Articulo 1 - Pag 49

UNIVERSIDAD NACIONAL AGRARIA
LA MOLINA
FACULTAD DE INDUSTRIAS ALIMENTARIAS
“OPTIMIZACIÓN DEL PROCESO DE EXTRACCIÓN DE

PROTEÍNAS DE SEMILLAS DE PAJURO (Erythrina edulis Triana)”
TESIS PARA OPTAR EL TÍTULO DE

INGENIERO EN INDUSTRIAS ALIMENTARIAS
AARÓN JOSUÉ FIGUEROA GARCÍA
LIMA-PERÚ
2023
La UNALM es la titular de los derechos patrimoniales de la presente investigación

(Art. 24. Reglamento de Propiedad Intelectual)
Document Information
Analyzed document TESIS.pdf (D167461177)
Submitted 2023-05-18 22:01:00
Submitted by CHRISTIAN R. ENCINA ZELADA
Submitter email [email protected]
Similarity 7%
Analysis address [email protected]
Sources included in the report
URL: https://repositorio.lamolina.edu.pe/bitstream/handle/20.500.12996/3802/bre%C3%B1a-diaz-daniel-...
41
Fetched: 2023-05-18 22:02:00
URL: http://repositorio.lamolina.edu.pe/bitstream/handle/20.500.12996/3710/mera-oyola-lizbeth.pdf?s...
30
Fetched: 2023-05-18 22:05:00
URL: https://upcommons.upc.edu/bitstream/handle/2117/339723/TFM_Fernandez_Bao_Sheila.pdf?sequence=1...
1
Fetched: 2023-05-18 22:04:00
Entire Document
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA FACULTAD DE INDUSTRIAS ALIMENTARIAS “OPTIMIZACIÓN DEL PROCESO DE
EXTRACCIÓN DE PROTEÍNAS DE SEMILLAS DE PAJURO (Erythrina edulis Triana)”
73% MATCHING BLOCK 1/72
TESIS PARA OPTAR EL TÍTULO DE INGENIERO EN INDUSTRIAS ALIMENTARIAS AARÓN JOSUÉ FIGUEROA GARCÍA LIMA-PERÚ 2023 La
UNALM es la titular de los derechos patrimoniales de la presente investigación (Art. 24. Reglamento de Propiedad Intelectual)
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA FACULTAD DE INDUSTRIAS ALIMENTARIAS “
LIMA-PERÚ 2023 La UNALM es la titular de los derechos patrimoniales de la presente investigación (Art. 24. Reglamento de Propiedad
Intelectual) UNIVERSIDAD NACIONAL AGRARIA LA MOLINA FACULTAD DE INDUSTRIAS ALIMENTARIAS “OPTIMIZACIÓN DEL
PROCESO DE EXTRACCIÓN DE PROTEÍNAS DE SEMILLAS DE PAJURO (Erythrina edulis, Triana)” Presentado por: AARÓN JOSUÉ
FIGUEROA GARCÍA TESIS PARA OPTAR EL TÍTULO DE INGENIERO EN INDUSTRIAS ALIMENTARIAS Sustentado y aprobado ante el
siguiente jurado:
TESIS PARA OPTAR EL TÍTULO DE INGENIERO EN INDUSTRIAS ALIMENTARIAS Sustentado y aprobado ante el siguiente jurado:
Lima-Perú 2023 __________________________ Mg.Sc. Carlos Elías Peñafiel PRESIDENTE ___________________________________

Dra. Indira Betalleluz Pallardel MIEMBRO ________________________________ Dra. Marianela Inga Guevara MIEMBRO
________________________________ Dr. Christian Encina Zelada ASESOR ________________________________ Mg.Sc. Víctor
Delgado Soriano CO-ASESOR
DEDICATORIA A Dios, por la vida, salud y darme las fuerzas necesarias para culminar lo propuesto. A Luis Figueroa y Noemí García, mis
padres por hacer de mi alguien fuerte y enseñarme a no darme por vencido, por su apoyo y constantes muestras de aliento y cariño
sincero. A Daniel Figueroa, mi hermano por ser mi motivación de superar y mejorar cada día A mi mamita Filomena Ramos, que en paz
descanse, por su genuina amabilidad y cuidados en a quien siempre llevaré siempre en mi corazón.
UNIVERSIDAD NACIONAL AGRARIA
LA MOLINA
FACULTAD DE INDUSTRIAS ALIMENTARIAS
“OPTIMIZACIÓN DEL PROCESO DE EXTRACCIÓN DE PROTEÍNAS DE

SEMILLAS DE PAJURO (Erythrina edulis Triana)”
Presentado por:
AARÓN JOSUÉ FIGUEROA GARCÍA
TESIS PARA OPTAR EL TÍTULO DE

INGENIERO EN INDUSTRIAS ALIMENTARIAS
Sustentado y aprobado ante el siguiente jurado:
__________________________
Mg.Sc. Carlos Elías Peñafiel
PRESIDENTE
________________________________ ___________________________________
Dra. Indira Betalleluz Pallardel Marianela Inga Guevara, PhD.
MIEMBRO MIEMBRO
________________________________ ________________________________
Dr. Christian Encina Zelada Mg.Sc. Víctor Delgado Soriano
ASESOR CO-ASESOR
Lima-Perú
2023
DEDICATORIA
A Dios, por la vida, salud y darme las fuerzas necesarias para culminar lo propuesto.
A Luis Figueroa y Noemí García, mis padres por hacer de mi alguien fuerte y enseñarme a
no darme por vencido, por su apoyo y constantes muestras de aliento y cariño sincero.
A Daniel Figueroa, mi hermano por ser mi motivación de superar y mejorar cada día
A mi mamita Filomena Ramos, que en paz descanse, por su genuina amabilidad y cuidados
en a quien siempre llevaré siempre en mi corazón.
AGRADECIMIENTOS
A mi Asesor, el profesor Christian Encina por el apoyo brindado, las recomendaciones y el

permitirme ampliar mis conocimientos en estadística de la investigación.
A mi Co-asesor, el profesor Víctor Delgado por el apoyo, recomendaciones y paciencia

durante todo el periodo de la investigación, de quién tuve el agrado de aprender mucho
durante mi estadía en la universidad.
A los técnicos de los laboratorios de la Facultad de Industrias Alimentarias de la UNALM,

Erick, Madeleine, Sandra, la Ing. Liz Ávila, el señor Juan del TAPA.
A Milagros Malca, por su apoyo, muestras de ánimo y actitud que me permitieron seguir
avanzando hasta culminar lo propuesto.
A Santiago Flores, su gran amistad, apoyo e incentivos de mejora que fueron un soporte en
mi desarrollo profesional.
A Katty Onofre, por el gran apoyo brindado, los gratos momentos de estudio compartidos y
de quién tuve la oportunidad de aprender.
A los amigos que pude hacer en la universidad, y contribuyeron en mi desarrollo profesional.

ÍNDICE GENERAL
RESUMEN
ABSTRACT
I. INTRODUCCIÓN ........................................................................................................... 1
II. REVISIÓN DE LITERATURA .................................................................................... 3
2.1. PAJURO ...................................................................................................................... 3
2.1.1. CLASIFICACIÓN BOTÁNICA .........................................................................................4
2.1.2. DISTRIBUCIÓN ...................................................................................................................5
2.1.3. CONSUMO Y USOS ............................................................................................................6
2.1.4. SEMILLA ...............................................................................................................................7
2.2. EXTRACCIÓN DE PROTEÍNAS ............................................................................... 8
2.2.1. MÉTODO ALCALINO CON PRECIPITACIÓN ISOELÉCTRICA ............................8
2.3. FACTORES QUE AFECTAN LA EXTRACCIÓN PROTEICA .............................. 9
2.3.1. TEMPERATURA ..................................................................................................................9
2.3.2. TIEMPO..................................................................................................................................9
2.3.3. pH...........................................................................................................................................10
2.3.4. CONCENTRACIÓN DE SAL ..........................................................................................10
2.3.5. TAMAÑO DE PARTÍCULA ............................................................................................10
2.3.6. VELOCIDAD DE AGITACIÓN ......................................................................................11
2.3.7. RELACIÓN MATERIA PRIMA – SOLVENTE ...........................................................11
2.3.8. TIPO DE SOLVENTE ........................................................................................................11
2.4. PROPIEDADES TECNO-FUNCIONALES DE LAS PROTEÍNAS ....................... 13
2.4.1. SOLUBILIDAD ...................................................................................................................13
2.4.2. CAPACIDAD DE ABSORCIÓN DE ACEITE (CAA) .................................................13
2.4.3. CAPACIDAD DE RETENCIÓN DE AGUA (CRA) ....................................................14
2.4.4. CAPACIDAD EMULSIFICANTE (CE) .........................................................................14
2.4.5. CAPACIDAD DE FORMACIÓN DE ESPUMA (CFE) Y ESTABILIDAD (EES) .14
2.5. DISEÑOS FACTORIALES FRACCIONADOS ...................................................... 15
2.5.1. EFECTO ...............................................................................................................................16
2.5.2. ORTOGONALIDAD ..........................................................................................................17
2.5.3. RESOLUCIÓN ....................................................................................................................18
2.5.4. DISEÑOS FRACCIONADOS 2k-p ...................................................................................18
2.5.5. CONSIDERACIONES A TENER EN CUENTA EN DISEÑOS FRACCIONADOS
...........................................................................................................................................................19
2.6. METODOLOGÍA DE SUPERFICIE DE RESPUESTA (MSR) .............................. 20
2.6.1. COMPONENTES DE LA MSR ........................................................................................20
2.6.2. MODELOS EMPLEADOS EN LA MSR ........................................................................21
2.6.3 ETAPAS DE OPTIMIZACIÓN .........................................................................................23
2.6.4. DISEÑOS DE SEGUNDO ORDEN .................................................................................24
III. METODOLOGÍA ....................................................................................................... 25
3.1. LUGAR DE EJECUCIÓN ........................................................................................ 25
3.2. MATERIA PRIMA ................................................................................................... 25
3.3. EQUIPOS, MATERIALES Y REACTIVOS............................................................ 25
3.3.1. EQUIPOS .............................................................................................................................25
3.3.2. MATERIALES ....................................................................................................................26
3.3.3. REACTIVOS .......................................................................................................................26
3.4. MÉTODOS DE ANÁLISIS ...................................................................................... 27
3.4.1. ANÁLISIS QUÍMICO PROXIMAL ................................................................................27
3.4.2. PROTEÍNA SOLUBLE ......................................................................................................27
3.4.3. PROPIEDADES TECNO-FUNCIONALES DEL AISLADO PROTEICO ...............28
3.4.4. EXTRACCIÓN ....................................................................................................................31
3.5. METODOLOGÍA EXPERIMENTAL ...................................................................... 31
3.5.1. OBTENCIÓN DE LA HARINA DE SEMILLAS DE PAJURO .................................31
3.5.2. EXTRACCIÓN ALCALINA ............................................................................................34
3.6. DISEÑO EXPERIMENTAL ..................................................................................... 36
3.6.1. ETAPA 1: CARACTERIZACIÓN DE LA HARINA DE SEMILLAS DE PAJURO
...........................................................................................................................................................37
3.6.2. ETAPA 2: DETERMINACIÓN DE LOS FACTORES Y PARÁMETROS QUE
MAXIMIZAN EL PORCENTAJE DE PROTEÍNA SOLUBLE RECUPERADO ..............37
3.6.3. ETAPA 3: CARACTERIZACIÓN DEL AISLADO PROTEICO ...............................39
3.7. ANÁLISIS ESTADÍSTICO ...................................................................................... 39
IV. RESULTADOS Y DISCUSIÓN ................................................................................ 40
4.1. ETAPA 1: CARACTERIZACIÓN DE LA HARINA DE SEMILLAS DE PAJURO
............................................................................................................................................. 40
4.1.1. ANÁLISIS QUÍMICO PROXIMAL ................................................................................40
4.2. ETAPA 2: DETERMINACIÓN DE LOS FACTORES Y PARÁMETROS QUE
MAXIMIZAN LA RECUPERACIÓN DE PROTEÍNAS SOLUBLES ............................. 43
4.2.1. SCREENING .......................................................................................................................43
4.2.2. OPTIMIZACIÓN ................................................................................................................52
4.2.3. VALIDACIÓN DEL MODELO .......................................................................................58
4.3. ETAPA 3: CARACTERIZACIÓN DEL AISLADO PROTEICO ........................... 59
4.3.1. PROPIEDADES TECNO-FUNCIONALES ...................................................................59
4.3.2. ÍNDICE DE BLANCURA (IB) .........................................................................................70
4.3.3. COMPOSICIÓN, RECUPERACIÓN PROTEICA Y RENDIMIENTO DEL
AISLADO PROTEÍCO DE SEMILLAS DE PAJURO ............................................................71
4.3.4. USOS RECOMENDADOS DEL AISLADO PROTEICO DE SEMILLAS DE
PAJURO ..........................................................................................................................................72
V. CONCLUSIONES ........................................................................................................ 73
VI. RECOMENDACIONES ............................................................................................. 74
VII. BIBLIOGRAFÍA ....................................................................................................... 75
VIII. ANEXOS ................................................................................................................... 91
ÍNDICE DE TABLAS
Tabla 1: Composición químico proximal de las semillasa y harina de pajurob ..................... 7

Tabla 2: Condiciones de extracción que maximizan la extracción de proteína en diferentes
fuentes vegetales .................................................................................................................. 12
Tabla 3: Dos posibles diseños fraccionados 23-1 ................................................................. 17
Tabla 4: Efectos en los diseños factoriales 2k...................................................................... 19
Tabla 5: Factores y sus niveles utilizados en la etapa de screening .................................... 38
Tabla 6: Número y combinaciones evaluadas. .................................................................... 38
Tabla 7: Factores y sus niveles evaluados en la etapa de Optimización ............................. 39
Tabla 8: Análisis químico proximal de la harina de semillas de pajuro .............................. 40
Tabla 9: Respuesta experimental (observado) y estimado en la etapa de screening ........... 43
Tabla 10: Resultados del Análisis de Varianza del diseño fraccionado 26-3 utilizado en la
etapa de screening ............................................................................................................... 44
Tabla 11: Diseño Box-Behnken, respuesta experimental (observado) y estimado en la etapa
de Optimización ................................................................................................................... 53
Tabla 12: Resultados del Análisis de Varianza del modelo cuadrático en la etapa de
Optimización ....................................................................................................................... 55
Tabla 13: Valor predicho y experimental del porcentaje de recuperación de proteínas
solubles bajo condiciones óptimas ...................................................................................... 59
Tabla 14: Prueba T-Student para la etapa de Validación..................................................... 59
Tabla 15: Composición del aislado proteico, rendimiento y recuperación proteica de
extracción............................................................................................................................. 71
ÍNDICE DE FIGURAS
Figura 1: Vainas de Pajuro (A); Árbol (B) ............................................................................ 3

Figura 2: Semillas de pajuro .................................................................................................. 4
Figura 3:Distribución geográfica de Erythrina edulis Triana en Sudamérica ....................... 5
Figura 4: Distribución geográfica de Erythrina edulis Triana en el Perú ............................. 6
Figura 5: Representación de los diseños fraccionados 23-1.................................................. 16
Figura 6: Superficies de respuesta: a) descrita por un modelo de primer orden; b), c) y d)
descritas por modelos de segundo orden ............................................................................. 22
Figura 7: Flujograma de operación para la obtención de harina de semillas de pajuro ...... 33
Figura 8: Flujograma de operación para la obtención de aislado proteico de semillas de
pajuro ................................................................................................................................... 35
Figura 9: Esquema experimental desarrollado .................................................................... 36
Figura 10: Diagrama de Pareto de los efectos principales durante la extracción de proteínas
solubles en la etapa de screening ......................................................................................... 45
Figura 11: Gráficos de diagnóstico para la comprobación de la adecuación del modelo.
Gráfico de probabilidad normal (a), los residuos frente al número de ejecuciones (b), y la
predicción frente a la realidad (c) ........................................................................................ 54
Figura 12: Gráficos de las superficies de respuesta y contornos para los efectos de:
Temperatura vs Tiempo (a); MP/S vs Tiempo (b) y Temperatura vs MP/Solvente (c) ...... 57
Figura 13: Variación de la CFE del aislado de proteína de pajuro a diferentes pH ............ 60
Figura 14: Variación de la EES (%) del aislado de proteína de pajuro en el tiempo (min) a
diferentes pH........................................................................................................................ 62
Figura 15: Variación de la CRA (g H2O/g aislado) a diferentes pH ................................... 64
Figura 16: Variación de la solubilidad del aislado de proteína pajuro a diferentes pH ....... 66
ÍNDICE DE ANEXOS
ANEXO 1: CURVA ESTÁNDAR DE ALBÚMINA DE SUERO BOVINA .................... 91

ANEXO 2: ESTABILIDAD DE ESPUMA LUEGO DE 50 min ....................................... 91
ANEXO 3: CAPACIDAD DE EMULSIFICACIÓN.......................................................... 92
ANEXO 4: USO DEL MOLINO ROTOR PARA LA MOLIENDA DE PAJURO ........... 92
ANEXO 5: EXTRACCIÓN PROTEICA DE LA HARINA DE SEMILLAS DE PAJURO
............................................................................................................................................. 92
ANEXO 6: PROTEÍNA SOLUBILIZADA LISTA PARA LA PRECIPITACIÓN ........... 93
ANEXO 7: SOLUCIÓN PROTEICA AJUSTADA A pH ISOELÉCTRICO .................... 93
ANEXO 8: COÁGULO PROTEICO LUEGO DE SER CENTRIFUGADO ..................... 93
ANEXO 9: ACONDICIONAMIENTO DE MUESTRAS A LIOFILIZAR ....................... 94
ANEXO 10: MUESTRA ANTES Y DESPUÉS DEL SECADO POR LIOFILIZACIÓN 94
ANEXO 11: CÁLCULO DEL PORCENTAJE DE PROTEÍNA SOLUBLE
RECUPERADO EN LA ETAPA DE SCREENING ........................................................... 95
ANEXO 12: ANÁLISIS DE VARIANZA DEL DISEÑO FRACCIONADO 26-3
UTILIZADO EN LA ETAPA DE SCREENING ................................................................ 96
RECUPERADO EN LA ETAPA DE OPTIMIZACIÓN .................................................... 97
ANEXO 14: ANÁLISIS DE VARIANZA DEL MODELO CUADRÁTICO EN LA ETAPA
DE OPTIMIZACIÓN ........................................................................................................ 100
ANEXO 15: ANÁLISIS DE VARIANZA PARA LA CAPACIDAD DE FORMACIÓN DE
ESPUMA (CFE) ................................................................................................................ 101
ANEXO 16: ANÁLISIS DE VARIANZA PARA LA ESTABILIDAD DE ESPUMA (EES)
DESPUES DE 2 h ............................................................................................................. 101
ANEXO 17: ANÁLISIS DE VARIANZA PARA LA CAPACIDA DE RETENCIÓN DE
AGUA (CRA) .................................................................................................................... 102
ANEXO 18: ANÁLISIS DE VARIANZA PARA LA SOLUBILIDAD .......................... 102
RESUMEN
La presente investigación tuvo como objetivo determinar las condiciones óptimas de

extracción de proteínas de semillas de pajuro (Erythrina edulis Triana). La optimización fue
llevada a cabo en tres etapas. La primera etapa consistió en realizar el screening
considerando seis factores (tiempo, velocidad de agitación, temperatura, relación materia
prima/solvente (MP/S), pH y concentración de NaCl) mediante un diseño fraccionado 2k-3
(k=6) con el objetivo de evaluar los efectos de los mismos sobre la extracción de proteína
expresada en g de proteína soluble/g de proteína total. Siendo tres los factores significativos:
tiempo, temperatura y relación MP/S. La segunda etapa consistió en optimizar la extracción
proteica mediante el uso de un diseño Box-Behnken por el cual se generó un modelo de
segundo orden con un coeficiente de determinación R2=0.9976. Las condiciones óptimas
obtenidas para la relación MP/S, temperatura y tiempo fueron 1/49 g/mL, 23 °C y 16 min,
respectivamente. En la tercera etapa se validó el modelo obtenido con la Metodología de
Superficie de Respuesta (MSR). El porcentaje de recuperación de proteína soluble fue de
92.70 por ciento no mostrando diferencias significativas respecto al valor teórico (92.87),
así mismo el rendimiento proteico del proceso fue 12.22 por ciento. Finalmente, se realizaron
pruebas de caracterización tecno-funcional al aislado proteico obtenido, cuyos resultados
fueron: capacidad de formación de espuma, 103.33 por ciento a pH 8; estabilidad máxima
de espuma, 60.88 por ciento a pH 6; capacidad de retención de agua, 3.53 g H2O/g aislado a
pH 8; solubilidad máxima, 43.64 por ciento a pH 8; capacidad de absorción de aceite, 2.4
aceite/g aislado; capacidad de emulsificación, de 68.67 por ciento; estabilidad de
emulsificación, 91.30 por ciento e índice de blancura, 75.35 por ciento. Las condiciones de
optimización obtenidas fueron favorables obteniéndose un aislado proteico con 92.45 por
ciento de pureza.
Palabras clave: Pajuro, proteína, optimización, extracción, rendimiento, MSR.

