咽食用适配性，创新引入机器学习算法，完成膳食IDDSI吞咽等级的智能化快速预判。
全球老龄化加剧，吞咽障碍成为老年群体进食与营养补给的一大难题。传统泥状膳食造型单调、营养搭配有限，而挤出式食品3D打印可精准调控食品结构与质构，能够打造颜值与营养兼具的个性化吞咽膳食，发展前景良好。食品打印效果主要由氢键、疏水作用等非共价相互作用及材料微观结构决定，分子作用力也是串联配方、流变特性与打印性能的关键。
已有研究表明，加工方式和直链淀粉含量都会改变淀粉体系的分子互作，进而影响凝胶的打印表现与食用品质。但目前学界仍无法定量区分氢键与疏水作用在3D打印过程中的贡献，也未建立起“分子相互作用-水分迁移-凝胶质构-IDDSI分级”的完整作用机制。此外，将分子机理与机器学习结合，实现吞咽等级快速判定的相关研究也较为匮乏。
基于以上现状，本研究以取材广泛、成本低廉的小麦淀粉为原料，制备不同直链淀粉含量的凝胶，借助尿素、氯化钠分别调控氢键与疏水相互作用，探究分子作用对凝胶打印精度和吞咽适配性的影响；同时结合机器学习构建 IDDSI等级预测模型，理清结构与性能的内在关联，减少配方试错，推动3D打印吞咽膳食向智能化方向发展。
研究亮点
• 小麦淀粉凝胶的可打印性和吞咽安全性受直链淀粉含量和分子间相互作用的影响。
• 直链淀粉含量约为43%时，可实现最佳的细丝连续性、结构保真度和水分流动性。
• 反向传播人工神经网络（BP-ANN）在IDDSI吞咽等级分类方面显示出最高的预测准确性。
核心研究结果
（1）直链淀粉含量显著影响小麦淀粉凝胶3D打印效果，43%直链淀粉综合表现最优，打印尺寸保真度达96.18±0.32%；26%直链淀粉易出现挤出断丝，含量≥60%时凝胶坍塌，打印精度降至70.36%~90.88%。本研究所有打印实验均由杭州时印科技食品 3D 打印机完成。
（2）分子作用力可有效调控打印性能：1 mol/L 尿素适度弱化氢键，打印精度提升至97.06±0.10%；3 mol/L 尿素过度破坏氢键，造成打印精度下降；氯化钠通过霍夫迈斯特效应强化氢键与疏水作用，提升凝胶结构稳定性。
（3）凝胶质构与 IDDSI 吞咽等级高度匹配：43%直链淀粉凝胶质地适中，对应IDDSI 5级；高直链淀粉或高浓度尿素处理后凝胶偏软，归为IDDSI 4级；26% 直链淀粉凝胶硬度过高，介于 IDDSI 5~6级之间。
（4）流变与水分测试表明，所有凝胶均具备剪切稀化特性，43%直链淀粉凝胶触变回复能力、水分占比最为均衡，可同时满足挤出与保形需求。
（5）淀粉短程有序结构、氢键强度与打印精度、IDDSI等级存在显著关联，氢键调控是平衡打印性能与吞咽安全性的关键。
（6）四种机器学习模型对比下，BP-ANN预测IDDSI等级准确率最高（65.7%），证明该体系变量呈非线性关联，适用于吞咽等级快速预判。
（7）研究阐明了直链淀粉、分子互作、微观结构、吞咽性能之间的调控机制，可为食品级调节剂及3D打印吞咽障碍膳食开发提供理论依据。
图文赏析
图1. 图文摘要。
图2. 不同直链含量淀粉凝胶的3D打印样品及微观结构（A：圣诞树打印模型；B：长方体打印样品的打印精度；C：3D打印样品的微观形貌）。
图3. 不同直链淀粉含量淀粉凝胶的流变特性。A~D分别对应直链淀粉含量为 26%、43%、60%、77%的凝胶；每组内 a~d 依次为储能模量（G′）、损耗模量（G″）、表观黏度与触变性能。
图4. 淀粉凝胶的水分分布（A、B、C、D分别为直链淀粉含量26%、43%、60%、77%凝胶的弛豫时间图谱；E：不同直链淀粉含量凝胶的磁共振成像图）。
图5. 不同直链淀粉含量凝胶的质构分析（TPA）与国际吞咽障碍膳食标准（IDDSI）测试结果。
图6. 不同直链淀粉含量样品的傅里叶变换红外光谱图（A、B、C、D分别对应直链淀粉含量 26%、43%、60%、77%的淀粉凝胶）。
图7. 淀粉凝胶理化性质、打印性能与质构指标的皮尔逊相关系数图。
图8. 分组嵌套交叉验证下，不同模型对IDDSI等级的预测结果与混淆矩阵。A：所有外部测试样本的IDDSI真实等级与预测等级对比；B：对应混淆矩阵。a~d 依次为最小二乘支持向量机（LSSVM）、偏最小二乘回归（PLSR）、随机森林（RF）、反向传播人工神经网络（BP-ANN）。
作者简介
杨涛，副教授，主要研究方向为谷物食品加工与品质调控相关基础及应用研究。先后主持、参与多项国家自然科学基金、国家重点研发计划等科研课题；在《Journal of Agricultural and Food Chemistry》、《Food Research International》、《Biomacromolecules》等国内外Top权威期刊发表高水平学术论文数十篇。