ABSTRACT
The objective of the present research was to evaluate the optimal conditions for the extraction
of proteins from pajuro seeds (Erythrina edulis Triana). The optimization was carried out in
three phases. The first phase was to screen six factors (time, agitation speed, temperature,
flour/solvent ratio (MP/S), pH and NaCl concentration) using a 2k-3 fractional design (k=6)
with aimed of evaluating their effects on protein extraction expressed in g soluble protein/g
total protein. Being three the significant factors: time, temperature and MP/S ratio. The
second phase consisted of optimizing protein extraction by using Box-Behnken design was
applied which was generated by a second order model with a coefficient of determination
R2= 0.9976. The optimal conditions obtained for the MP/S ratio, temperature and time were
1/49 g/mL, 23 °C and 16 min, respectively. In the third phase, the model obtained with the
Response Surface Methodology (MSR) was validated. The percentage of soluble protein
recovery was 92.70, showing no significant differences with respect to the theoretical value
(92.87), likewise, the protein yield of the process was 12.22 percent. Finally, characterization
tests were carried out on the protein isolate obtained, whose results were: foaming capacity,
103.33 percent at pH 8; maximum foam stability, 60.88 percent at pH 6; water holding
capacity, 3.53 g H2O/g isolate at pH 8; maximum solubility, 43.64 percent at pH 8; oil
absorption capacity, 2.4 g oil/g isolate; emulsification capacity, 68.67 percent;
emulsification stability, 91.30 percent and whiteness index, 75.35 percent. The optimization
conditions obtained were favorable, obtaining a protein isolate with 92.45 percent purity.
Keywords: Pajuro, protein, optimization, extraction, yield, MSR

I. INTRODUCCIÓN
Durante los últimos años conceptos como seguridad alimentaria, sostenibilidad ambiental y
alimentación saludable han pasado a ser temas de importancia para la humanidad, y es que
la población mundial ha crecido a un ritmo preocupante desde principios del presente siglo
y se pronostica que la demanda de proteínas animales se cuadriplicará para el año 2050 lo
que plantea preocupaciones sobre la gestión de alimentos y el desarrollo sostenible (FAO,
2017; Bessada et al., 2019; Ahmed et al., 2021; Delgado-Soriano et al., 2022).
Por otro lado, las alternativas de origen vegetal están cobrando impulso a tal punto que
actualmente cubren dos tercios de todas las proteínas dietéticas del planeta, debido a la
tendencia de los consumidores a reducir o evitar el consumo de productos de origen animal
en sus dietas por motivos medioambientales, éticos y/o de salud; siendo las legumbres una
buena alternativa debido a su contenido de proteínas y otros nutrientes (Delgado-Soriano et
al., 2020; Adeva-Andany et al., 2022; Baune et al., 2022).
Las semillas de pajuro (Erythrina edulis Triana), representan, por lo tanto, una alternativa
de consumo dado su alto contenido proteico (20 por ciento) y la presencia de aminoácidos
esenciales (Delgado, 2018; Palma-Albino et al., 2021). Sin embargo, aunque estas semillas
pueden ser una fuente alimenticia importante, su consumo y comercialización se ve limitada
por el desconocimiento de su existencia, siendo conocido en su mayoría por lugareños
cercanos a la zona de cultivo (Escamilo, 2012).
En la literatura es posible encontrar resultados de investigaciones respecto a la extracción

alcalina de proteínas de semillas de pajuro (Orihuela, 2017; Arango et al., 2012) obtención
de péptidos bioactivos (Guerra-Almonacid et al., 2019; Palma-Albino et al., 2021),
hidrolizadoproteicos (Villafuerte et al., 2019) y evaluación de la calidad proteica in vivo
(Pérez, 1979; Delgado-Soriano et al., 2022). Sin embargo, no existe evidencia científica
sobre la optimización de los factores, parámetros idóneos y exclusivos para la extracción de
proteínas de pajuro y de su caracterización tecno-funcional proteica que pueda dar indicios
de su campo de aplicación.
Por todo lo antes mencionado, el objetivo principal de la presente investigación fue:
• Optimizar el proceso de extracción de proteínas de semillas de pajuro (Erythrina edulis

Triana).
Así también, los objetivos secundarios o específicos fueron:
• Determinar la composición químico proximal de la harina de semillas de pajuro.

• Determinar las propiedades tecno-funcionales del aislado proteico resultante.
• Determinar el índice de blancura de la harina y aislado proteico resultante.
2
II. REVISIÓN DE LITERATURA
2.1. PAJURO
El pajuro (Erythrina edulis Triana) es una planta de naturaleza leñosa con presencia de
vainas tal y como lo muestra la Figura 1; pertenece taxonómicamente a la familia Fabaceae
(Escamilo, 2012; GBIF (Global Biodiversity Information Facility) Backbone Taxonomy,
2022). Entre las diferentes especies de esta planta la Erythrina edulis Triana es la única
especie comestible (Delgado-Soriano et al., 2022; Velásquez et al., 2019).
En Perú recibe el nombre de basul, pajuro, antiporoto, pashuro, pashigua, poroto, anteporoto,
y pisonay; en Venezuela es conocido como: frijol mompás balú, y bucaré; en Ecuador recibe
el nombre de guato, sachaporoto, zapote de cerro, frijol de monte, pashullo, poroto y porotón;
en Colombia como balú, baluy, chaporuto, sachafruto y en Bolivia se le dice sachahabas
(Acero, 2002).
A B
Figura 1: Vainas de Pajuro (A); Árbol (B)

FUENTE: GBFI Backbone Taxonomy (2022)
Aunque antiguamente el pajuro era muy consumido, en las últimas décadas ha sido
considerado un cultivo subutilizado (término que hace referencia a aquellos cultivos con
poca comercialización y consumo, con importancia en el pasado, pero que en la actualidad
no tienen el mismo impacto), debido a que el conocimiento sobre el mismo (presente en la
población de antaño) se ha ido perdiendo y como consecuencia la población actual carece
de información para poder darle un adecuado uso (Escamilo, 2012; Pastor et al., 2006). La
Figura 2 presenta las semillas de pajuro.
Figura 2: Semillas de pajuro

FUENTE: Delgado-Soriano et al. (2022)
2.1.1. CLASIFICACIÓN BOTÁNICA
Según el GBFI Backbone Taxonomy (2022) el pajuro presenta la siguiente clasificación

botánica:
Reino: Plantae
Filo: Tracheophyta
Clase: Magnoliopsida
Orden: Fabales
Familia: Fabaceae
Género: Erythrina L.
Especie: Erythrina edulis, Triana
Nombre común: “Pajuro”, “Poroto”, “Chachafruto”.
4
2.1.2. DISTRIBUCIÓN
Es una especie originaria de la zona subandina encontrado usualmente cerca a los cafetales,
es originario de Sudamérica y parte de Centroamérica tal y como lo muestra la Figura 3,
comprendiendo los siguientes países: Colombia, Ecuador, Perú y Panamá a una altura
comprendida entre los 1500 a 1700 m.s.n.m. (GBFI Backbone Taxonomy, 2022; Tapia y
Fries, 2007; Velásquez et al., 2019).
Figura 3: Distribución geográfica de Erythrina edulis Triana en Sudamérica

FUENTE: GBFI Backbone Taxonomy (2022)
En el Perú se han encontrado restos sembrados por los Incas en las zonas andinas, así mismo
se ha reportado su cultivo en los departamentos de Amazonas, San Martín, Cajamarca, La
Libertad, Ancash, Huánuco, Junín, Pasco, Apurímac, Ayacucho y Cuzco, tal y como lo
5
muestra la Figura 4; sin embargo, en muchos de los departamentos mencionados tanto su
consumo y cultivo han disminuido debido a la pérdida de conocimiento sobre este árbol
(Aredo et al., 2017; GBFI Backbone Taxonomy, 2022; MINAGRI, 2010; Velásquez et al.,
2019).
Figura 4: Distribución geográfica de Erythrina edulis Triana en el Perú

FUENTE: GBIF Backbone Taxonomy (2022)
2.1.3. CONSUMO Y USOS
Barrera y Mejía (1998) mencionan que existe evidencia de preparaciones con pajuro
(semilla) en Cauca (Colombia) por parte de la población adulta-anciana en platos como
pajuro sancochado con sal, sopa y arepas, añaden que, la población joven por lo general
desconoce de la preparación de platos en base a pajuro. En Perú se ha reportado el consumo
de pajuro (semilla) entre las zonas de Huamachuco y Cajamarca en entradas (solterito,
ensaladas con palta, ensaladas con brócoli y zanahoria), sopas (sopa con pajuro licuado, sopa
6
de pajuro con hierbas, crema de pajuro acompañado de pan tostado), platos de fondo (pajuro
guisado con arroz, torreja de pajuro, croquetas de pajuro con carne molida, puré de pajuro),
platos dulces (mazamorra de pajuro endulzado con chancaca, dulce de pajuro) y bebidas
(refresco de pajuro y chicha de pajuro) (Escamilo, 2012).
Entre otros usos reportados se encuentran los siguientes: en la medicina tradicional, al tratar
diversas afecciones, tales como: quemaduras del arco, hemorroides, abscesos, ulceras, sífilis,
diarrea, hepatitis, gonorrea, lepra, dermatitis, migraña, infecciones urinarias, respiratorias,
de ojos, piel y garganta; finalmente se ha reportado su uso como fuente de proteínas para los
animales, aprovisionador de nitrógeno al suelo, barreras cortavientos y fuente de leña a partir
del tronco de la planta (Delgado-Soriano et al., 2022; Padilla, 1995; Velásquez et al., 2019).
2.1.4. SEMILLA
a. COMPOSICIÓN QUÍMICO PROXIMAL
Las semillas de pajuro destacan principalmente por su bajo contenido en grasas y su notable
contenido de proteínas, tal y como se aprecia en la Tabla 1.
Tabla 1: Composición químico proximal de las semillasa y harina de pajurob
Componente (%) Semilla1 Harina1

Proteína cruda 21.10±0.12 21.7±0.04
Fibra 2.86±0.03 -
Ceniza 4.91±0.19 2.69±0.03
Grasa 0.54±0.02 3.01 ±0.01
Carbohidratos 70.59±0.20 72.60±0.03
1
Expresado como el promedio ± desviación estándar (DS)
FUENTE: Delgado-Soriano et al. (2022)a y Silva et al. (2015)b
Otros autores destacan el valor proteico del pajuro y reportan valores que oscilan entre 18.30
a 24.2 por ciento (Delgado, 2018., 2013; Silva et al., 2015).
7
2.2. EXTRACCIÓN DE PROTEÍNAS
Existen numerosos métodos de extracción que tienen como objetivo separar la proteína de
otras sustancias que no son de interés y para llevarlo a cabo se hace uso de principios físico-
químicos tales como el pH de solubilización, el tamaño de partícula (ultrafiltración), la
afinidad hacia ciertas enzimas, entre otros (Castel, 2010).
Dependiendo de la pureza de la proteína extraída estas pueden denominarse concentrados o

aislados; un aislado proteico es definido como aquel material caracterizado por contener
entre 90-95 por ciento de proteínas; mientras que un concentrado de 25-89 por ciento
(Poveda, 2013). Para llegar al contenido proteico requerido como mínimo, se suele eliminar
de los concentrados proteicos los polisacáridos, los oligosacáridos residuales y algunas otras
sustancias ajenas a las proteínas usualmente mediante el uso de solventes a fines a los
mismos con poca afinidad a la proteína (Fennema et al., 2010). Los aislados proteicos
provenientes de leguminosas aún pueden contener ciertos compuestos de bajo peso
molecular como saponinas, fosfolípidos, isoflavonas y algunos glucósidos (Badui, 2013);
por esa razón se recomienda que para que sean incorporados como ingredientes en la
alimentación humana los aislados proteínicos deben de contener una baja presencia de
compuesto antinutricionales, fibra cruda, alto valor biológico, digestibilidad y una
composición balanceada de aminoácidos (Bonino et al., 2016; Delgado, 2018).
2.2.1. MÉTODO ALCALINO CON PRECIPITACIÓN ISOELÉCTRICA
a. PRIMERA ETAPA
La extracción por este método tiene como primera etapa solubilizar las proteínas en medio
alcalino a fin de favorecer su separación del resto de compuestos no solubles como es el caso
de los glúcidos insolubles, posteriormente la proteína solubilizada es separada por
centrifugación siendo la fracción inferior de consistencia pastosa la que se desecha
(Hadnadjev et al., 2017). Badui (2013) menciona que los factores que intervienen en esta
etapa son: proporción entre solvente, temperatura, tiempo, y el pH del medio.
8
b. SEGUNDA ETAPA
El extracto obtenido en la etapa anterior se acidifica a pH isoeléctrico, esta acción permite

que la mayor parte de la proteína precipite y se separe del suero por centrifugación, como
operación posterior la proteína purificada es lavada y neutralizada con NaOH para su
resolubilización (Badui, 2013). Una alternativa a la precipitación isoeléctrica es la
separación por ultrafiltración en la cual las moléculas solubles no proteicas de bajo peso
molecular atraviesan la membrana y constituyen el permeado, mientras que las proteínas son
retenidas; el principal beneficio de esta técnica es que permite recuperar no solo las proteínas
insolubles en el punto isoeléctrico sino también las solubles y preservar de mejor forma las
propiedades tecno-funcionales de las mismas (Hadnadjev et al., 2017).
Para obtener aislados proteicos en forma de polvo, se debe eliminar la mayor cantidad de
agua posible siendo la liofilización y la atomización alternativas de secado (Breña, 2018;
Bonino, et al., 2016).
2.3. FACTORES QUE AFECTAN LA EXTRACCIÓN PROTEICA
2.3.1. TEMPERATURA
El incremento de temperatura durante la extracción puede mejorar las propiedades de

solubilidad, emulsión y espuma, sin embargo, en muchos casos dicho incremento puede
dificultar la extracción e incluso desnaturalizar la proteína si la temperatura es demasiada
alta (>70 °C) (Badui, 2013; Preece et al., 2017). En procesos de extracción de proteína
vegetal se reportan valores óptimos de extracción en el rango de 21-50 °C (Mera, 2018;
Mercado et al., 2015; Molina, 2018) lo cual sugiere un comportamiento variado por parte de
la proteína proveniente de diferentes fuentes.
2.3.2. TIEMPO
Los tiempos de extracción proteica son variables y ejercen impacto en la cantidad de proteína
extraída debido a que una mayor magnitud del mismo favorece una mayor difusión de la
9
proteína al solvente (Geankoplis, 2018). Generalmente se suele buscar el tiempo en el cual
se pueda extraer la máxima cantidad de proteínas al menor costo posible (Badui, 2013).
2.3.3. pH
Es uno de los factores más importantes pues de este depende la solubilización y

precipitación; cada proteína es diferente y presenta pH de solubilidad y precipitación
diferentes, sin embargo, para el caso de los vegetales los valores de solubilización oscilan
entre pH alcalinos mientras que los de precipitación en pH ácidos (Fennema et al., 2010). El
tratamiento alcalino en proteínas vegetales busca no solo solubilizar las proteínas sino
también aumentar el potencial tecnológico y mejorar las propiedades tecno-funcionales
(Badui, 2013).
Si el pH es demasiado elevado puede ser negativo y se pueden generar impactos negativos

como la hidrólisis de las proteínas, racemización de aminoácidos, formación de compuestos
tóxicos como la lisinoalanina, pérdida de aminoácidos esenciales y disminución del valor
nutritivo (Luna, 2019).
2.3.4. CONCENTRACIÓN DE SAL
Son dos los efectos que pueden ejercer las sales al estar en contacto con las proteínas:
producir interacciones electroestáticas con los residuos de aminoácidos cargados los cuales
pueden tener un efecto positivo aumentando la solubilidad de las proteínas siempre y cuando
la concentración sea baja, este efecto es denominado “salting in” y depende del tipo de sal y
la naturaleza de la proteína; como segundo efecto se encuentra el efecto “salting out” que
causa la precipitación de las proteínas del medio cuando la concentración de sal es alta
(Fennema et al., 2010).
2.3.5. TAMAÑO DE PARTÍCULA
Cuando el tamaño de partícula disminuye el área de contacto incrementa y se convierte en

un factor favorable de extracción, sin embargo, se tiene que considerar que un tamaño
10
excesivamente pequeño puede causar el apelmazamiento de los sólidos dificultando la
extracción (Ramírez et al., 2016; Sari et al., 2015).
2.3.6. VELOCIDAD DE AGITACIÓN
La velocidad de agitación tiene efecto en procesos de extracción, si esta incrementa, el

coeficiente de materia en la interfase sólido-líquido también lo hará ocasionando una mayor
transferencia de masa y mejores resultados de extracción; así mismo esta operación evita la
sedimentación y conglomeración de las partículas sólidas presentes (Ramírez et al., 2016;
Vega et al., 2017).
2.3.7. RELACIÓN MATERIA PRIMA – SOLVENTE
La cantidad de solvente debe ser aquella que permita la solubilización de todas las proteínas
presentes de tal forma que se evite la saturación, una correcta relación propiciará una
transferencia de masa adecuada mejorando el rendimiento de extracción, así mismo se debe
considerar también que este factor no sigue un comportamiento lineal (Badui, 2013;
Fennema et al., 2010).
2.3.8. TIPO DE SOLVENTE
Usualmente el solvente más usado en extracción proteica es el agua con adición de NaOH
para llegar a pH alcalino, entre sus beneficios se encuentran que a comparación de los
alcoholes no es inflamable, explosivo o tóxico, sin embargo, existe la desventaja de que el
álcali restante necesita ser lavado completamente del producto final, lo que lleva a la
generación de una gran cantidad de aguas residuales por ello se está en búsqueda de solventes
menos contaminantes (Tan et al., 2011). Otros tipos de solventes son: tris HCl, etanol, fenol,
ácido acético, ácido glacial acético y acetato de amonio (Martínez et al., 2013).
La Tabla 2 presenta condiciones óptimas de extracción para proteínas de diferentes fuentes

vegetales. Los rendimientos de extracción dependen de las condiciones de extracción, y
llegar a la condición óptima es el objetivo buscado por diferentes investigadores, solo para
el caso puntual de la harina de sacha inchi se usó una solución de 1.65 M de NaCl.
11
Tabla 2: Condiciones de extracción que maximizan la extracción de proteína en diferentes fuentes vegetales
Extracción Precipitación Recuperación

Tamaño Velocidad de proteína
Materia prima pH Temperatura Tiempo de Relación de pH Soluble (S)
(°C) (min) partícula MP/S agitación Proceso (P)
(µm) (RPM) %
Pajuro (1) 9 60 90 - 1/10 - 4.5 14.73 (P)
Pajuro (2) - - 60 - 1/40 - - 62.00 (S)
(3)
Cañihua 11 21 5 <500 1/37 200 - 88.15 (S)
Sacha Inchi (4) 9.5 54 15 <500 1/42 250 - 30.23 (P)
Tarwi (5) 10.5 50 60 <300 1/25 - 4.6 57.80 (P)
Quinua blanca (6) 9 50 60 <250 1/10 - 5 89.88 (S)
(7)
Quinua Roja 8 50 60 <250 1/10 - 3 83.62 (S)
Arveja (8) 8 - 60 - 1/10 400 6 -
Lenteja (9) 8 23 60 - 1/9 - 4.2 14.50 (P)
Soya (10) 10.2 Ambiente 30 850 1/9 200 - -
(11)
Garbanzo 11.5 60 - 1/10 - 4.5 -
Maní (12) 8.5 45 40 - 1/7 - - 85.29 (S)
Pallar (13) 8 Ambiente 60 - 1/10 - 6 32.58 (P)
Haba (14) 9 50 60 200 1/10 - 4.5 13.00 (P)
(15)
Frijol mungo 8.97 31.74 33.24 - 1/10 - 4.4 77.60 (S)
FUENTE: (1) Orihuela (2017); (2) Arango et al. (2012); (3) Mera (2018); (4) Aquino (2015); (5) Breña (2018); (6) (7) Molina (2018); (8) Vallejos (2018); (9) Jarpa-
Parra et al. (2014); (10) Yongjae et al. (2015); (11) Yu-Wei et al. (2015); (12) Ismail et al. (1991); (13) Tello (2018); (14) Flores et al. (2016); (15) Wang et al. (2011).
2.4. PROPIEDADES TECNO-FUNCIONALES DE LAS PROTEÍNAS
Las características tecno-funcionales de las proteínas dependen de las propiedades físicas y

químicas que se afectan durante el procesamiento, almacenamiento, preparación y consumo
del alimento; estas propiedades son una manifestación de dos aspectos moleculares de las
proteínas: propiedades hidrodinámicas y propiedades relacionadas con la superficie (Badui,
2013).
2.4.1. SOLUBILIDAD
Definida como la manifestación termodinámica del equilibrio entre las interacciones de

proteína-proteína y proteína-disolvente (Fennema et al., 2010). La solubilidad es uno de los
atributos más importantes de las proteínas porque tiene impacto directo en las demás
propiedades tecno-funcionales y está influenciada por el pH, fuerza iónica y naturaleza del
solvente. (Badui, 2013; Chaquilla et al., 2017).
Badui (2013) menciona que las proteínas pueden clasificarse por su solubilidad de la
siguiente forma:
• Albúminas: Soluble en agua a pH 6.6 (albúmina sérica, ovoalbúmina y α-lactoalbúmina).

• Globulinas: Soluble en soluciones salinas diluidas a pH 7.0 (glicinina, faseolina y β-
lactoglobulina).
• Glutelinas: Soluble en soluciones ácidas a pH 2 y alcalinas a pH 12 (glutelinas de trigo).
• Prolaminas: Solubles en etanol al 70 por ciento (zeína, gluten de maíz y las gliadinas del
trigo).
2.4.2. CAPACIDAD DE ABSORCIÓN DE ACEITE (CAA)
Esta propiedad está ligada principalmente al entrampamiento físico de los lípidos por parte
de la proteína y es ampliamente apreciada en sustitutos de carne porque mejora la retención
del sabor y como consecuencia la sensación en la boca se hace más agradable (Klupsaite et
13
al., 2015). La CAA está relacionada con la unión de cadenas laterales apolares de la proteína
presente con las cadenas hidrocarbonadas del aceite (Schoeneberger et al., 2015).
2.4.3. CAPACIDAD DE RETENCIÓN DE AGUA (CRA)
Caracterizada por determinar la capacidad de la proteína de atrapar las moléculas de agua y

retenerlas (Atalah y Araya, 2011). Dicha capacidad depende de factores intrínsecos (tipo de
polímero, peso molecular, linealidad entre otros) y extrínsecos (pH, fuerza iónica,
temperatura, presencia de ciertos cationes, etc.) (Badui, 2013).
2.4.4. CAPACIDAD DE FORMACIÓN DE ESPUMA (CFE) Y ESTABILIDAD (EES)
La CFE en una proteína es definida como el área interfacial que puede ser creada por la
espuma, se puede expresar de diversos modos como volumen de gas incorporado, porcentaje
relativo al volumen inicial de líquido, entre otros (Badui, 2013). Así mismo, la EES es la
capacidad de estabilizarla frente a esfuerzos mecánicos – gravitatorios y suele expresarse en
términos del tiempo necesario para que drene el 50 por ciento del líquido contenido o para
que el volumen de la espuma disminuya al 50 por ciento (Fennema et al., 2010).
2.4.5. CAPACIDAD EMULSIFICANTE (CE)
La capacidad emulsificante es el volumen (mL) de aceite que puede ser emulsificado por
gramo de proteína, es un ensayo en el que se añade aceite paulatinamente y se reporta el
volumen adicionado antes de que ocurra la inversión de la fase, caracterizada por una
inversión de la emulsión de aceite en agua hacia agua en aceite (Badui, 2013).
Las propiedades de las emulsiones estabilizadas por las proteínas se ven afectadas por
diversos factores, unos intrínsecos (pH, la fuerza iónica, la temperatura, la presencia de
agentes tensoactivos de bajo peso molecular y azúcares, el volumen de la fase oleosa, el tipo
de proteína y el punto de fusión de la fase grasa usada) y otros extrínsecos (como el equipo,
el consumo de energía por unidad de tiempo y la velocidad de deformación por cizalladura)
14
2.5. DISEÑOS FACTORIALES FRACCIONADOS
Los diseños factoriales fraccionados son diseños experimentales que permiten reducir el
número de tratamientos que usualmente se realizaría en los diseños factoriales completos,
los cuales suelen contener información en exceso (Gutiérrez, 2012). Ejemplificando, si fuese
el caso de tener un diseño factorial completo 28 serían necesarios 256 ensayos, el número de
ensayos obtenidos sumado al hecho de realizar cada ensayo por duplicado o triplicado
conllevaría a que el número de corridas sea demasiado grande y en muchos casos demande
mayor tiempo, materiales y dinero (Montgomery, 2004).
La teoría de los diseños fraccionados se basa en la jerarquización: son más importantes las
interacciones principales, seguidas por las interacciones dobles, triples, cuádruples y,
finalmente las de orden superior (Melo et al., 2020). No siempre todos los factores en un
experimento son significativos, por lo cual es necesario en muchos casos llevar a cabo una
pre-etapa de tamizado o exploración que permita identificar los factores más significativos
y prestar especial atención en las mismas (Gutiérrez, 2012). El éxito del diseño dependerá
de su correcto uso, no es recomendable para experimentos en los cuales los factores son
pocos, puesto que puede conllevar a la pérdida de información relevante, así mismo se
recomienda este diseño como apoyo y antelación de otro más robusto (Montgomery, 2004).
Fernández (2020) menciona que es necesario considerar los siguientes puntos al usar diseños
fraccionados:
1. Dispersión de efectos: En un modelo con muchos factores es posible que solo

algunos de los efectos principales e interacciones de bajo orden sean significativos.
2. Proyección: Los diseños factoriales pueden proyectarse en diseños más completos

en el subconjunto de factores significativos.
3. Experimentación secuencial: Se puede combinar las corridas de 2 experimentos

factoriales fraccionados para estimar los efectos principales y las interacciones de
interés.
15
2.5.1. EFECTO
El efecto de un factor es el cambio observado en la variable respuesta debido a un cambio

de nivel en dicho factor, un efecto con interés primario en el experimento se considera
principal (Melo et al., 2020). En particular este tipo de efectos se da si los cambios en la
media del factor se deben a la acción individual de cada factor, así mismo se considera efecto
de interacción cuando el efecto de un factor depende del nivel en que se encuentra el otro
(Gutiérrez, 2012; Montgomery, 2004).
La reducción del número de tratamientos en un diseño fraccionados tal y como lo muestra

la Figura 5 está fundamentado en parte en la existencia de efectos alias en un experimento,
se considera un efecto alias a dos o más efectos con nombres diferentes que comparte el
mismo contraste y como consecuencia determinan el mismo efecto (Gutiérrez, 2012).
Usualmente se busca que los efectos potencialmente importantes sean alias de efectos poco
importantes (Montgomery, 2004).
Figura 5: Representación de los diseños fraccionados 23-1

FUENTE: Gutiérrez (2012)
Considerando que se tiene un diseño 23-1 entonces el número de efectos posibles a estimar
para la fracción 1 o 2 tal y como lo muestra la Tabla 3 serían 6: A, B, C (interacciones
principales), AB, AC, y BC (interacciones dobles) ambos diseños fraccionados 1 y 2 son
válidos y proporcionan la misma calidad de información sobre los efectos potencialmente
importantes (Gutiérrez, 2012). Es importante señalar que no es posible determinar la
16
interacción triple ABC puesto que según su jerarquía es el efecto menos importante y más
sacrificable (Melo et al., 2020; Minitab, 2019).
Para determinar si dos efectos son alias en un diseño fraccionado ambos tienen que tener la
misma secuencia de signos en su columna respectiva (Gutiérrez, 2012). En la Tabla 3 el
efecto de A (columna) está dado por + a – b – c + abc mientras que el efecto BC (resultado
de multiplicar la columna B x C) está dado por + a – b – c + abc; como se observa ambos
efectos coinciden, son alias y al estimar el efecto de A se estaría estimando el efecto BC
(Montgomery, 2004).
Tabla 3: Dos posibles diseños fraccionados 23-1
Fracción 1 Fracción 2
(I= + ABC) (I= - ABC)
A B C A B C
1 -1 -1 a -1 -1 -1 (1)
-1 1 -1 b 1 1 -1 ab
-1 -1 1 c 1 -1 1 ac
1 1 1 abc -1 1 1 bc
Para interpretar un efecto alias es necesario suponer que solo uno de los efectos es el
responsable del efecto observado y que los demás ejercen poco o nulo impacto, sin embargo
es riesgoso suponer que las interacciones dobles no afectan, es por ello que los diseños
fraccionados son recomendables para experimentos con muchos factores y que pueden
presuponer un costo alto, además en experimentos con elevado número de factores se suele
cumplir que solo unos pocos son responsables de la mayor parte de variaciones en la
respuesta (principio de Pareto) (Gutiérrez, 2012; Melo et al., 2020).
2.5.2. ORTOGONALIDAD
Una propiedad de un diseño fraccionado es la ortogonalidad la cual se cumple si los efectos

de cualquier factor se equilibran (suman cero) con los efectos de los otros factores (Melo et
al., 2020). Esta propiedad garantiza que el efecto de un factor o interacción pueda estimarse
17
de manera independiente del efecto de cualquier otro factor o interacción presente en el
experimento (Minitab, 2019). Así también, aumenta la eficiencia de los diseños
fraccionados, dando una mejor interpretación de los parámetros estimados en el modelo y
de la superficie de respuesta (Gutiérrez, 2012).
2.5.3. RESOLUCIÓN
Indica que tan bien puede estudiarse los efectos potencialmente importantes en un
determinado diseño (Gutiérrez, 2012). La resolución es también un indicador del grado de
confusiones que se presentan en la estimación de efectos, usualmente una menor resolución
indica que el grado de confusión es mayor y como consecuencia un efecto alias puede ser
originado por un mayor número de efectos (Melo et al., 2020).
La resolución de un efecto es representada con una letra en romano siendo más usual las
resoluciones III, IV y V; una resolución V indica que las interacciones principales y las
interacciones dobles se confunden con interacciones triples o de mayor orden; si la
resolución es IV se confunden interacciones dobles entre sí y si la resolución es III se
confunden interacciones principales con dobles y triples (Melo et al., 2020).
2.5.4. DISEÑOS FRACCIONADOS 2k-p
En la construcción de diseños fraccionados con dos niveles los valores que pueden tomar k
y p dependerán del número de factores en estudio que se tengan; cuando los valores de k son
moderadamente grandes se puede suponer que las interacciones como las de tercer, cuarto
orden y superior son poco significativos simplificando así la estructura, así mismo lo ideal
sería tener valores de p cercanos a 0 para obtener un mayor contraste y los efectos
sacrificables sean los menores posibles (Montgomery, 2004). En la Tabla 4 se muestran el
número total de efectos en un diseño de dos niveles con k factores, se puede resaltar que el
número de efectos ignorables es mayor en proporción a los no ignorables a medida que el
valor de k aumenta, lo que se traduce en que a medida que se trabaje con un mayor número
de factores la información en exceso generada y que se podría no estimar es mayor
(Gutiérrez, 2012).
18
En la práctica un mayor número de factores significa un mayor número de corridas, por tal
motivo es frecuente que en las primeras etapas de una investigación se establezca una
estrategia que permita reducir significativamente el número de tratamientos experimentales,
pero que al mismo tiempo evite la pérdida de información valiosa (Gutiérrez, 2012).
Generalmente diseños con un alto número de factores contienen exceso de información lo
cual supone una ventaja para poder establecer diseños fraccionados más fáciles de trabajar
(Melo et al., 2020).
Tabla 4: Efectos en los diseños factoriales 2k
Total de Efectos no Efectos

Diseño 2k ignorables
efectos ignorables
22 3 3 0
23 7 6 1
24 15 10 5
25 31 15 16
26 63 21 42
27 127 28 99
a. FRACCIONES SATURADAS
Un diseño factorial fraccionado es saturado cuando el número total de grados de libertad del
experimento es igual al número de factores que se estudian, como consecuencia estos diseños
tienen resolución III, ya que los efectos principales se confunden con las interacciones dobles
(Gutiérrez, 2012). El diseño 27-4 es un ejemplo de una fracción saturada en la cual se supone
que los efectos principales son los causantes de la variación de la variable respuesta
considerándose no importantes las interacciones dobles, triples, etc (Melo et al., 2020).
2.5.5. CONSIDERACIONES A TENER EN CUENTA EN DISEÑOS

FRACCIONADOS
A continuación, se detalla algunas consideraciones mencionadas por Gutiérrez (2012) y

Montgomery (2004) que deben tenerse en cuenta al usar un diseño fraccionado.
19
• Es necesario incluir en el experimento a cada factor que pueda tener una influencia
importante en la respuesta.
• Si el número de factores es grande (más de 10) debe descartarse con un análisis usando
toda la información disponible, si a pesar de ello el número de factores sigue siendo
significativo como primera instancia se puede correr un diseño factorial fraccionado
saturado que permita detectar los factores con mayor influencia en la variable
respuesta y como segunda etapa un análisis más exhaustivo de los factores resultantes.
• Se deben considerar todos los recursos que se emplearán en el experimento (material,
energía, tiempo hombre y tiempo máquina), buscándose que el costo sea el menor
posible, pero que a la vez se cumpla con los objetivos del experimento.
• Es recomendable plantear una estrategia por etapas en experimentos con demasiados
factores considerando que el primer experimento no será definitivo.
• En el caso de que el número de factores sea pequeño (3) y no es fácil decidir si un
efecto es significativo o no es recomendable correr una réplica adicional para
potenciar el experimento.
• Es necesario dar un tiempo adecuado a la etapa de planeación del experimento para
evitar volver a experimentar.
2.6. METODOLOGÍA DE SUPERFICIE DE RESPUESTA (MSR)
La MSR es una estrategia analítica y experimental que permite al investigador inspeccionar

una respuesta y darle solución al encontrar las condiciones óptimas del proceso desarrollado,
las condiciones óptimas pueden maximizar, minimizar o cumplir ciertas restricciones en la
variable respuesta, dando como resultado valores óptimos de las características de calidad
del producto (Gutiérrez, 2012; Martínez; 2019).
2.6.1. COMPONENTES DE LA MSR
La MSR involucra tres elementos: diseño, modelo y técnica de optimización: el diseño y el

modelo se planifican en paralelo, y dependen del comportamiento esperado en la respuesta.
El modelo puede ser de primer o segundo orden (Gutiérrez, 2012).
20
a. DISEÑO
Para optimizar un proceso es necesario llevar a cabo el diseño de experimentos, en específico

aquellos que permitan ajustar un modelo de regresión lineal múltiple (Melo et al., 2020).
Diseñar implica determinar el experimento apropiado basado en el conocimiento actual
acerca de la posible ubicación del punto óptimo y el modelo de regresión que se quiere
ajustar (Gutiérrez, 2012).
b. MODELO
Hace uso del análisis de regresión lineal múltiple (usualmente), junto con sus componentes
principales: coeficiente de determinación, intervalos de confianza para predichos, modelo
ajustado, prueba de falta de ajuste, parámetros del modelo, significancia del modelo y
residuos; el modelo es por lo tanto la ecuación matemática que relaciona la variable de
respuesta con los factores estudiados en el diseño (Gutiérrez, 2012).
c. OPTIMIZACIÓN
Constituido por algunos métodos matemáticos que sirven para que, en base a un modelo
ajustado se pueda explorarlo con el objetivo de obtener información sobre el punto óptimo,
esta herramienta permite extraer la información sobre el punto óptimo que tiene el modelo
ajustado (Melo et al., 2020).
2.6.2. MODELOS EMPLEADOS EN LA MSR
La forma específica que toma la superficie depende de los signos y magnitudes de los
coeficientes en el modelo, cuando los factores son superiores a dos, las gráficas resultantes
se encontrarían en cuatro dimensiones o más y por lo tanto no se podrían graficarlas de forma
completa de una sola vez (Melo et al., 2020). La Figura 6 muestra que para factores k > 2 el
modelo de primer orden representa un hiperplano y el de segundo orden un hiperelipsoide.
No obstante, para k = 3 es factible graficar la superficie elaborando las tres gráficas con dos
factores cada vez, con el tercero constante (Gutiérrez, 2012).
21
Figura 6: Superficies de respuesta: a) descrita por un modelo de primer orden;
b), c) y d) descritas por modelos de segundo orden
Para caracterizar las superficies de respuesta se ajusta un modelo a los datos experimentales,
los modelos empleados en la MSR son principalmente polinomios y pueden expresarse en
forma de primer (Ecuación 1) y segundo orden (Ecuación 2) (Gutiérrez, 2012).
γ=β° + ∑ βi xi +ε
i=1
Ecuación 1: Modelo 1er orden en la MSR
k k k k
γ=β° + ∑ βi xi + ∑ βii x2i + ∑ ∑ βij xi xj +ε

i=1 i=1 i=1 <j=1
Ecuación 2: Modelo de 2do orden en la MSR

22
2.6.3. ETAPAS DE OPTIMIZACIÓN
a. SCREENING
La optimización de un proceso inicia con esta etapa cuando se tiene muchos factores (más
de 6 u 8) que influyen en la variable de interés, por lo tanto, el screening se utiliza para
reducir un conjunto grande de factores (Gutiérrez, 2012). El objetivo es identificar aquellos
factores que tienen un efecto significativo sobre la variable respuesta y descartar aquellos
factores no significativos (Minitab, 2019).
b. ESCALAMIENTO
La técnica de escalamiento se aplica cuando, respecto a la valoración inicial, se cree que se

está lejos de la condición óptima, por lo que será necesario explorar una región de
experimentación inicial y a partir de ésta determinar una dirección en la cual experimentar
fuera de la región inicial (Melo et al., 2020). Así, a partir del conocimiento previo que se
tiene del problema es preciso seleccionar los niveles de los factores para determinar la región
de exploración (Gutiérrez, 2012).
c. OPTIMIZACIÓN FINAL
En el momento en que se detecta la presencia de curvatura, o bien, que la superficie es más

complicada que un hiperplano, se corre o se completa un diseño de segundo orden para
caracterizar mejor la superficie y modelar la curvatura (Gutiérrez, 2012). Con el modelo
ajustado se determinan las condiciones óptimas de operación del proceso, aunque en la
práctica no se conoce dónde se ubica el punto óptimo, la MSR es buena estrategia para llegar
a éste (Melo et al., 2020). Entre los diseños de segundo orden se encuentran el Diseño
Central Compuesto (DCC) y Box Behnken.
23
2.6.4. DISEÑOS DE SEGUNDO ORDEN
a. DISEÑO CENTRAL COMPUESTO
Es el tipo de diseño más utilizado en la etapa de búsqueda de segundo orden debido a su

gran flexibilidad: se puede construir a partir de un diseño factorial completo 2k o fraccionado
2k–p agregando puntos sobre los ejes y al centro (Martínez, 2019). Gutiérrez (2012) menciona
que este diseño se compone de tres tipos de puntos:
• Una réplica de un diseño factorial en dos niveles, completo o fraccionado. A esta parte
del DCC se le llama porción factorial 2.
• Número de puntos o repeticiones al centro del diseño, con n ≥ 1.
• Dos puntos sobre cada eje a una distancia a del origen. Estos puntos se llaman porción
axial.
b. DISEÑO BOX BEHNKEN
Este diseño se forma al combinar un diseño 2k con los llamados diseños en bloques
incompletos balanceados (DBIB), es importante considerar que un diseño de bloques es
completo si en cada bloque se prueban todos los tratamientos y entonces será incompleto si
en cada bloque se prueban sólo algunos tratamientos, y será balanceado si en cada par de
tratamientos se efectúa igual número de réplicas (Martínez, 2019).
El diseño Box Behnken se aplica cuando se tienen tres o más factores, y suelen ser eficientes
en cuanto al número de corridas, es un diseño rotable o casi rotable que se distingue porque
no incluye como tratamientos a los vértices de la región experimental (Gutiérrez, 2012).
24
III. METODOLOGÍA
3.1. LUGAR DE EJECUCIÓN
El presente trabajo se llevó a cabo en la Planta Piloto de Alimentos, Laboratorios de Análisis

Fisicoquímico de Alimentos, Biotecnología de Alimentos e Ingeniería de Alimentos
pertenecientes a la Facultad de Industrias Alimentarias de la Universidad Nacional Agraria
la Molina.
3.2. MATERIA PRIMA
Se utilizó como materia prima semillas de pajuro provenientes del distrito de Jesús (latitud
7°14′S, longitud 78°23′O, 2564 m.s.n.m.) de la provincia de Cajamarca, departamento de
Cajamarca, Perú.
3.3. EQUIPOS, MATERIALES Y REACTIVOS
3.3.1. EQUIPOS
• Agitador magnético (HANNA, Modelo HI 200M).

• Agitador VORTEX (ARE).
• Balanza analítica (PESACON, Modelo HR250AZ).
• Balanza de humedad infrarroja (OHAUS MB35).
• Centrífuga digital (HETTICH, Modelo D-78522).
• Centrífuga digital (NEOFUGE 18R).
• Colorímetro (KONICA MINOLTA, Modelo CR400).
• Equipo para baño María con agitación (GLF, Modelo 1083).
• Espectrofotómetro (THERMO SCIENTIFIC, Modelo Genesys 20).
• Estufa (BINDER) Hornilla eléctrica (ILKO).
• Licuadora (OSTER BLENDER).
• Liofilizador (MILLROCK, Modelo ST53B4).
• Molino de rotor (RETSCH SR300).
• Mufla (SM).
• Potenciómetro (HANNA, Modelo HI 2211).
• Robot-coupe (CL50 ULTRA).
• Secador de Bandejas (RETER, Modelo DRR-200).
3.3.2. MATERIALES
• Probetas 50, 100, 250 mL.

• Pipetas 1mL, 10 mL.
• Fiolas 10, 50, 150 mL.
• Bagueta.
• Erlemeyer 50 mL, 100 mL.
• Placas Petri.
• Beakers 50, 100, 250 mL.
• Embudo Büchner.
• Crisol de porcelana.
• Papel filtro Whatman N°1.
• Micropipetas (0.1-5 mL).
• Tubos falcón cónicos.
• Tamiz número 35 (500 µm).
3.3.3. REACTIVOS
• Etanol 96 °, BIOGENICS.
• Albúmina Sérica Bovina 98 % pureza (BSA), HIMEDIA INDIA.
• Hidróxido de sodio, CDH INDIA.
• Ácido clorhídrico 37%, MERCK.
26
• Agua destilada, NACIONAL.
• Carbonato de Sodio, HIMEDIA INDIA.
• Sulfato de cobre pentahidratado, HIMEDIA INDIA.
• Tartrato de sodio potásico, HIMEDIA INDIA.
• Reactivo de Folin Ciocalteu, CDH INDIA.
• Aceite de maíz, COMERCIAL.
• Cloruro de Sodio, CDH INDIA.
3.4. MÉTODOS DE ANÁLISIS
3.4.1. ANÁLISIS QUÍMICO PROXIMAL
Se determinó la humedad según el método AOAC 925.10 (2016), grasa bruta según el
método AOAC 922.06 (2019), fibra bruta según el método NTP 205.003: 1980 (Revisada el
2011), proteína bruta según el método AOAC 978.04 (2019) (usada también para determinar
la pureza del aislado proteico), ceniza según el método AOAC 923.03 (2016), el extracto
libre de nitrógeno se determinó por diferencia; finalmente el contenido energético fue
calculado usando los factores de conversión de Atwater (Hussein et al., 2018).
3.4.2. PROTEÍNA SOLUBLE
El contenido de proteína soluble en el sobrenadante fue determinado por el método de Lowry

et al. (1951). Para su determinación, a 400 µL de muestra se agregó 2 mL de reactivo de
Lowry (mezcla de la solución al 2 por ciento (w/v) de Na2CO3 en NaOH 0.1N; solución al
0.5 por ciento (w/v) de CuSO4.5H2O en agua destilada y 0.5 por ciento de tartrato de sodio
potásico 2 por ciento (w/v) en agua destilada). La solución obtenida fue mezclada con 200
µL del reactivo de Folin Ciocalteu 1N y se le dio un reposo de 30 min en oscuridad. Como
medición final la muestra fue llevada a un espectrofotómetro donde se dio lectura a 550 nm.
Adicionalmente para la obtención de la curva estándar (ver Anexo 1) se utilizó una solución
de albúmina bovina de 1 mg/L en agua destilada con diferentes volúmenes de solución
proteica (0.1; 0.2; 0.3; 0.4 y 0.5 mL) completándose hasta 1 mL con agua destilada.
27
3.4.3. PROPIEDADES TECNO-FUNCIONALES DEL AISLADO PROTEICO
a. CAPACIDAD DE FORMACIÓN ESPUMA (CFE)
Se determinó según el método usado por Sathe et al. (1982) con algunas modificaciones. Se
prepararon soluciones al 1 por ciento aislado/H2O. El pH fue ajustado en un rango de 2 a 8.
Las soluciones fueron colocadas en una licuadora a temperatura ambiente a máxima
velocidad durante 5 min y luego fueron trasvasadas a una probeta. El volumen total del
batido fue calculado mediante la siguiente fórmula a un tiempo de 30 segundos después del
batido.
(volumen después del batido-volumen antes del batido)

CFE (%)= ×100
volumen antes del batido
b. ESTABILIDAD DE LA ESPUMA (EES)
Después de la medición del volumen total de la espuma se midió el volumen del mismo en
una probeta a un tiempo de 1, 10, 20, 30, 40, 50, 60, 90 y 120 min (Onsaard et al., 2010)
(ver Anexo 2). El cálculo se hizo en función de la siguiente fórmula:
volumen de la espuma a un tiempo determinado

EES (%)= ×100
volumen de la espuma a un tiempo de 0 min
c. CAPACIDAD DE RETENCIÓN DE AGUA (CRA)
Se usó la metodología empleada por Sai-Ut et al. (2009). Se preparó soluciones al 4 por
ciento aislado/H2O. El pH de cada solución fue ajustado en un rango de 2 a 8. La solución
obtenida se agitó en intervalos de 5 min durante 30 min para luego ser centrifugada por 25
min a 3000 RPM. El sobrenadante obtenido del centrifugado se decantó. Para eliminar el
exceso de humedad del sedimento, este se llevó a secado por estufa por 25 min a 50 °C. Para
el cálculo de la CRA se usó la siguiente fórmula:
28
g H2 0 agua retenida por la muestra (g)
CRA ( )=
g aislado muestra de aislado proteico (g)
d. SOLUBILIDAD
Se usó la metodología usada por Sai-Ut et al. (2009) con algunas modificaciones. El
sobrenadante obtenido en la determinación de la CRA, se transfirió a una fiola de 100mL y
se enrasó con agua destilada. Posteriormente las proteínas solubles fueron determinadas por
el método de Lowry. Para determinar los efectos del pH se ajustaron valores de 2, 4, 6, 8. La
solubilidad fue calculada mediante la siguiente fórmula:
proteínas solubles en el sobrenadante (g)

Solubilidad (%)= ×100
muestra de aislado proteico (g)
e. CAPACIDAD DE ABSORCIÓN DE ACEITE (CAA)
Se usó el método descrito por Sai-Ut et al. (2009). Se mezcló 0.5 g de muestra en tubos
centrífuga (previamente pesados) con 6 mL de aceite de maíz, para luego reposar durante 30
min a temperatura ambiente. Terminado el tiempo de reposo la suspensión fue llevada a
centrifugación por 25 min a 3000 RPM. El sobrenadante obtenido fue retirado
cuidadosamente y los tubos con los sedimentos fueron invertidos para eliminar el aceite
excedente durante 25 min.
La cantidad de aceite absorbido fue la diferencia entre el peso del sedimento obtenido y el
peso inicial del aislado proteico. Se hizo uso de la siguiente fórmula para su determinación.
aceite g aceite absorbido por la muestra (g)

CAA ( )=
aislado g muestra de aislado proteico (g)
29
f. CAPACIDAD DE EMULSIÓN (CE) Y ESTABILIDAD (EE)
Se usó el método descrito por Mercado et al. (2015), para ello se mezcló 1 g de aislado
proteico con 20 mL de agua, la mezcla fue agitada durante 15 min para posteriormente
ajustar su pH a 7 enrasándose con agua destilada a 25 mL.
Los 25 mL de la solución obtenida fueron mezclados con 25 mL de aceite de maíz en una

licuadora por 3 min centrifugándose luego a 1300 RPM durante 5 min. La CE fue expresada
en porcentaje como el volumen de la capa emulsificada con respecto al total del líquido (50
mL) (ver Anexo 3). La medición de la capa emulsificada se hizo en una probeta graduada.
(volumen de la capa emulsificada)

CE (%) = ×100
volumen antes del batido
La EE se determinó en términos del colapso de la emulsión. El volumen remanente de la

capa emulsificada fue medida luego de 2 h colocándose en una probeta graduada, el cálculo
se hizo con respecto al volumen inicial de la emulsión.
volumen de la emulsión luego de 2 h

EE = ×100
volumen de la emulsión a un tiempo de 0 min
g. ÍNDICE DE BLANCURA
El índice de blancura fue determinado con un colorímetro bajo las coordenadas de color L*,
a* y b* según el método usado por Fuentes et al. (2009). El índice de blancura fue calculado
como:
WI (%)=100-√(100-L*)2 +a*2 +b*2
30
3.4.4. EXTRACCIÓN
a. Porcentaje de recuperación de proteína soluble (R): Este valor fue usado en las
etapas de screening y en la MSR y expresó la cantidad de proteína soluble que se pudo extraer
hasta la etapa de extracción alcalina.
Proteína soluble en el sobrenadante (Lowry) (g)

R (%) = ×100
Proteína total (Kjeldahl) (g)
b. Rendimiento de extracción del proceso: Se hizo uso de este valor considerando el

liofilizado como última operación y fue calculado respecto a la harina de semillas de pajuro
con la siguiente fórmula:
aislado proteico en base seca (g)

Rendimiento de Extracción del proceso (%) = ×100
harina en base seca (g)
c. Porcentaje de recuperación de proteína del proceso: El porcentaje de proteína

recuperada del proceso se determinó respecto a la proteína inicial contenida en la harina y
fue calculada con la siguiente fórmula:
proteína extraída(g)
Proteína recuperada del proceso (%) = ×100
proteína contenida en la harina (g)
3.5. METODOLOGÍA EXPERIMENTAL
3.5.1. OBTENCIÓN DE LA HARINA DE SEMILLAS DE PAJURO
Se siguieron las siguientes operaciones unitarias para la obtención de harina:
1. Selección: Se separó manualmente todas las semillas que presentaron daños físicos,
microbiológicos, con signos de deterioro.
31
2. Clasificación: Las semillas fueron clasificadas por su estado de maduración. Fueron
seleccionadas semillas maduras (marrón oscuro) y de mayor tamaño.
3. Lavado y desinfectado: Las semillas seleccionadas fueron lavadas y desinfectadas
con agua potable fría con una concentración de hipoclorito de sodio de 100 ppm.
4. Pelado: Mediante el uso de cuchillos la cáscara fue separada del cotiledón.
5. Cortado: Se cortaron las semillas libres de cáscara en láminas de 3 mm
aproximadamente.
6. Secado: Las semillas laminadas fueron colocadas en un secador de bandejas a una
temperatura de 50 °C durante 12 h a fin de eliminar el agua presente hasta una
humedad de 8.27 por ciento.
7. Molienda: Se hizo uso de un molino de rotor a una velocidad de 3000 RPM (ver
Anexo 4).
8. Tamizado: La harina obtenida fue separada mediante un tamiz N° 35 siendo la parte
a usar para los análisis la fracción < 500 µm. Posteriormente fue almacenado en
bolsas de aluminio herméticas.
La Figura 7 muestra el flujo de operación seguido y parámetros usados para la obtención de

harina de semillas de pajuro.
32
Semillas de Pajuro
Semillas dañadas, con

presencia de mohos,
SELECCIÓN pequeñas y verdes
CLASIFICACIÓN
Solución de Agua conteniendo

Hipoclorito de Sodio LAVADO Y DESINFECTADO
impurezas
(100 ppm)
PELADO Cáscara
Cáscara
CORTADO
T= 50 °C
SECADO t = 12 h
MOLIENDA Velocidad= 3000 RPM
TAMIZADO Tamaño de partícula

< 500 µm, tamiz Nº 35
Harina de semillas de pajuro
Figura 7: Flujograma de operación para la obtención de harina de semillas de

pajuro
33
3.5.2. EXTRACCIÓN ALCALINA
La Figura 8 muestra las operaciones realizadas en la extracción alcalina, cuyo producto final
fue el aislado proteico y a continuación se detallan las operaciones que comprende:
1. Acondicionamiento: Muestras de harina de semillas de pajuro fueron diluidas con

agua destilada (1/30 ó 1/50 g/mL) en matraces Erlenmeyer y homogenizadas con una
bagueta.
2. Extracción alcalina: Se ajustó el pH (8 ó 10) de la solución obtenida en la etapa
anterior con NaOH 1N y posteriormente se llevó a agitación (95 ó 150 RPM), a un
tiempo (15 ó 50 min) y temperatura (25 ó 50 °C) determinados en un equipo de Baño
María con agitación (ver Anexo 5).
3. Centrifugado: La muestra agitada fue centrifugada a 4000 RPM durante 15 min. El
sedimento fue desechado obteniéndose una solución proteica (ver Anexo 6).
4. Filtrado: Para obtener una solución con una mayor concentración de proteínas y
eliminar fibras, grasas y carbohidratos insolubles, el sobrenadante fue filtrado con
papel Whatman N°1.
5. Precipitación isoeléctrica: Se llevó el pH del sobrenadante a 4.5, empleando una
solución de HCl 1N, con el fin de precipitar la proteína extraída (ver Anexo 7).
6. Centrifugado: La proteína precipitada fue centrifugada a 2000 RPM durante 30 min,
resultando la parte útil esta vez el precipitado.
7. Purificado: Se realizaron dos lavados, el primero se realizó con etanol al 20 por
ciento con una relación coágulo proteico: mezcla hidroalcohólica (1/10) con la
finalidad de disminuir el contenido de polifenoles. El segundo lavado fue realizado
con agua destilada en una relación coágulo proteico: destilada (1/10) con la finalidad
de reducir el contenido de compuestos no deseables como fibra soluble, azúcares
reductores, sales y eliminar el alcohol remanente (Goncalves et al., 1997).
8. Centrifugado: El precipitado purificado se centrifugó a 2000 RPM durante 30 min,
para retirar el excedente de líquidos de lavado, obteniéndose finalmente un coágulo
proteico (ver Anexo 8).
9. Secado: El coágulo proteico fue llevado a secado en un liofilizador a -40 °C durante
17 h a 13.33 Pa (ver Anexos 9 y 10).
34
Harina de semillas de pajuro
Factores evaluados:
ACONDICIONAMIENTO Relación M. Prima/solvente,
concentración de NaCl.
Factores evaluados:
EXTRACCIÓN ALCALINA
Temperatura, tiempo, pH,
velocidad de agitación.
4000
CENTRIFUGADO Precipitado
RPM
15 min
FILTRADO Fibras, grasas,

carbohidratos
insolubles
Sobrenadante con proteína
solubilizada
pH= 4.5 PRECIPITACIÓN ISOELÉCTRICA
2000 RPM Sobrenadante

30 min CENTRIFUGADO
Polifenoles, fibra soluble,

PURIFICADO azúcares reductores, sales,
alcohol remanente.
2000 RPM CENTRIFUGADO Líquidos remanentes

30 min del purificado
-40 °C LIOFILIZADO
17 h
Aislado proteico de semillas de pajuro
Figura 8: Flujograma de operación para la obtención de aislado proteico de

semillas de pajuro
3.6. DISEÑO EXPERIMENTAL
Los experimentos se llevaron a cabo según el esquema experimental mostrado en la Figura

9.
ETAPA 1: CARACTERIZACIÓN DE LA
HARINA DE PAJURO
• Análisis químico proximal
• Determinación del índice de blancura
ETAPA 2: DETERMINACIÓN DE LAS

CONDICIONES QUE MAXIMIZAN EL
PORCENTAJE DE PROTEÍNA SOLUBLE
RECUPERADO
• Screening: Determinación de los factores más
significativos.
• Optimización: Determinación de los parámetros
que maximizan la variable respuesta.
• Validación: Validación experimental del valor
de la variable respuesta máxima obtenida con la
MSR.
ETAPA 3: CARACTERIZACIÓN DEL

AISLADO PROTEICO
• Determinación de las propiedades tecno-
funcionales
• Determinación del índice de blancura
Figura 9: Esquema experimental desarrollado
36
3.6.1. ETAPA 1: CARACTERIZACIÓN DE LA HARINA DE SEMILLAS DE
PAJURO
Se realizaron análisis físicos (humedad, ceniza; índice de blancura) y químicos (proteína

bruta, grasa bruta, fibra bruta).
3.6.2. ETAPA 2: DETERMINACIÓN DE LOS FACTORES Y PARÁMETROS QUE

MAXIMIZAN EL PORCENTAJE DE PROTEÍNA SOLUBLE RECUPERADO
a. SCREENING
La primera subetapa consistió en realizar el screening de seis variables o factores (pH,

concentración de NaCl, tiempo, temperatura, relación MP/S y velocidad de agitación) para
determinar los efectos principales de los factores elegidos en la extracción de proteína de
semillas de pajuro y determinar los factores más significativos. Se utilizó un diseño
fraccionado 26-3 por duplicado a fin de disminuir el tiempo y costos. Gutiérrez (2012)
menciona que realizar diseños completos conlleva a obtener información muchas veces no
relevante y desventajosa, por tal motivo propone que una solución a investigaciones con
numerosos factores es optar por diseños fraccionados, lo cuales permiten evaluar
principalmente las interacciones principales de cada factor. Es a través de este primer filtro
que se determinó los factores más significativos para la posterior etapa de optimización, los
niveles mínimos y máximos para cada factor se presentan en la Tabla 5.
Las variables fueron elegidas tomando como referencia a los siguientes autores: pH
(Orihuela, 2017), tiempo de extracción (Arango et al., 2012; Orihuela 2017), temperatura de
extracción (Mera, 2018; Aquino, 2015), velocidad de agitación (pruebas preliminares),
relación materia prima / solvente (Arango et al., 2012) y concentración de NaCl (Ahmed et
al., 2012).
El diseño experimental, que resulta del análisis utilizando un diseño factorial fraccionado
26-3, para evaluar el efecto principal de los seis factores antes mencionados, se presenta en
la Tabla 6. En base al diseño utilizado fueron necesarias 8 corridas experimentales, a un
nivel de confianza del 95 por ciento (p < 0.05).
37
Tabla 5: Factores y sus niveles utilizados en la etapa de screening
No Niveles
N° Factor independiente Codificado
Codificado -1 1
1 pH x1 X1 8 10
2 Concentración de NaCl (M) x2 X2 0 0.8
3 Tiempo (min) x3 X3 15 50
4 Temperatura (°C) x4 X4 25 50
5 Velocidad de agitación (RPM) x5 X5 95 150
6 Relación MP/S (g/mL) x6 X6 1/30 1/50
Tabla 6: Número y combinaciones evaluadas
Factores
Corridas
X1 X2 X3 X4 X5 X6
1 -1 -1 -1 -1 -1 -1
2 -1 -1 -1 -1 -1 -1
3 -1 -1 -1 -1 -1 -1
4 -1 -1 -1 -1 -1 -1
5 -1 -1 -1 -1 -1 -1
6 -1 -1 -1 -1 -1 -1
7 -1 -1 -1 -1 -1 -1
8 -1 -1 -1 -1 -1 -1
b. OPTIMIZACIÓN
En la segunda subetapa de investigación, se realizó la optimización de las condiciones de

extracción y se consideró a los factores estadísticamente significativos y que mostraron
efectos favorables (provenientes de la etapa de screening). Se usó la Metodología de
Superficie de Respuesta (MSR) con un diseño Box Behnken evaluándose tres niveles para
cada factor significativo con dos repeticiones por cada tratamiento. La validación del modelo
cuadrático fue evaluada con un ANOVA (p < 0.05). Los factores y niveles evaluados en la
etapa de optimización se presentan en la Tabla 7. Los niveles de escalamiento centrales
fueron elegidos en base al nivel más favorable para cada variable elegida en la etapa de
screening.
38
Tabla 7: Factores y sus niveles evaluados en la etapa de Optimización
No Niveles
N° Factores independientes Codificada
Codificada -1 0 1
1 Temperatura (°C) x1 X1 20 25 30
2 Relación MP/S (g/mL) x2 X2 40 50 60
3 Tiempo (min) x3 X3 5 15 25
c. VALIDACIÓN
En la tercera subetapa se realizó la extracción proteica con las condiciones óptimas obtenidas
con la MSR. El análisis se realizó por triplicado a fin de poder compararlo con el valor
teórico mediante una prueba T-Student.
3.6.3. ETAPA 3: CARACTERIZACIÓN DEL AISLADO PROTEICO
Los análisis que se realizaron al aislado proteico extraído con las condiciones óptimas
fueron: capacidad de formación de espuma y estabilidad, capacidad de retención de agua,
solubilidad, capacidad de absorción de aceite, capacidad de formación de emulsión y
estabilidad, e índice de blancura.
3.7. ANÁLISIS ESTADÍSTICO
Para la comparación de medias se utilizó un diseño completamente al azar (DCA) analizado

a través de un ANOVA. A los factores que resultaron significativos (p < 0.05) del análisis
ANOVA se les realizó la prueba de comparación de medias de Tukey (α = 0.05). Se utilizó
el paquete estadístico Minitab 17.
El screening fue analizado mediante un arreglo factorial fraccionado 26-3, mientras que la
etapa de optimización fue analizada mediante la MSR con un diseño Box Behnken, en ambos
análisis se usó el paquete estadístico Statgraphics Centurion XVI. Para la etapa de validación
se hizo la prueba T-Student mediante el paquete estadístico Minitab 17.
39
IV. RESULTADOS Y DISCUSIÓN
4.1. ETAPA 1: CARACTERIZACIÓN DE LA HARINA DE SEMILLAS DE

PAJURO
4.1.1. ANÁLISIS QUÍMICO PROXIMAL
El análisis químico proximal presentado en la Tabla 8 muestra baja humedad (8.27 por
ciento) con 19.6 por ciento de proteínas en base seca, usual en las leguminosas que se
caracterizan como fuente de proteínas vegetales (Fundación Española de Nutrición, 2017).
Se aprecia también baja cantidad de grasa y fibra cruda con valores de 0.76 y 1.53 por ciento,
respectivamente. El contenido de ceniza 5.34 por ciento indica la presencia sustancias
orgánicas no combustibles. Finalmente, el extracto libre de nitrógeno fue 72.7 por ciento.
Tabla 8: Análisis químico proximal de la harina de semillas de pajuro
Componente (%) Base húmeda1 Base seca1
Humedad 8.27±0.58 -
Proteína total (%Nx6.25) 18.00±0.02 19.62±0.02
Grasa 0.70±0.01 0.76±0.01
Fibra cruda 1.41±0.01 1.53±0.02
Ceniza 4.90±0.47 5.34±0.51
Extracto libre de nitrógeno 66.72±0.50 72.73±0.55
Energía (kcal) 345±1.93 376 ±3.19
1
Resultados expresados como el promedio ± DS
Es recomendable que el contenido de humedad de alimentos secos como la harina esté por
debajo del 15 por ciento para una conservación adecuada y evitar así problemas de deterioro
(Ponce et al., 2016). El valor obtenido 8.27 por ciento se encuentra dentro del límite citado
y supone características adecuadas para su posterior almacenamiento y uso.
Se han reportado humedades de 3.3 (Umaña et al., 2013); 9.13; (Silva et al., 2015) y 10.8
(Vargas, 2016) por ciento para harina de semillas de pajuro. El valor obtenido se encuentra
dentro del rango citado con algunas diferencias. Al respecto Gamarra (2019) menciona que
las condiciones de secado (tiempo, temperatura) influyen en la humedad final, siendo crucial
el adecuado manejo de los parámetros involucrados. Los parámetros de secado son por lo
tanto factores a considerar en la humedad final.
El contenido proteico en una leguminosa es el valor más destacable y su aprovechamiento

suele estar relacionado con la búsqueda de productos bajos en grasas y alto contenido
proteico como: aislados, concentrados, bebidas proteicas, insumos para la industria cárnica,
entre otros (Astiasarán y Martínez, 2002). El contenido proteico de la harina de semillas de
pajuro es variable, se han reportado valores de 17.13; 18.4; 21.7; 24.2 y 21.1 por ciento
(Álzate et al., 2013; Delgado, 2018; Umaña et al., 2013; Silva et al., 2015) para variedades
de Colombia (Armenia), Ancash y Cajamarca (Perú), respectivamente. Aunque el valor
obtenido en esta investigación (19.62 por ciento) se encuentra dentro del rango citado, las
condiciones edafológicas de terreno y climáticas del lugar de cosecha influyen en las
características fisicoquímicas finales de la semilla, explicación que permite comprender que
aun cuando se trate de una misma zona de cultivo (Cajamarca) el valor proteico puede variar
(Espinoza, 2018).
Los valores de proteínas presentados por las semillas de pajuro son superiores a los
reportados (expresados en porcentaje) en granos andinos como: cañihua (17.6), quinua
(14.4) y kiwicha (14.5) (Mera, 2018; Repo-Carrasco et al., 2012); cereales: cebada (8.54),
maíz (11.7) y trigo (12.94) (Márquez, 2007; Pérez et al., 2006; Ponce et al., 2016); así
también valores similares se han evidenciado en leguminosas como: alubias (17-23),
garbanzos (17-21) y lentejas (20-28) (Astiasarán y Martínez, 2002) y finalmente se han
reportado valores superiores al pajuro en: soya (38-42) y habas (26-30) (Astiasarán y
Martínez, 2002). Si bien el contenido proteico es importante, también lo es la calidad
biológica que pueda tener el mismo. Al respecto Villafuerte (2019) menciona que las
proteínas de semillas de pajuro, poseen un aminograma superior al del fríjol y la arveja,
siendo importante tomar en cuenta este aspecto y estudiarlo con más profundidad.
41
El contenido graso fue 0.76 por ciento el cuál es característico en la harina de esta semilla
(Espinoza, 2018). Al respecto, Silva et al. (2015) obtuvo valores de 2.71 y 3.01 por ciento
para la variedad de Cajamarca y Ancash, respectivamente; así también, Delgado (2018)
obtuvo 0.54 por ciento para la variedad Cajamarca, otros valores reportados son 0.34 y 1.52
por ciento (Umaña et al., 2013; Vargas, 2016). El contenido graso de las semillas de pajuro
es por consiguiente bajo y supone una ventaja al reducir los principales procesos de
alteración y mejorar la conservación del producto en el tiempo (Astiasarán y Martínez,
2002); en adición, reduce operaciones previas de desgrasado usuales en semillas como el
sacha inchi, tarwi y cañihua (Breña, 2018; Mera, 2018; Aquino, 2015) las cuales necesitan
mencionada operación, puesto que la presencia de lípidos durante la solubilización alcalina
genera la formación de emulsiones establecidas por las proteínas resistentes a la
centrifugación reduciendo el rendimiento (Fennema et al., 2010).
El contenido de ceniza obtenido fue 5.34 por ciento. Se ha reportado contenido de ceniza en
harina de semillas de pajuro de 3.71, 4.91, 5.35 y 5.84 por ciento (Umaña et al., 2013,
Delgado, 2018; Delgado y Albarracín, 2014; Espinoza, 2018;). Se puede afirmar por lo tanto
que el contenido de ceniza estuvo dentro del rango citado.
Respecto al contenido de fibra cruda se obtuvo 1.53 por ciento, valor semejante a los
reportados en harina de semillas de pajuro 0.5, 0.94, 1.2 y 2,86 por ciento (Álzate et al.,
2013; Vargas, 2016; Umaña et al., 2013; Delgado, 2018) encontrándose dentro de lo
esperado.
El contenido de extracto libre de nitrógeno fue de 72.73 por ciento. Al respecto se han
reportado valores de 61.54, 70.59 y 73.4 por ciento (Delgado, 2018; Umaña et al., 2013;
Vargas, 2016). El valor obtenido se encuentra dentro del rango de valores citados siendo un
valor intermedio.
Finalmente, se tuvo un valor energético de 376 kcal. Se han reportado valores cercanos de
372 y 354 kcal (Delgado-Soriano et al., 2022; Espinoza, 2018). En base al valor energético
proveniente de la proteína respecto al total (20.9 por ciento) se puede calificar a las semillas
de pajuro como “excelente fuente de proteínas” bajo el sistema empleado en la Unión
42
Europea, el cual exige que más del 20 por ciento de la energía provenga de la proteína cruda
(Delgado-Soriano et al., 2022).
4.2. ETAPA 2: DETERMINACIÓN DE LOS FACTORES Y PARÁMETROS QUE

MAXIMIZAN LA RECUPERACIÓN DE PROTEÍNAS SOLUBLES
4.2.1. SCREENING
Los resultados experimentales para las 16 corridas realizadas se muestran en la Tabla 9, así
mismo los valores de recuperación de proteínas solubles que variaron entre 72.16 y 92.23
por ciento. Adicionalmente, se presentan los cálculos realizados para la obtención de
resultados en esta primera etapa (ver Anexo 11).
Tabla 9: Respuesta experimental (observado) y estimado en la etapa de

screening
Recuperación proteica
Factor codificado soluble (%)
Exp. Tratamiento
Observado1, Estimado,
x1 x2 x3 x4 x5 x6
Y Y
1 1 -1 -1 -1 1 1 1 86.49±1.29ª 86.48ª
2 1 1 -1 -1 -1 -1 1 92.23±1.24b 92.25b
3 1 -1 1 -1 -1 1 -1 72.29±0.62c 72.30c
4 1 1 1 -1 1 -1 -1 72.16±1.19d 72.17d
5 1 -1 -1 1 1 -1 -1 72.56±1.18e 72.57e
6 1 1 -1 1 -1 1 -1 76.26±0.77f 76.25f
7 1 -1 1 1 -1 -1 1 80.60±1.26g 80.61g
8 1 1 1 1 1 1 1 77.14±1.26h 77.15h
1
Expresado como el promedio ±DS
Letras iguales indican que no hay diferencias significativas entre valores p < 0.05
El análisis de varianza mostrado en la Tabla 10 indica que los 6 factores elegidos son
estadísticamente significativos (p < 0.05). Así mismo, el valor del coeficiente de
determinación ajustado R2=0.9962 por ciento muestra que el 99.62 por ciento de la
43
variabilidad de los resultados es explicado por el modelo. Para fines de predicción se
recomienda un coeficiente de al menos 70 y mientras se tenga un valor cercano a 100 será
favorable para el experimento realizado (Gutiérrez, 2012). Para más detalles del análisis de
varianza ver el Anexo 12.
Tabla 10: Resultados del Análisis de Varianza del diseño fraccionado 26-3
utilizado en la etapa de screening
Fuente Grado de Libertad Suma de Cuadrados p

Modelo 7 754.7 0.000
Lineal 6 754.31 0.000
X1 1 8.62 0.000
X2 1 160.31 0.000
X3 1 69.04 0.000
X4 1 42.56 0.000
X5 1 7.32 0.000
X6 1 466.45 0.000
X1.X6 1 0.387 0.193
Error 8 1.53
Total 15 756.23
R2 0.9980
R2 ajustado 0.9962
Los efectos de los factores se presentan en la Figura 10, así también, la secuencia en orden
decreciente de relevancia fue: MP/Solvente > Concentración de NaCl > Tiempo de
extracción > Temperatura > pH > Velocidad de agitación.
El factor más influyente fue la relación MP/S. Al respecto Arango et al. (2012) al extraer
proteínas de semillas de pajuro obtuvieron mejores resultados con una relación MP/S de 1/40
g/mL y concluyeron que dicho factor influyó en la composición y porcentaje de proteína
recuperada, añaden que si el solvente no es suficiente los componentes solubilizados pueden
saturarse y precipitar reduciendo el porcentaje de proteína recuperada. La precipitación por
saturación es por lo tanto un efecto adverso de una relación MP/S inadecuada según lo
señalado por el autor citado y posible causa del comportamiento obtenido en la presente
investigación en la relación 1/30 g/mL.
44
Shen et al. (2008), al extraer proteínas de hojas de té detectaron que, si bien a una mayor
cantidad de solvente incrementaba la cantidad de proteínas recuperada dada una mayor
diferencia de concentración entre la fase sólida y el disolvente, este efecto benéfico se vio
opacado por la dificultad de tener que manejar el volumen extra de solvente. Al respecto,
Qin et al. (2021) evidenciaron el mismo comportamiento al extraer proteína de semillas de
sandía, logrando recuperar mayor cantidad de proteína con el aumento de la relación MP/S
antes de los 40 g/mL, siendo el incremento del porcentaje de recuperación de proteína
insignificante por encima de dicho límite. Por consiguiente, una mayor relación no
necesariamente es favorable y se debe considerar que las proteínas al igual que otros
materiales solubles deben seguir a la disolución y/o cinética de difusión (Geankoplis, 2018).
Diagrama de Pareto Estandarizada para Redimiento de Proteína (%)
F:Relación MP/S+BC+DE +
-
B:NaCl+AD+CF
C:Tiempo+AE+BF
D:Temperatura+AB+EF
A:pH+BD+CE
E:Velocidad de Agitación+AC+DF
AF+BE+CD
0 10 20 30 40 50 60
Efecto estandarizado
Figura 10: Diagrama de Pareto de los efectos principales durante la extracción

de proteínas solubles en la etapa de screening
Las diferentes proporciones de líquido a sólido afectan también la viscosidad de la solución,

la difusión molecular y la disolución de proteínas (Zuo et al., 2018). Constantina (2003)
añade que la extracción sólido-líquido puede ser considerada un proceso de difusión con
transferencia de moléculas de proteína de un sólido (harina de pajuro) a un solvente (agua a
pH alcalino) donde la cantidad moléculas que fluirán será proporcional al gradiente de
concentración y la constante de difusividad de acuerdo a la ley de Fick (Geankoplis, 2018).
Todo el conjunto de factores mencionados ejerce un impacto sobre el porcentaje de proteína
a recuperar durante la extracción, siendo la relación 1/50 g/L, como se mencionó
anteriormente, la más adecuada de usar para esta primera etapa.
45
El segundo factor de mayor importancia fue la concentración de NaCl, y tuvo un efecto
negativo al generar la disminución del porcentaje de proteína recuperada a medida que la
concentración de NaCl incrementó. En la extracción de proteínas incluir el factor
concentración de sal es habitual puesto que se busca solubilizar proteínas mediante el estado
salting in y de esta manera incrementar la cantidad proteína extraída (Vieira et al., 2006).
Sin embargo, para el presente caso no se logró dicho estado.
Al respecto es importante señalar que existe relación entre la concentración de sal y la

solubilidad de las proteínas, esta relación fue estudiada por Ahmed et al. (2012) quienes al
evaluar la solubilidad proteica de cuatro tipos de semilla de frijol a diferentes
concentraciones de NaCl a un pH de 7 obtuvieron mayores solubilidades a concentraciones
de 0.6-0.8 M para frijol blanco y jacinto y 0.4 M para chícharo y castilla, respectivamente
(valores fuera de la concentración citada presentaron disminución de la solubilidad). En
adición, Lestari et al. (2010) explica que las sales incrementan la fuerza iónica de la solución
y como consecuencia la solubilidad de las proteínas aumenta, sin embargo, cuando la
concentración de sal sigue incrementando genera una competición por la solvatación entre
las moléculas de agua y los iones de sal conllevando a una precipitación proteica (salting
out) disminuyendo la cantidad de proteínas recuperadas en la extracción. Por lo tanto, se
puede afirmar que concentraciones superiores o inferiores a la concentración óptima de sal
pueden tener un efecto desfavorable o poco significativo en la variable respuesta en estudio.
El efecto del pH y las sales sobre la variable respuesta en estudio es también una relación a
evaluar. Mune et al. (2010) al extraer proteínas de semilla de frijol bambara obtuvieron
mejores resultados al incrementar el pH y la concentración de NaCl, además observaron que
a niveles bajos de concentración de NaCl (0.07 M) variando el pH (7.58-10.42) la variación
del porcentaje de proteínas recuperadas era muy sensible y oscilaba entre 20-32 por ciento,
mismo comportamiento se observó cuando el pH se mantuvo en el valor más bajo (7.58) y
la concentración de NaCl variaba (0.07-0.43 M). En adición, Govardhan et al. (2011) al
extraer proteína de semillas de moringa recuperaron un mayor porcentaje de proteínas a una
concentración de 0.75 M bajo un pH constante, sin embargo, dicho comportamiento cambió
cuando se mantuvo constante la concentración de sal y varió el pH, obteniéndose mejores
resultados en tratamientos sin NaCl y valores bajos de pH (7.58). Por último, León et al.
(2013) en la extracción de proteínas de semillas de jatropa (Jatropha curcas L) mencionan
46
que la recuperación de proteína disminuyó cuando se añadió NaCl a la solución de extracción
en el rango probado (0,3 y 0,6 M) a pH de 9–11. Por lo expuesto según su nivel, la adición
de NaCl a una suspensión de proteínas puede afectar a la densidad de carga neta de las
mismas y por lo tanto modificar su solubilidad mediante la mejora o reducción de repulsiones
inter-moleculares en determinados rangos de pH (Aider et al. 2011).
Tal y como se expuso, si bien la adición de NaCl puede favorecer el recuperación de

proteínas, se dará siempre y cuando la relación pH y concentración de NaCl sea la adecuada,
sin embargo, aunque la relación sea adecuada y el porcentaje de proteína recuperada
incremente no siempre es recomendable añadir dicho factor como parte del experimento tal
y como lo señalan Lestari et al. (2010), quienes concluyeron al extraer proteínas de jatropa,
que aunque la adición de NaCl incrementó la recuperación proteica, su adición en etapas
posteriores resultó en desventaja al disminuir el contenido de proteína (pureza) y conllevar
a operaciones de diálisis, que significaron un aumento considerable en el costo de
producción. Por consiguiente, se puede inferir que el beneficio generado por la adición de
sal tiene que ser mayor al costo que generará.
Finalmente, se puede deducir que la adición de NaCl para el presente experimento fue
contraproducente. Al respecto Pérez (2021) al extraer proteínas de Moringa a pH 10 obtuvo
porcentajes de recuperación proteica de 35.01, 27.0 y 25.85 a concentraciones de 0, 0.25 M
y 0.5 M de NaCl respectivamente, (comportamiento similar al obtenido) concluyendo que
en presencia de NaCl y condiciones alcalinas las proteínas altamente cargadas tienden a
reducir su solubilidad debido a un enmascaramiento de cargas originado por la repulsión
electrostática de la sal. En adición Mera (2018) menciona que se han reportado bajas
solubilidades en garbanzos, lentejas y habas a pH por encima de 7.5 comportamiento que
podría ser resultado de un incremento de las interacciones hidrofóbicas. Por lo tanto, se
puede afirmar que el fenómeno salting in no se logró en el rango de pH de extracción
propuesto, siendo la mejor elección la no adición de sal.
El tiempo al igual que la concentración de NaCl tuvo un efecto inversamente proporcional,

a medida que su magnitud disminuyó se extrajo una mayor cantidad de proteínas. Al
respecto, Arango et al. (2012) al evaluar el tiempo de extracción de proteína de semillas
pajuro, tuvo como tiempo óptimo los primeros 20 min. Otros autores reportan tiempos
47
óptimos de 5 min al extraer proteína de cañihua (Mera, 2018), 15 min en semillas de sandía
(Wani et al., 2008), 18 min en semillas germinadas de calabaza (Sogi et al., 2002) y 15 min
en semillas de sacha inchi (Aquino, 2015). En base a lo expuesto, se puede inferir que cortos
tiempos de extracción son usuales y dan resultados favorables en la extracción de proteínas
de origen vegetal, adicionalmente tener cortos tiempos denota una ventaja desde el punto de
vista económico, generando menores costos y menor tiempo de exposición de las proteínas
a pH alcalino (Föste et al., 2015).
Es importante tener en cuenta que el tiempo como factor participa de la cinética de difusión
de proteínas al medio de extracción (Geankoplis, 2018), por lo cual es necesario darle al
proceso el tiempo óptimo, de lo contrario tiempos prolongados a pH alcalino y temperatura
ligeramente elevada pueden suponer un problema causando el deterioro, desnaturalización
y reducción de la cantidad de proteína recuperada (Zhang et al.,2014; Badui, 2013).
La temperatura fue el cuarto factor de mayor importancia presentando un comportamiento

inversamente proporcional, a medida que este factor disminuyó se evidenció un incremento
de la variable respuesta. Al respecto, Hadnadjev et al. (2017) manifiestan que, si bien el
aumento de temperatura incrementa la difusión de partículas favoreciendo la extracción,
puede ejercer también efectos negativos tales como la precipitación y desnaturalización si la
exposición es prolongada y a altas temperaturas; es así, que en extracciones proteicas es
recomendable el uso de temperaturas cercanas a la ambiental, dado que valores altos pueden
también afectar sus propiedades tecno-funcionales.
Se han reportado parámetros óptimos de temperatura desde valores oscilantes a la ambiental

como: 21 °C (Mera, 2018) y temperaturas ligeramente elevadas 54 °C (Aquino, 2015). Cada
proteína puede mantener su estructura nativa solo dentro de un rango de temperatura
especificado, fuera ese rango de temperatura, comienza la desnaturalización, pérdida de
conformación estructural, propiedades tecno-funcionales, valor nutricional y degradación de
compuestos bioactivos (Ahmad et al., 2020, Franca et al., 2021). Por lo tanto, la composición
proteica de la materia prima usada influye en la respuesta final que tendrá frente a la
magnitud del factor en mención (López, 2014).
48
Zhang et al. (2014) expone que otros factores negativos de las temperaturas altas son la
reducción de la recuperación de proteínas debido a la coagulación e hidrólisis de las mismas
(en el paso de recuperación) y la reducción de su calidad como resultado de la
desnaturalización, hidrólisis o racemización de aminoácidos. En términos generales, la
temperatura disminuye la solubilidad de la proteína debido a los cambios de conformación
en la estructura, la modificación es irreversible, y depende de la temperatura y tiempo de
calentamiento (Pérez 2021). Por consiguiente, para la presente investigación trabajar a una
temperatura de 25 ºC fue favorable y se puedo evitar los inconvenientes expuestos.
El factor pH, generó una mayor recuperación de proteínas a medida que su magnitud
incrementó. Usualmente en proteínas de origen vegetal principalmente leguminosas es
recomendable trabajar a pH alcalino puesto que muestran mejores resultados (Badui, 2013).
El pH como factor del medio es decisivo en la solubilidad de la proteína, la carga neta de la
proteína en un pH determinado depende de los valores de pKa de los grupos ionizados de la
proteína (Pérez, 2021). La solubilidad de las proteínas aumenta debido a la ionización de
aminoácidos ácidos y neutros a pH alcalino, si el pH del solvente de extracción se aleja más
del punto isoeléctrico de la proteína, la carga neta aumenta conduciendo al aumento de la
repulsión electrostática y la hidratación de residuos cargados, que promoverá la
solubilización de proteínas en la extracción disolvente (Lestari et al., 2010); por lo tanto, la
extracción de proteína en un ambiente alcalino generará mejores rendimientos (Kumar et al.,
2021).
Zhang et al. (2015) explica que la exposición de un medio alcalino con NaOH genera grietas
en las paredes celulares existentes en la harina vegetal aumentando la difusión proteica y
como consecuencia la cantidad de proteínas extraídas. Extracciones a pH alcalino presentan
también la ventaja del aumento de solubilidad de proteínas al hidrolizar la proteína unida
con polifenoles y polisacáridos al disminuir su hidrofobicidad, en adición condiciones
alcalinas alteran la conformación proteica, exponiendo grupos hidrófobos y rompiendo
enlaces disulfuro que resultan en una mayor recuperación de proteínas durante la extracción
(Föste et al., 2015; Pérez, 2021).
Si bien el uso de pH alcalino muestra una serie de ventajas, existen también ciertos puntos
en contra que se exponen a continuación. Fennema et al. (2010) exponen que las condiciones
49
altamente alcalinas pueden conllevar a la desnaturalización de proteínas, por consiguiente,
se debe encontrar un compromiso entre el porcentaje de proteína recuperada y el grado de
desnaturalización. En medio extraíble alcalino la serie de reacciones indeseables como la
racemización de aminoácidos, la formación de lisinoalanina y la pérdida de aminoácidos
esenciales suelen ocurrir (Moure et al., 2006). En adición, Kumar et al. (2021) mencionan
que la extracción basada en proteínas de fuentes vegetales mejora la biodisponibilidad y la
digestibilidad de la proteína vegetal extraída mientras que también degrada la calidad de la
proteína. Por lo tanto, trabajar a un mayor pH puede ser no necesariamente favorable. En
base a lo expuesto, se puede afirmar que la extracción alcalina indudablemente puede
mejorar la eficiencia de extracción de proteínas, sin embargo, al mismo tiempo afecta la
calidad proteica desintegrando la estructura de lisina y aminoácido cisteína, reduciendo la
calidad general y la aceptabilidad de la proteína extraída. (Kumar et al., 2021).
Föste et al. (2015) exponen que valores superiores a pH 10 pueden tener un impacto negativo
sobre los aminoácidos esenciales como la lisina. Gao et al. (2020) añaden que los procesos
de extracción proteica que emplean un pH alcalino superior a 10 generan que el aislado
proteico sea más susceptible a la desnaturalización, disminuyendo su solubilidad, y
funcionalidad. Ruiz et al. (2016) reportó también que la desnaturalización proteica de aislado
de quinua aumentó a medida que el pH de extracción fue superior a 10. Tal y como
mencionan los autores citados el pH 10 supone un límite entre el impacto positivo y negativo
que puede tener el factor en mención. Teniendo en cuenta lo antes mencionado, en la
presente investigación se eligió el pH 10 como valor adecuado para la siguiente etapa.
Finalmente, el factor con menor significancia fue la velocidad de agitación, mostrando

mejores resultados la velocidad de 95 RPM respecto a la de 150 RPM. Al respecto, Ramírez
et al. (2016) explican que un aumento en la agitación de la mezcla disolvente-soluto,
favorece la transferencia de masa debido al incremento de los coeficientes de transferencia
de materia en la interfase sólido-líquido, además, indican que se evita la sedimentación y
apelmazamiento de las partículas sólidas. Por consiguiente, se puede inferir que el uso del
factor velocidad de agitación supone una mejora al extraer proteínas.
Por lo expuesto, incrementar la velocidad de agitación resulta beneficioso, sin embargo, a

determinados valores los cambios son poco significativos (Vega et al., 2017). Theerakulkait
50
et al. (2006) al extraer proteínas de salvado de arroz a diferentes velocidades de agitación
(400-1000 RPM) mediante el uso de un agitador de turbina obtuvieron mejores resultados a
partir de los 500 RPM, valores por debajo de este valor fueron inferiores y valores superiores
no mostraron diferencias significativas. En adición, Lacerda et al. (2014) al extraer proteínas
de semillas de ricino obtuvieron mejores resultados a 400 RPM (regulando la velocidad con
un agitador con asta y hélice). Se han reportado velocidades de agitación en la extracción de
proteínas vegetales de 200 a 400 RPM (Aquino, 2015; Mera, 2018, Vallejos, 2018; Yongjae,
2015). Por consiguiente, se puede afirmar que la velocidad de agitación es variable y tiene
un punto óptimo de trabajo. Para la presente investigación una velocidad de 95 RPM fue la
más adecuada, valor muy por debajo a las mencionadas por los autores en mención. Al
respecto, un punto importante a mencionar son las condiciones de agitación, la presente
investigación fue realizada con un tipo de agitación mecánica de vaivén, cuya velocidad por
encima de los 200 RPM generaba la salida intempestiva de la muestra contenido en matraces,
así también dependía del contenedor (cuando el contenedor eran tubos de 50 mL el efecto
era suave y poco notable respecto a cuándo se realizaba en matraces dado el espacio interior
disponible). Si el tipo de agitación usado es comparado a la agitación usada por los autores
citados, difiere considerablemente dado que agitadores de asta y hélice permiten la
generación de un tipo de flujo más homogéneo y constante manteniendo los sólidos en
suspensión sin vertimiento de muestra, en adición, a escala industrial los agitadores suelen
ser de tipo axial o radial con variaciones, pero no de flujo lineal oscilante como el usado
(Castillo, 2013). En base a lo expuesto, el factor velocidad de agitación no se consideró en
la siguiente etapa dado que el tipo de movimiento generado por el equipo usado no
representó una forma adecuada para simular condiciones de tipo industrial, sin embargo, se
mantuvo constante el valor que permitió obtener mejores resultados siendo 95 RPM.
Un factor a mencionar, que no fue usado como variable en la etapa de screening fue el
tamaño de partícula. Mera (2018) menciona que existe relación entre el tamaño de partícula
de la harina usada y el tiempo de extracción, permitiendo reducir los tiempos al mejorar la
difusión de la proteína en el medio. Al respecto, Föste et al. (2015) al evaluar la accesibilidad
de las proteínas en función del grado de conminución en harina de salvado de quinua a
tamaños de partícula de 250, 500 y 750 µm reportaron que una reducción de partículas al
tamaño de hasta 250 µm resultó en una solubilidad de proteína significativamente mayor
(67.7 por ciento), en comparación con el salvado no molido existiendo una diferencia de 13
por ciento, sin embargo, no fue diferente de 500 µm. Así mismo, explican que reducir el
51
tamaño de partícula favorece la accesibilidad de las proteínas a través de la superficie, dado
que el área de contacto incrementa, sin embargo, añaden que esta mejora no es una relación
lineal puesto que en los tamaños de 500 µm y 250 µm no obtuvieron diferencias
significativas. Por su parte López et al. (2012) exponen que la extracción de proteínas parte
desde la liberación de las células que las contienen, a mayor cantidad de células rotas por el
proceso de trituración (molienda) mayor será la cantidad de proteína extraída. Por lo tanto,
se puede deducir que el tamaño de partícula fue un factor que favoreció en tener en la etapa
de screening mayores porcentajes de recuperación proteica a menores tiempos.
Concluyendo la primera etapa del experimento se eligieron tres factores para la etapa de
optimización: temperatura, tiempo y relación MP/S. El factor concentración de NaCl fue
descartado porque su presencia fue perjudicial al disminuir el rendimiento, respecto al factor
pH, se decidió trabajar con un pH de 10 como límite dado que parte de la investigación
abarcó determinar las propiedades tecno-funcionales de la proteína extraída y como se
expuso el valor de pH superior a 10 puede generar deterioro en la proteína. Finalmente, la
velocidad de agitación no se eligió como factor para la siguiente etapa dada la naturaleza del
equipo y que el tipo de movimiento no reflejó adecuadamente la velocidad a escala industrial
eligiéndose el valor con mejores resultados (95 RPM).
4.2.2. OPTIMIZACIÓN
Para la etapa de optimización, se usaron los tres factores elegidos en la etapa de screening:
relación MP/S (X1), tiempo (X2) y temperatura (X3), se hizo uso de un diseño Box Behnken.
El criterio de optimización fue maximizar el porcentaje de proteína recuperada (objetivo).
La Tabla 11 muestra los porcentajes de proteína recuperada en la extracción obtenidos bajo

las condiciones generadas por el diseño, los cuales variaron entre 77.44 y 92.82 por ciento,
los cálculos para la obtención de resultados se presentan en el Anexo 13. Se han reportado
porcentajes de recuperación de proteína soluble bajo la misma metodología (Lowry) para el
frijol mungo con valores de 77.6 por ciento (Wang et al., 2011), maní con 85.29 por ciento
(Ismail et al., 1991), cañihua con 88.15 por ciento (Mera, 2018) y quinua blanca con 89.88
(Molina, 2018). Por consiguiente, se puede afirmar que el máximo valor de la variable
respuesta obtenida con las semillas de pajuro fue superior a los citados.
52
Tabla 11: Diseño Box-Behnken, respuesta experimental (observado) y estimado
en la etapa de Optimización
Factor Recuperación proteica
Factor no codificado
codificado soluble
Exp. Trat.
X1 X2 X3 Observado, Estimado,
x1 x2 x3
(MP/S) (Tiempo) (Temperatura) Y1 Y
1 92.12±1.22
1 0 0 0 1/50 15 25 92.45
2 92.82±0.93
1 82.23±0.89
2 -1 -1 0 1/40 5 25 82.22
2 82.54±0.42
1 81.95±0.70
3 -1 1 0 1/40 25 25 82.07
2 82.23±0.89
1 78.07±0.85
4 1 -1 0 1/60 5 25 77.77
2 77.44±1.10
1 81.03±0.49
5 1 1 0 1/60 25 25 81.19
2 81.03±1.49
1 82.38±1.08
6 0 -1 -1 1/50 5 20 82.22
2 82.14±1.66
1 87.54±0.53
7 0 1 -1 1/50 25 20 87.24
2 87.31±1.60
1 92.74±0.88
8 0 0 0 1/50 15 25 92.45
2 92.47±1.61
1 81.79±1.56
9 0 -1 1 1/50 5 30 82.12
2 82.08±0.69
1 80.05±0.40
10 0 1 1 1/50 25 30 80.38
2 80.63±1.42
1 87.49±0.58
11 -1 0 -1 1/40 15 20 87.60
2 87.31±1.11
1 85.99±1.07
12 1 0 -1 1/60 15 20 86.09
2 86.14±0.65
1 85.46±1.11
13 -1 0 1 1/40 15 30 85.27
2 85.13±0.56
1 81.59±1.26
14 1 0 1 1/60 15 30 81.45
2 81.72±2.32
1 92.27±1.22
15 0 0 0 1/50 15 25 92.45
2 92.31±1.73
1 Expresado como el promedio ±DS
a. ANÁLISIS DE ADECUACIÓN DEL MODELO
La adecuación del modelo se comprobó mediante la representación de los tres diagnósticos.

Como se muestra en la Figura 11a, todos los puntos rodean la línea recta, y los residuos de
las respuestas del porcentaje de recuperación de proteína soluble se ajustan a la distribución
53
normal, lo que revela que el modelo desarrollado presenta una buena aproximación al valor
real de proteína recuperada. Los residuos frente al número de corridas (Figura 11b) se
construyeron para investigar la respuesta y su ajuste satisfactorio. El diagnóstico mostró que
todos los datos eran fiables, ya que estaban totalmente dentro el rango permitido (± 3.0), es
decir ± 0.4 (Liu et al., 2022). La Figura de los valores predichos frente a los reales se presenta
en la Figura 11c para estimar la compatibilidad del modelo.
Gráfica de línea ajustada

rendimiento = 0.0000 + 1.000 Predicción
95
S 0.226683
R-cuad. 99.8%
R-cuad.(ajustado) 99.8%
90
c
rendimiento
85
80
76 78 80 82 84 86 88 90 92 94
Predicción
Figura 11: Gráficos de diagnóstico para la comprobación de la adecuación del

modelo. Gráfico de probabilidad normal (a), los residuos frente al número de
ejecuciones (b), y la predicción frente a la realidad (c)
Los valores predichos y los valores reales ejercieron un alto grado de ajuste, ya que todos
los datos se situaron sobre la línea recta. Mientras tanto, los resultados también mostraron
que el modelo poseía un buen efecto de optimización en las condiciones de extracción de
proteína a partir de las semillas de pajuro.
54
b. MODELO MATEMÁTICO
La Ecuación 3 presenta el modelo matemático de segundo orden obtenido, el cual muestra

la relación entre la variable respuesta (porcentaje de recuperación de proteína soluble) y los
tres factores evaluados (relación MP/S, tiempo, temperatura).
Recuperación de proteínas solubles (%) = -113.03 + 4.784 MP/S + 2.5435 Tiempo

+ 5.910 Temperatura - 0.047634 MP/S * MP/S - 0.068767 Tiempo *
Tiempo - 0.10350 Temperatura * Temperatura + 0.008933 MP/S *
Tiempo - 0.01152 MP/S * Temperatura - 0.03381 Tiempo *
Temperatura.
Ecuación 3: Modelo matemático resultante de la etapa de optimización
El ANOVA del modelo cuadrático presentado en la Tabla 12 indica que es significativo (p

< 0.05). Para más detalles del análisis de varianza ver el Anexo 14.
Tabla 12: Resultados del Análisis de Varianza del modelo cuadrático en la etapa
de Optimización
Fuente Grado de Libertad Suma de Cuadrados Valor P

Modelo 9 625.04 0.000
Lineal 3 213.40 0.000
Cuadrático 3 505.44 0.000
Interacción 3 31.90 0.000
Error 20 1.439
Falta de Ajuste 3 0.415 0.114
Error Puro 17 1.02
Total 29 626.48
R2 0.9977
R2 ajustado 0.9976
Respecto al modelo, este presentó una falta de ajuste no significativo (p > 0.05), indicando
que los resultados experimentales se ajustan de forma adecuada al modelo para predecir el
porcentaje de proteínas solubles recuperadas y que el orden del modelo es el adecuado
(Gutiérrez, 2012).
55
En cuanto al error puro, se aprecia que la suma de cuadrados es poco significativa si se
compara al error total lo cual permite inferir que existe buena reproducibilidad en el punto
central (Aquino, 2015).
El coeficiente de determinación R2 ajustado explica que el 99.76 por ciento de la variabilidad

de los resultados es explicado por el modelo cuadrático. El coeficiente de determinación R2
es un buen indicador de cercanía entre los valores obtenidos por el modelo y los
experimentales.
c. SUPERFICIE DE RESPUESTA
La Superficie de Respuesta (tridimensional) presentada en la Figura 12, se elaboró a partir

del modelo cuadrático (Ecuación 3), a fin de representar los efectos principales e
interacciones de los factores independientes respecto a la variable respuesta. El objetivo fue
identificar las condiciones óptimas que maximicen la variable respuesta las cuales fueron
MP/S, 1/49 g/mL; tiempo de extracción, 16 min y temperatura, 23 °C con un porcentaje de
recuperación de proteínas solubles estimado de 92.87 por ciento.
Los gráficos de la Figura 12 se desarrollaron manteniendo constante un factor, mientras que

los dos factores restantes variaron dentro del rango experimental. De las superficies de
respuestas se observa que la temperatura presentó un comportamiento cuadrático (Figura 12
a y c) al igual que el tiempo (Figura 12 a y b), así también tiempos oscilantes entre los 15
min resultaron positivos. La combinación de temperaturas cercanas a los 30°C con tiempos
de extracción prolongados resultó tener efectos negativos sobre la variable respuesta (área
verde), al igual que los tiempos cortos (sin embargo, estos presentaron el mismo
comportamiento en todo el rango de temperatura estudiada).
56
A SUPERFICIE DE RESPUESTA ESTIMADA
MP/SOLVENTE=50.0
% PROTEÍNA
68.0
70.5
73.0
98
75.5
78.0
%PROTEINA
86 80.5
83.0
74 85.5
88.0
62 90.5
93.0
50 25
20
30 28 15
26 10
24 22 5
20 0 TIEMPO
TEMPERATURA
B SUPERFICIE DE RESPUESTA ESTIMADA

TEMPERATURA=25.0
% PROTEÍNA
68.0
70.5
96 73.0
75.5
78.0
%PROTEINA
82 80.5
83.0
68 85.5
88.0
54 90.5
93.0
40 25
20
40 44 15
48 10
52 56 5 TIEMPO
60 0
MP/SOLVENTE
SUPERFICIE DE RESPUESTA ESTIMADA

C TIEMPO=15.0
% PROTEÍNA
68.0
70.5
73.0
93
75.5
78.0
%PROTEINA
89 80.5
83.0
85 85.5
88.0
81 90.5
93.0
77 60
56
30 28 52
26 48
24 22 44
20 40 MP/SOLVENTE
TEMPERATURA
Figura 12: Gráficos de las superficies de respuesta y contornos para los efectos
de: Temperatura vs Tiempo (a); MP/S vs Tiempo (b) y Temperatura vs
MP/Solvente (c)
La mayoría de las proteínas son lábiles al calor, por lo que se desnaturalizan y agregan con
el mismo, por el contrario, algunas proteínas, llamadas proteínas estables al calor son
57
resistentes y permanecen en su estado soluble al calentarse (López, 2014). En base a lo
expuesto, se puede inferir que las proteínas de semillas de pajuro son sensibles a
temperaturas altas y que sumado a los tiempos de exposición largos propician una caída del
porcentaje de proteína soluble recuperado como consecuencia de la desnaturalización
proteica. Las condiciones óptimas de tiempo y temperatura se aproximan a las condiciones
de Arango et al. (2012), quién extrajo la mayor proporción de proteínas de semillas de pajuro
durante los primeros 20 min a temperatura ambiente.
Respecto a la relación MP/S, presentó un comportamiento cuadrático frente a los factores

tiempo y temperatura (Figura 12 b y c) suponiendo un comportamiento favorable óptimo a
combinaciones de temperatura y tiempo intermedios. Al respecto, Arango et al. (2012) en la
extracción de proteína de semillas de pajuro obtuvieron una tendencia lineal creciente entre
el porcentaje de proteína soluble recuperado y la relación MP/S en el rango de 1/20 - 1/40
g/mL, aunque los autores en mención no estudiaron el comportamiento más allá de la
relación 1/40 g/mL, la tendencia lineal obtenida hacía suponer que aún no se había llegado
al punto óptimo para este factor. Por lo tanto, en base a lo obtenido se puede inferir que la
condición óptima para el factor relación MP/S se localizaría en 1/49 g/mL, guardando
relación con el comportamiento encontrado por los autores en mención.
En conclusión, las superficies mostradas en la Figura 12, muestran en general resultados

favorables en tiempos cortos cercanos a 16 min, temperaturas oscilantes a la ambiental y
relación MP/S circundante a 1/49 g/mL.
4.2.3. VALIDACIÓN DEL MODELO
Las condiciones óptimas brindadas por el modelo matemático fueron validadas de forma
experimental a fin de determinar el grado de cercanía entre el valor predicho y el
experimental. La Tabla 13 muestra resultados favorables de cercanía entre los valores
obtenidos de forma experimental para los tratamientos realizados y los resultados del modelo
matemático (predicho).
Para determinar si ambos valores eran estadísticamente iguales se realizó la prueba T-

Student mostrada en la Tabla 14, se observó que ambos valores no presentaron diferencias
58
significativas (p> 0.05), lo que lleva a aceptar la hipótesis nula (µo=92.87 por ciento). Por lo
tanto, se valida el modelo obtenido por la MSR el cual puede ser usado para describir
adecuadamente la relación entre los factores y las respuestas, siempre y cuando se trabaje en
cualquier condición que se encuentre dentro de la zona experimental analizada.
Tabla 13: Valor predicho y experimental del porcentaje de recuperación de

proteínas solubles bajo condiciones óptimas
Condiciones Proteína soluble recuperada (%)

Factores óptimas1 Predicho Experimental
2
Temperatura (°C) 23
Relación MP/S (g/mL) 1/49 92.87 92.70±0.55
Tiempo (min) 16
1
Recomendadas por el modelo de segundo orden
2
expresado como el promedio ±DS
Tabla 14: Prueba T-Student para la etapa de Validación
Variable N Media Desviación Error estándar T p

Estándar de la media
Proteína soluble
3.00 92.70 0.55 0.314 -0.53 0.648
recuperada (%)
4.3. ETAPA 3: CARACTERIZACIÓN DEL AISLADO PROTEICO
4.3.1. PROPIEDADES TECNO-FUNCIONALES
a. CAPACIDAD DE FORMACIÓN DE ESPUMA (CFE)
Se observó diferencias significativas (p < 0.05) entre tratamientos, así mismo mediante la
prueba de comparación de medias no se encontró diferencias significativas entre los
tratamientos a pH 2 y 4 (ver Anexo 15). Los diferentes valores de la CFE presentaron un
59
comportamiento creciente respecto al pH tal y como lo muestra la Figura 13, presentando
valores de 26.67, 35.33, 54.67 y 103.33 por ciento a pH 2, 4 ,6 y 8, respectivamente, todos
bajo una concentración aislado/H2O al 1 por ciento.
Orihuela (2017) al determinar la CFE de aislado proteico de semillas de pajuro obtuvo un

valor máximo de 68 por ciento a pH 9, valor inferior al obtenido en esta investigación a pH
8 (103.33 por ciento). Cabe señalar que, el autor en mención trabajó con un aislado que tenía
una pureza proteica de 68.97 por ciento (en la presente investigación el aislado obtenido tuvo
una pureza de 92.45 por ciento). Al respecto Breña (2018) menciona que la concentración
de proteína influye en el volumen de espuma a formar de manera positiva, es decir, a mayor
concentración de proteína el volumen de espuma será mayor. Por lo tanto, se puede deducir
que las condiciones elegidas de extracción y el grado de pureza del aislado permitieron
obtener un aislado con una buena CFE.
120
100
a
80
CFE (%)
60
b
40
c
20 c
0
0 2 4 6 8 10
pH
Figura 13: Variación de la CFE del aislado de proteína de pajuro a diferentes

pH
Se han reportado CFE máximas del aislado de semillas como: quinua con 130 por ciento a
pH 9 para la variedad chupaca y 96.7 a pH 9 para la variedad jacha (Steffolani, 2016), tarwi,
51.18 por ciento a pH 8 (Breña, 2018); soya, 48.2 y sacha inchi con 55 por ciento a pH 8
60
(Mercado et al., 2015), frijol negro y morado con 27.2 y 28 por ciento, respectivamente, a
pH 8 (Teniente et al., 2019) y frijol de palo con 20 por ciento a pH 8 (Aliaga, 2019). De
acuerdo a lo expuesto, se puede inferir que el aislado proteico de semillas de pajuro presentó
mejor CFE que todas las semillas mencionadas anteriormente, a excepción de la quinua
variedad chupaca.
El comportamiento de la CFE respecto al pH fue creciente. Al respecto Lawal et al. (2005)

explican que el pH alcalino genera un aumento en la carga neta de la proteína que debilita la
interacción hidrófoba, incrementando la solubilidad de la proteína, permitiendo que se
extienda a la interfaz aire-agua más rápidamente, encapsulando las partículas de aire y
aumentando así la formación de espuma. Sin embargo, a medida que se acerca al PI (punto
isoeléctrico) la carga neta en la estructura de la proteína es mínima, lo cual la hace menos
soluble aumentando la tensión superficial, reduciendo la adsorción de la proteína en la
interfaz aire-agua lo que lleva a una reducción de la CFE (Jayasena et al., 2010). Por su
parte, Badui (2013) menciona que la CFE está relacionada con la flexibilidad que pueda
tener la molécula de proteína, permitiéndole realizar rápidamente cambios conformacionales
que da como resultado la rápida difusión a la interfaz aire-agua para encapsular partículas
de aire y mejorar la formación de espuma. De lo citado, se puede afirmar que las proteínas
de semillas de pajuro poseen flexibilidad a pH alcalino permitiéndole encapsular partículas
de aire y dando como resultado una mayor CFE.
b. ESTABILIDAD DE ESPUMA (EES)
Tal como se muestra en la Figura 14, existen diferencias significativas (p < 0.05) entre
tratamientos para la EES luego de 2 h, así también la prueba de comparación de medias no
encontró diferencias significativas entre los tratamientos a pH 2, 4 y 6 (ver Anexo 16).
La EES luego de 2 h fue 55.73, 54.85, 60.88 y 17.63 por ciento a pH 2, 4, 6 y 8,

respectivamente. Se aprecia así mismo que en general los tratamientos con pH 2, 4 y 6
mantuvieron poco más de la mitad de la espuma formada inicialmente y el tratamiento más
alcalino a pesar haber formado una mayor cantidad de espuma inicial, fue el menos estable.
Al respecto Mune y Sing (2015) obtuvieron 75.42 y 82.04 por ciento de EES en aislado
proteico de semillas de frijoles cowpea y bambara, respectivamente, después de 1 h a pH 7,
61
valores similares a los obtenidos en la presente investigación (78.74 por ciento) a un mismo
tiempo y a pH 6, lo cual indica similitudes para la ESS entre las semillas de pajuro y semillas
de frijoles de otras variedades.
120
pH 2 pH 4 pH 6 pH 8
100
80
EES (%)
a
60
a
a
40
20
b
0
0 10 20 30 40 50 60 70 80 90 100 110 120 130
Tiempo (min)
Figura 14: Variación de la EES (%) del aislado de proteína de pajuro en el

tiempo (min) a diferentes pH
Se ha reportado la EES del aislado de semillas como: quinua pasankalla con 43.5 por ciento
a pH 9 después de 1 h (Steffolani, 2016), sacha inchi con 30.78 por ciento a pH 8 luego de
2 h (Breña, 2018), así como, soya y sacha inchi 28 y 33.7 por ciento, respectivamente, a pH
8 después de 2 h (Mercado et al., 2015). Al comparar las semillas mencionadas con el pajuro
se observa resultados favorables para el pajuro respecto a otras semillas.
Como se mencionó anteriormente, el tratamiento con mayor pH obtuvo una mayor CFE, sin
embargo, fue el menos estable. Al respecto Jaimes et al. (2012) mencionan que el PI es una
región en la cual las espumas estabilizadas por proteínas son más estables (mientras no se
insolubilicen) puesto que en esta región o próxima, la escaza presencia de interacciones
repulsivas favorece el establecimiento de interacciones proteína–proteína y la formación de
62
una película viscosa en la interfase soluble-insoluble, así también, aumenta la cantidad de
proteína adsorbida en la interfase, debido a la ausencia de repulsiones entre la interfase y las
moléculas que a ella se adsorbe. Steffolani (2016) expone que al evaluar la EES de quinua
las variedades que presentaron mayores capacidades espumantes no fueron necesariamente
los más estables y explica que las proteínas actúan como surfactantes en la espuma y su
función es evitar el proceso de separación reteniendo las burbujas de aire finas. De acuerdo
a lo manifestado, el comportamiento de EES en la presente investigación fue mejor a pH
cercano a 4.5 (PI) y poco favorable cuando se alejó significativamente (pH 8) validando así
expuesto por los autores en mención. Se puede afirmar por consiguiente que una alta CFE
no aseguró una buena EES y aunque permitió una mejor solubilidad, aumentando la
viscosidad y facilitando la formación de una película multicapa proteica cohesiva, la
estabilidad se vio afectada al verse alejada del PI.
Martínez et al. (2011) afirman que es recomendable que la estabilidad de la espuma sea entre
50 a 70 por ciento dependiendo del producto para los sistemas alimenticios que requieren
espuma como las tortas y helados. De acuerdo a lo expuesto, se puede inferir que la
estabilidad a pH 2, 4 y 6 cumple estas condiciones y serían estos valores de pH los más
recomendados a ser usados.
c. CAPACIDAD DE RETENCIÓN DE AGUA (CRA)
De acuerdo a lo observado en la Figura 15, se obtuvieron diferencias significativas (p < 0.05)

entre tratamientos para la CRA, así mismo mediante la comparación de medias no se
encontró diferencias significativas entre los tratamientos a pH 2 y 6 (ver Anexo 17).
La CRA presentó los siguientes valores 2.73, 2.08 y 2.68 y 3.53 g H2O/g aislado a pH 2, 4
,6 y 8, respectivamente. Llegándose a encontrar que la CRA fue mínima cerca al PI e
incrementó a medida que se alejó del mismo.
Asgar et al. (2010) mencionan que es usual que la CRA sea menor en el PI, debido a que en
esta región de pH predominan las interacciones proteína-proteína desplazando así las
interacciones proteína-agua, así mismo, añaden que valores lejanos del PI permiten que la
carga neta del aislado se modifique y pueda hincharse reteniendo más agua. Al respecto
63
Glencross et al. (2010) afirman también que la CRA es mayor a valores lejanos del PI debido
al aumento de fuerzas de repulsión entre proteínas. Se puede por lo tanto afirmar que la CRA
del aislado proteico de semillas de pajuro presentó valores mínimos cerca del PI debido a la
predominancia de las interacciones proteína-proteína.
Orihuela (2017) al determinar la CRA del aislado de semillas de pajuro obtuvo un valor
máximo de 2.75 g H2O/g aislado, valor inferior al obtenido en la presente investigación (3.53
g H2O/g aislado); cabe mencionar que el autor en mención, trabajó bajo condiciones de
extracción alcalinas (pH 11) superiores al de la presente investigación (pH 10), así también
tiempos prolongados de extracción de 90 min. Como se mencionó en la etapa de screening,
condiciones alcalinas superiores a pH 10 y tiempos prolongados de extracción pueden tener
un efecto negativo sobre las propiedades tecno-funcionales de la proteína. En base a lo
expuesto se puede afirmar que las condiciones de tiempo y pH elegidas favorecieron en tener
una mejor CRA.
4.0
3.5
a
CRA (g proteína/g H2O)
3.0
2.5 b b
2.0
c
1.5
1.0
0.5
0.0
0 2 4 6 8 10
pH
Figura 15: Variación de la CRA (g H2O/g aislado) a diferentes pH
Valores máximos de CRA (expresados en g H2O/g de aislado) han sido reportados por
diferentes autores para aislados proteicos de: tarwi con 3.74 (Breña, 2018), quinua blanca
con 6.1 (Steffolani et al., 2016), sacha inchi con 4-5 (Mercado et al., 2015), semillas de
64
maracuyá con 2.7 (Martínez et al., 2011), frijol morado y negro con 11.25 y 10.99,
respectivamente, (Teniente et al., 2019) y frijol de palo con 1.45 (Aliaga, 2019). La CRA
máxima obtenida en esta investigación (3.53 g H2O/g de aislado) es inferior a la obtenida en
quinua blanca, sacha inchi, frijol negro y morado, pero superior al tarwi, semillas de
maracuyá y frijol de palo. Al respecto, Martínez et al. (2011) indican que una CRA mayor a
1.9 g de H2O/g aislado es lo deseable para un aislado proteico comercial, siendo así un punto
a favor dado que el valor obtenido es superior al mínimo requerido.
La CRA es una propiedad que puede verse favorecida por la exposición de la proteína a
temperaturas ligeramente más altas, al respecto, Akaerue y Onwuka (2010) señalan que
aumentar ligeramente la temperatura de extracción mejora la CRA, puesto que, cuando la
proteína se calienta los enlaces que mantienen sus estructuras secundarias y terciarias se
debilitan; provocando que la mayoría de las moléculas de la proteína comiencen a
desplegarse, generando un ligero aumento en la cantidad de agua retenida para interactuar
con los grupos cargados, permitiendo interacciones extensas de ion-agua. Tal afirmación se
puede ver reflejada en los valores reportados por Delgado-Soriano et al. (2020) quienes al
evaluar la CRA a extruidos de harina de semillas de pajuro obtuvieron un valor de 7.57 g
H2O/g extruido, mientras que Delgado y Albarracín (2014) al analizar harina de semillas de
pajuro obtuvieron 3.67 g H2O/g de harina; de lo mencionado, se puede afirmar que la
extrusión es una operación que añade calor y favorece por lo tanto en el incremento de la
CRA del extruido respecto a la harina. Por consiguiente, es de importancia considerar la
adición de calor al proceso de extracción de proteína a fin de mejorar la CRA, teniendo en
cuenta también que el porcentaje de proteínas recuperadas durante la extracción puede
disminuir, tal y como lo muestra la superficie de respuesta obtenida (ver Figura 12).
d. SOLUBILIDAD
Como se puede apreciar en la Figura 16, existen diferencias significativas (p < 0.05) entre
tratamientos para la solubilidad, así mismo mediante la prueba de comparación de medias se
encontró diferencias significativas entre todos los tratamientos (ver Anexo 18).
65
La solubilidad obtenida fue de 19.32, 1.63, 24.84 y 43.65 por ciento a pH 2, 4, 6, y 8,
respectivamente. La solubilidad fue mínima en el PI e incrementó a medida que se fue
alejando del mismo.
50
a
45
40
Solubilidad (%)
35
30 b
25 c
20
15
10
5 d
0
0 2 4 6 8 10
pH
Figura 16: Variación de la solubilidad del aislado de proteína pajuro a diferentes

pH
Steffolani et al. (2016) en la determinación de la solubilidad de aislado de quinua obtuvieron

valores mínimos en el PI cercanos a 10 por ciento, mientras que cuando el pH aumentó a 9
la solubilidad incrementó a 70 por ciento. El autor en mención señala que, las curvas del
perfil de solubilidad de las proteínas son en forma de U y tienen un mínimo de solubilidad
en la proximidad del PI y solubilidad alta a pH alcalino. Al respecto, Luyten et al. (2004)
mencionan que la solubilidad de las proteínas depende en gran medida del pH, temperatura,
fuerza iónica y concentración, añaden que cerca del PI, las proteínas son menos solubles
porque la carga total neta es cerca de cero, y se produce una atracción entre proteínas. Por lo
tanto, se puede inferir que la solubilidad de las proteínas de las semillas de pajuro será
mínima en el PI.
Valores máximos de solubilidad han sido reportados para aislados de tarwi con 87.75 por
ciento a pH 8 (Breña, 2018), quinua con 70 por ciento a pH 9 (Steffolani et al., 2016), soya
con 82.2 por ciento a pH 9.5, sacha inchi con 99.4 por ciento a pH 11 (Mercado et al., 2015),
66
semilla de melón con 96.33 por ciento a pH 11 (Ogundele, 2010), frijol negro y morado con
93.37 y 88.43 por ciento a pH 12, respectivamente (Teniente et al., 2019) y frijol de palo
con 90 por ciento a pH 11 (Aliaga, 2019). Como se aprecia las solubilidades en mención
dependen mucho del pH evaluado y son superiores al obtenido en la presente investigación
(43.64 por ciento), donde el pH máximo al que se analizó fue 8 (valor por debajo de 9-11,
valores citados).
Badui (2013) menciona que la solubilidad de una proteína depende del tipo de aminoácidos
que contenga y la cantidad de residuos hidrofílicos presentes, además, es un indicador para
considerar la incorporación de aislados proteicos a sistemas alimentarios, por lo tanto, se
puede inferir que las proteínas de las semillas de pajuro serán más afines al agua a medida
que el medio se alcaliniza. Sin embargo, para tener un mejor análisis es imprescindible
considerar valores más extremos de pH alcalino a fin de tener una mejor comprensión y
comparación de la solubilidad respecto a otras semillas y determinar también el grado de
desnaturalización y precipitación durante el proceso de refinamiento. Para la presente
investigación al tratarse de sistemas alimenticios no se consideró la evaluación a pH
demasiado alcalinos.
Sánchez et al. (2017) mencionan que la solubilidad de las proteínas es requisito para lograr
una mejor CFE, al aumentar la viscosidad y facilitar la formación de una película multicapa
proteica cohesiva en la superficie de contacto, relación que indicaría el comportamiento que
tuvo la CFE respecto al pH al verse favorecido a medida que se acercó a la alcalinidad.
e. CAPACIDAD DE ABSORCIÓN DE ACEITE (CAA)
La CAA obtenida fue 2.4 g aceite/g de aislado. Se han reportado aislados (expresados en g
aceite/g aislado) de semillas como: tarwi con 1.76 (Breña, 2018), sacha inchi con 1.39, soya
con 0.85 (Mercado et al., 2015), frijol de palo con 1.2 (Aliaga, 2019), quinua jacha y
pasankalla con 4.42 y 2.81, respectivamente (Steffolani et al., 2016), así como, frijol negro
y morado 17.79 y 15.21, respectivamente (Teniente et al., 2019). Se aprecia que la CAA del
aislado de las semillas de pajuro es superior al tarwi, sacha inchi, soya y frijol de palo, pero
inferior al frijol morado y negro y la quinua jacha y pasankalla. Al respecto Sánchez et al.
(2017) mencionan que las diferencias entre CAA se deben a las características
67
conformacionales, hidrofobicidad, presencia de grupos lipófilos y de aminoácidos no polares
en las proteínas, añaden que la posible desnaturalización parcial de las proteínas durante la
extracción, puede generar la exposición de grupos hidrófobos de aminoácidos. Aguilera
(2010) explica que una mayor cantidad de cadenas laterales no polares en aislados proteicos
incrementa la CAA. Por lo tanto, se puede atribuir la diferencia encontrada de CAA con
otros alimentos a las diferentes conformaciones de las proteínas y estructura, así como, las
condiciones de extracción que pudieran generar desnaturalización proteica.
Aguilera (2010) menciona que temperaturas de trabajo mayores a 45°C durante la extracción
alcalina pueden ocasionar una disminución de la CAA dada la desnaturalización proteica,
dicho efecto es apreciable en la comparación antes realizada dado que Breña (2018) y
Mercado et al. (2015) utilizaron temperaturas de 50°C en la obtención del aislado respectivo,
y como se aprecia sus valores de CAA obtenidos se encuentran entre los más bajos (respecto
a los citados). Para la presente investigación la temperatura usada fue 23°C condición que
no permitió la adición de calor favoreciendo así la CAA.
Mercado et al. (2015) reportan que los valores de CAA de diferentes marcas comerciales de
aislados proteicos de soya van desde 1 hasta 1.95 g aceite/g aislado como mínimo, valor que
al compararse con el obtenido supone estar dentro del rango citado. Schoeneberger et al.
(2015) explican que la CAA es muy importante en la formulación de productos para freír,
retención de los sabores; disminución de la rancidez oxidativa y aumento de la estabilidad
durante el almacenamiento.
f. CAPACIDAD DE EMULSIFICACIÓN (CE) Y ESTABILIDAD (EE)
La CE obtenida fue 68.67 por ciento y la EE fue 91.30 por ciento después de 2 h. Se han
reportado resultados de la CE y EE en aislados de las siguientes semillas: tarwi con 63.38 y
50.51 por ciento luego de 2 h (Breña, 2018), frijol negro con 33.59 y 96.15 por ciento, frijol
morado con 32.54 y 89.97 por ciento luego de 30 min (Teniente et al., 2019), frijol castilla
con 56.06 y 99.6 por ciento, frijol bambara con 57.28 y 96.78 por ciento luego de 30 min
(Mune y Singh, 2015), trigo con 67.01 y 70.28 luego de 30 min (Hassan et al., 2010). Tal y
como se aprecia el aislado de las semillas de pajuro presenta características similares a la CE
del tarwi, trigo, y es ligeramente superior al frijol negro y morado, frijol de palo, frijol castilla
68
y frijol bambara. Así también la EE fue similar a los frijoles morado, negro, castilla,
bambara, y superior al tarwi y trigo. En general se aprecia que las semillas de frijoles tienen
una EE cercana al 100 por ciento, por lo cual la semilla de pajuro se encuentra también
dentro de este rango, así mismo CE es variable aún en variedades del mismo tipo. Eltayeb et
al. (2011) menciona que la estabilidad de emulsión depende del contenido de
polielectrolitos, de lo cual se puede inferir que el aislado proteico de semillas de pajuro tiene
mayor cantidad de estos polímeros que los alimentos con menor EE.
La cantidad adecuada de proteínas solubles en la solución es necesaria para promover la

trampa de las gotas de aceite lo que resulta en un aumento de la CE; teóricamente, un
aumento de la solubilidad de la proteína facilita la interacción entre las fases oleosa y acuosa
(Chaparro et al., 2014, Wu et al., 2009). Al respecto Badui (2013) añade que se pueden tener
buenos resultados en un rango de solubilidad desde un 25 hasta un 80 por ciento, aunque las
proteínas altamente insolubles no funcionan como buenos emulsificantes. A pH 7 según la
Figura 16 la solubilidad bordea el 35 por ciento estando dentro del rango citado, lo cual hace
inferir que la solubilidad de las proteínas de semillas de pajuro favoreció a la CE.
El tipo de proteína tiene mucha influencia en esta capacidad, sin embargo, no solo se trata
de cuan hidrófoba es una proteína dado que esta propiedad no siempre está ligada a la CAA,
sino más bien de la flexibilidad molecular ya que la proteína debe ser capaz de contactar con
las fases aceite y agua, modificando su conformación para quedar colocada en la interfase.
Así mismo si se desnaturaliza parcialmente la proteína sin llegar a la insolubilización, se
logrará una mejora de las propiedades emulsificantes pues se incrementan la flexibilidad
molecular y la hidrofobicidad superficial favoreciendo la formación de películas altamente
viscoelásticas en la interfase aceite-agua (Badui, 2013).
Hadnadjev et al. (2017) exponen que los aislados de proteínas obtenidos por procesos de la
ultrafiltración son comúnmente de mejores propiedades tecno-funcionales en comparación
con los aislados obtenidos por extracción alcalina, especialmente en sus propiedades
emulsionantes. Sugiriendo así que el método de extracción influye sobre esta propiedad.
69
4.3.2. ÍNDICE DE BLANCURA (IB)
El color expresado en índice de blancura (IB) obtenido fue de 75.35 y 84.81 por ciento para
la harina y para el aislado, respectivamente. Para llevar a cabo una adecuada comparación
se calcularon los IB de los autores citados bajo la misma fórmula. Breña (2018) al evaluar
harina y aislado de tarwi obtuvo 74.63 y 76.36 por ciento de IB, así mismo, Steffolani et al.
(2016) obtuvieron 61.89 por ciento para aislado proteico de quinua blanca, y 45.79 por ciento
para cañihua. El IB del aislado de semillas de pajuro fue superior a los alimentos citados,
sugiriendo una mejora de estado del IB desde harina a aislado de cerca del 10 por ciento. Xu
y Diosady (2002) mencionan que bajo condiciones alcalinas los polifenoles (presentes en las
proteínas vegetales) tienden a oxidarse y posteriormente pueden reaccionar con la proteína
dando como resultado un color verde oscuro o marrón en la solución de proteínas extraídas.
En la presente investigación se llevaron a cabo dos lavados (agua y mezcla hidroalcohólica)
con el objetivo de eliminar compuestos fenólicos y favorecer el IB. En base a lo obtenido se
puede inferir que los lavados realizados permitieron evitar el efecto negativo de los
polifenoles.
Otro factor que afecta también el IB es el contenido de pigmentos presentes, puesto que
pueden extraerse de manera conjunta a las proteínas durante la etapa de extracción
(Steffolani et al., 2012). Estos mismos autores, al extraer proteínas de cañihua y quinua
blanca obtuvieron aislados con IB de 45.79 y 60.42 por ciento, respectivamente, según
explican la presencia de pigmentos en la cañihua ejerció un efecto negativo significativo
respecto a la quinua. En base a lo expuesto, se puede inferir que la harina de semillas de
pajuro tiene bajo contenido de pigmentos oscuros y permitió obtener un IB aceptable, a este
factor se suma el método de secado usado, la liofilización, método que tiende a conservar de
mejor forma las propiedades tecno-funcionales de los alimentos (Parzanese, 2012).
Múzquiz et al. (2011) indican que el color debe tomarse muy en cuenta al enriquecer harinas
de cereales con aislados proteicos, puesto que se busca no alterar ni modificar el color de las
harinas en los productos de panadería entre otros, siendo así un indicador de calidad en el
producto. Montoya et al. (2012) al evaluar el IB de la harina comercial de trigo obtuvieron
87.36 por ciento, valor cercano al obtenido en la presente investigación (84.81 por ciento),
70
lo cual sugiere que el aislado de semillas pajuro puede usarse como complemento en
formulaciones de productos de panadería y afines.
4.3.3. COMPOSICIÓN, RECUPERACIÓN PROTEICA Y RENDIMIENTO DEL

AISLADO PROTEÍCO DE SEMILLAS DE PAJURO
El rendimiento de extracción respecto a la harina de semillas de pajuro fue de 12.22 por

ciento, así mismo del total de proteínas contenidas en la harina, se recuperó el 57.59 por
ciento obteniéndose un aislado final con una pureza de 92.45 por ciento de proteína, tal y
como se puede apreciar en la Tabla 15.
Tabla 15: Composición del aislado proteico, rendimiento y recuperación

proteica de extracción
Indicadores (%) Valor1

Proteína 92.45±0.64
Ceniza 3.84±0.60
Rendimiento de extracción del proceso 12.22±0.59
Proteína recuperada del proceso 57.59±0.72
1
Resultados expresados como el promedio ±DS
Orihuela (2017) en la extracción de proteínas de semillas de pajuro obtuvo un rendimiento

y pureza (respecto a la cantidad de proteína) de 14.73 y 68.97 por ciento, respectivamente,
tras 90 min de extracción a pH 9. Por su parte Arango et al. (2012) trabajaron con harina de
semillas de pajuro de 18.4 por ciento de proteínas, extrayendo el 60 por ciento de estas a un
tiempo de 60 min a una relación 1/40 MP/S. Al comparar los resultados obtenidos con los
citados se observa cierta similitud respecto al rendimiento de extracción y proteína
recuperada, sin embargo, existe una diferencia notable cuando se hace la comparación de
pureza y tiempo extracción. La pureza obtenida está muy por encima de lo obtenido por
Orihuela (2017), lo cual da a entender que el método de purificación usado en la presente
investigación fue el adecuado, así mismo respecto al factor tiempo, el obtenido mediante
superficie de respuesta fue de 16 min, tiempo muy por debajo a los usados por los autores
citados, siendo así un punto positivo de optimización al reducir los tiempos de extracción,
71
así como, evitar el largo contacto de la proteína a pH alcalinos que puedan tener un impacto
negativo en su tecno-funcionalidad.
El porcentaje de proteína recuperada obtenida mediante la superficie de respuesta fue de 92.7

por ciento (proteína soluble) y el obtenido tras obtener el aislado fue de 57.59 por ciento. Si
se comparan ambos valores difieren considerablemente. Durante la fase experimental de
superficie de respuesta la velocidad de centrifugado luego de la extracción, fue de 4000 RPM
durante 15 min, mientras que en la fase de obtención de aislado proteico la velocidad usada
fue de 2000 RPM durante 30 min, dado que para obtener el aislado proteico se requería
manejar volúmenes más grandes y el equipo disponible tenía la limitante de trabajar como
máximo a 2000 RPM lo cual representó una desventaja puesto que no permitió recuperar en
su totalidad la proteína separada, así mismo, el método de Lowry solo cuantifica las proteínas
solubles y no contempla las operaciones de precipitación y lavado que como toda operación
unitaria generan mermas y pérdidas propias del proceso, es así que los factores velocidad de
centrifugado, y mermas posteriores a la cuantificación de proteína soluble mediante Lowry
tuvieron un impacto negativo en el porcentaje de proteína recuperada.
4.3.4. USOS RECOMENDADOS DEL AISLADO PROTEICO DE SEMILLAS DE

PAJURO
a. Capacidad de Formación de Espuma y Estabilidad: Los resultados obtenidos

fueron favorables y se recomienda su uso en merengues, tortas y helados.
b. Capacidad de Retención de Agua: Se recomienda su uso en productos cárnicos,

pulpas de frutas congeladas, hamburguesas, quesos, pasteles y panes.
c. Capacidad de Absorción de Aceite: En base a las características favorables

obtenidas para esta propiedad se recomienda su uso en productos de panadería bajos
en grasa y productos para freír.
d. Capacidad de Emulsión y Estabilidad: Se obtuvieron resultados favorables para

esta propiedad y por lo tanto se recomienda su uso en alimentos como mayonesas,
aderezos y helados.
72
V. CONCLUSIONES
1. Las características físico-químicas de la harina de semillas de pajuro fueron:

humedad 8.27; proteína total 19.62; grasa 0.76; fibra cruda 1.53; ceniza; 5.34,
extracto libre de nitrógeno 72.73 e índice de blancura 75.35 por ciento. Resultados
expresados en base seca (bs).
2. Las condiciones óptimas de extracción obtenidas mediante la metodología de

Superficie de Respuesta fueron: relación MP/S 1/49 g/mL; temperatura 23 °C y
tiempo 16 min; recuperándose máximo de 92.70 g de proteína soluble/100 g de
proteína total.
3. El modelo matemático obtenido tuvo un coeficiente de correlación (R2ajustado =

0.9976) cercano al valor ideal (1) y sugiere que los valores estimados por el modelo
son consistentes estadísticamente.
4. Se obtuvo un aislado proteico con una pureza en proteínas de 92.45 por ciento (bs),
índice de blancura de 84.81 por ciento y rendimiento de extracción de 12.22 g
aislado/100 g harina.
5. Las propiedades tecno-funcionales del aislado proteico de semillas de pajuro que se

mostraron superiores en general a otras semillas fueron: CFE con 103.33 por ciento
a pH 8, EES con 60.88 por ciento pH 6, CRA con 3.53 g H2O/g aislado a pH 8, CAA
con 2.4 g aceite/g aislado, CE con 68.67 por ciento y EE con 91.30 por ciento,
mientras que la Solubilidad bajo las condiciones evaluadas se mostró inferior con
43.64 por ciento a pH 8.
VI. RECOMENDACIONES
• Determinar el perfil aminoacídico y la calidad nutricional del aislado proteico de

semillas de pajuro optimizado.
• Identificar el tipo de proteínas extraídas.
• Evaluar el comportamiento del aislado proteico de semillas de pajuro en diferentes

matrices alimenticias de acuerdo a sus propiedades tecno-funcionales.
• Evaluar el uso y potencial de los subproductos generados durante el proceso de

extracción proteica de pajuro.
VII. BIBLIOGRAFÍA
Acero, C. (2002). Guía para el cultivo y aprovechamiento del Chachafruto o Balú.

(Erythrina edulis) Triana ex Micheli. España: Convenio Andrés Bello.
Aguilera, Y. (2010). Harinas de leguminosas deshidratadas: Caracterización nutricional
y valoración de sus propiedades tecno-funcionales (Tesis de pregrado,
Universidad Autónoma de Madrid). Recuperada de
http://hdl.handle.net/10486/4180
Adeva-Andany, M., Fernández-Fernández, C., Carneiro-Freire, N., Vila-Altesor, M.,
Ameneiros-Rodríguez, E. (2022). The differential effect of animal versus
vegetable dietary protein on the clinical manifestations of diabetic kidney disease
in humans. Science Direct, 48(2022), 21-25. doi: 10.1016/j.clnesp.2022.01.030
Ahmad, M., Tahir, A., & Salman, R. (2020). Heat stability of proteins and its exploitation
for purification of heat-stable proteins. School of Life Sciences, Forman Christian
College (A Chartered University), 1-14. Recuperado de:
https://www.preprints.org/manuscript/202008.0225/v1
Ahmed, S., & Babiker E., Mohamed Ahmed., Eltayeb, M., & Ahmed, S. (2012). Effect
of Sodium Chloride Concentration on the Functional Properties of Selected
Legumes flour. African Journal of food, 12 (6). Recuperado de:
https://www.ajol.info/index.php/ajfand/article/view/82786
Ahmed, N., Ali, A., Riaz, S., Ahmad, A., Aqib, M. (2021). Vegetable Proteins:
Nutritional Value, Sustainability, and Future Perspectives. Research Gate, 1-14.
doi: 10.5772/intechopen.100236
Akaerue, B., & Onwuka, G. (2010). Evaluation of the yield, protein content and
functional properties of Mungbean (Vigna radiata Wilczek) protein isolates as
affected by processing. Pakistan Journal of Nutrition, 9(8), 728-735. doi:
10.3923/pjn.2010.728.735
Aliaga, P. (2019). Optimización del proceso y caracterización físico química de aislado
proteico de frijol de palo. (Cajanus cajan l.) (Tesis de pregrado, Universidad
75
Nacional de San Martín). Recuperado de:
https://repositorio.unsm.edu.pe/handle/11458/3340
Álzate, E., Quintero, V., & Lucas, J. (2013). Determinación de las propiedades térmicas
y composicionales de la harina y almidón de chachafruto (Erytina Edulis Triana
Ex Micheli). Temas Agrarios, 18 (2), 21-35. Recuperado de:
https://revistas.unicordoba.edu.co/index.php/temasagrarios/article/view/714/830
AOAC. (Asociation of Official Analytical Chemist). (2016). Official Methods of
Analysis (20°ed.). Washington, United State.
AOAC. (Asociation of Official Analytical Chemist). (2019). Official Methods of
Analysis. (21°ed.). Washington, United State.
Aquino, E. (2015). Optimización del proceso de extracción de las proteínas de la torta de
sacha inchi (Plukenetia volubilis L.) (Tesis de maestría, Universidad Nacional
Agraria la Molina). Recuperado de:
http://revistas.laMolina.edu.pe/index.php/acu/article/view/777
Arango, O., Bolaños, V., Ricaurte, D., Caicedo, M., & Guerrero, Y. (2012). Obtención
de un extracto proteico a partir de harina de chachafruto (Erythrina edulis).
Revista universidad y salud, 14(2), 161-167. Recuperado de:
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0124-
71072012000200006
Aredo, V., Carranza, J., & Siche, R. (2017). Inventario de especies vegetales de la
Libertad (Perú) y análisis de su potencial agroindustrial. Agroindustrial Science,
7(2), 98. Recuperado de: https://1library.co/document/y8k89pwy-inventario-
especies-vegetales-libertad-peru-analisis-potencial-agroindustrial.html
Asgar, M., Fazilah, A., Huda, N., Bhat, R., & Karim, A. (2010). Nonmeat protein
alternatives as meat extenders and meat analogs. Comprehensive Reviews in Food
Science and Food Safety, 9(5), 513-529. doi: 10.1111/j.1541-4337.2010. 00124.x
Astiasarán, I., & Martínez, J. (2002). Alimentos composición y propiedades. España:
McGrall-Hill Interamericana.
Atalah, E., & Araya, H. (2011). Informe: Utilización de hidrolizados de subproductos de
pescado en la alimentación humana. Chile. Recuperado de
https://www.academia.edu/9742508/INFORME_UTILIZACI%C3%93N_DE_L
OS_HIDROLIZADOS_PROTEICOS_DE_SUBPRODUCTOS_DE_PESCADO
_EN_LA_ALIMENTACI%C3%93N_HUMANA_Elaborado_para_Fundaci%C
3%B3n_Chile_por
76
Badui, S. (2013). Química de los alimentos (5°ed.). México: Pearson.
Barrera, M., & Mejía, M. (1998). Chachafruto, balú, sachaporoto., Erythrina edulis,
Triana: Pasado, Presente y Futuro, (3), 1-15. Recuperado de:
http://bibliotecadigital.agronet.gov.co/bitstream/11348/4120/1/Chachafruto%2C
%20pasado%2C%20presente%20y%20futuro.pdf
Baune, M., Terjung, N., Tülbek, M., Boukid, F. (2022). Textured vegetable proteins
(TVP): Future foods standing on their merits as meat alternatives. Science Direct,
6(2022). doi: 10.1016/j.fufo.2022.100181
Bessada, S., Barreira, J., & Oliveira, B. (2019). Pulses and food security: Dietary protein,
digestibility, bioactive and functional properties. Trends in Food Science &
Technology, 93:53–68. doi: 1016/j.tifs.2019.08.022
Bonino, J., Cagnassi, L., Giudicci, A., Ibarra, J., Oriolani, P., Vidal, A., Molina, M.
(2016). Caracterización fisicoquímica de aislados de proteínas vegetales.
Universidad Católica Argentina, 14(14). Recuperado de:
https://repositorio.uca.edu.ar/bitstream/123456789/5739/1/caracterizacion-
aislados-proteinas-vegetales.pdf
Breña, D. (2018). Obtención de un aislado proteico de torta de tarwi (Lupinus mutabilis
Sweet) y evaluación de sus propiedades tecno-funcionales (Tesis de pregrado,
Universidad Nacional Agraria la Molina). Recuperado de
https://repositorio.lamolina.edu.pe/bitstream/handle/20.500.12996/3802/bre%C3
%B1a-diaz-daniel-angel.pdf?sequence=1&isAllowed=y
Castel., M. (2010). Estudio de las propiedades funcionales, tecnológicas y fisiológicas de
las proteínas de amaranto (Tesis de maestría, Universidad Nacional del Litoral).
Recuperada de
https://bibliotecavirtual.unl.edu.ar:8443/tesis/bitstream/handle/11185/212/tesis.p
df?sequence=1&isAllowed=y
Castillo, V. (2013). Diseño y cálculo de un agitador de fluidos (Tesis de pregrado,
Universidad del BIO BIO). Recuperado de:
http://repobib.ubiobio.cl/jspui/bitstream/123456789/412/1/Castillo_Uribe_Vladi
mir.pdf
Chaparro, S., Tavera, M., Martínez, J., & Gil, J. (2014). Functional Properties of flour
and protein isolates from Annona muricata seeds. Revista UDCA Actualidad y
Divulgación Científica, 17(1), 151-159. doi: 10.31910/rudca. v17.n1.2014.950
77
Chaquilla, G., Balandrán, R., Mendoza, A., & Mercado, J. (2017). Propiedades y posibles
aplicaciones de las proteínas de salvado de trigo. Ciencia UAT, (12-2), 137-147.
Recuperado de:
https://www.researchgate.net/publication/322973438_Propiedades_y_posibles_a
plicaciones_de_las_proteinas_de_salvado_de_trigo
Constantina, G. (2003). Extraction Optimization in Food Engineering. United Stated:
CRC PRESS.
Delgado, N., & Albarracín, W. (2014). Microestructura y propiedades funcionales de
harinas de quinua (Chenopodioum Quinoa, W) y chachafruto (Erythrina edulis):
Potenciales extensores cárnicos. Vitae, 19(1), 430-432. Recuperado de:
https://www.redalyc.org/pdf/1698/169823914135.pdf
Delgado, V. (2018). Calidad proteica de las semillas de pajuro (Erythrina edulis, Triana)
sometidas a cocción tradicional y extrusión (Tesis de maestría, Universidad
Nacional Agraria la Molina). Recuperada de
http://repositorioslatinoamericanos.uchile.cl/handle/2250/1370562
Delgado-Soriano, V., Cortés, P., Guevara, A., & Vílchez, C. (2020). Características
físico-químicas de las semillas de pajuro (Erythrina edulis, Triana) y propiedades
funcionales después de la extrusión. Revista de Investigaciones Altoandinas,
22(3), 263 – 273. doi: 10.18271/ria.2020.660
Delgado-Soriano, V., Cortés, P., Guevara, A., & Vílchez, C. (2022). Digestibilidad
proteica de semillas de Pajuro (Erythrina edulis, Triana) sometidas a cocción
tradicional. Journal of High Andean Research, 24(2), 75-83. doi:
10.18271/ria.2022.333
Eltayeb, A., Ali, A., Abou, A., & Abu, F. (2011). Chemical composition and functional
properties of flour and protein isolate extracted from Bambara groundnut (Vigna
subterranean). African Journal of Food Science, 5(2), 82-90. Recuperado de:
https://academicjournals.org/journal/AJFS/article-full-text-pdf/9CE9E2E2819
Escamilo, S. (2012). El pajuro (Erythrina edulis) alimento andino en extinción.
Investigaciones Sociales, 16 (28), 97-103. doi:10.15381/is.v16i28.7389
Espinoza, G. (2018). Análisis químico proximal de granos y harina de “Pajuro”
(Erythrina edulis) y elaboración de una bebida proteica con sabor a chocolate
(Tesis de pregrado, Universidad Peruana Cayetano Heredia). Recuperada de:
https://repositorio.upch.edu.pe/bitstream/handle/20.500.12866/3764/Analisis_Es
pinozaCordova_Gaby.pdf?sequence=1&isAllowed=y
78
FAO (Organización de las Naciones Unidas para la alimentación). 2017. El futuro de la
alimentación y la agricultura: tendencias y desafíos. Recuperado de:
https://www.fao.org/3/i6881s/i6881s.pdf
FEN (Fundación Española de la Nutrición). (2017). Informe sobre Legumbres, Nutrición
y Salud. Recuperado de:
https://www.fen.org.es/storage/app/media/imgPublicaciones/informe-legumbres-
nutricion-y-saludvw.pdf
Fennema, O., Parkin, K., & Samodaran, S. (2010). Química de los alimentos (3° ed.).
España: Acribia.
Fernández, S. (2020). Diseño de Experimentos: Diseño factorial (Tesis de maestría,
Universidad Politécnica de Catalunya). Recuperado de:
https://upcommons.upc.edu/bitstream/handle/2117/339723/TFM_Fernandez_Ba
o_Sheila.pdf?sequence=1&isAllowed=y
Flores, V., Chuk, C., De la Rosa, M., Orona, J., Rodríguez, W., & Salinas, A. (2016).
Rendimiento de extracción de proteína y algunos análisis funcionales de
concentrados y aislados de lenteja, haba y garbanzo producidos en una planta
piloto. Investigación y Desarrollo en Ciencia y Tecnología de Alimentos, 1(2),
68-72. Recuperado de:
http://www.fcb.uanl.mx/IDCyTA/files/volume1/2/1/13.pdf
Föste, M., Elgeti, D., Brunner, A., Jekle, M., & Becker, T. (2015). Isolation of quinoa
protein by milling fractionation and solvent extraction. Food and Bioproducts
Processing, 96(1), 20-26. doi:10.1016/j.fbp.2015.06.003
Franca, O., Fornari, T., & Hernandez, B. (2021). A Review on the Extraction and
Processing of Natural Source-Derived Proteins through Eco-Innovative
Approaches. Processes, 9(9), 1-24. doi: 10.3390/pr9091626
Fuentes, E., Pérez, A., & Sánchez, E. (2009). Efecto de la concentración de aditivos e
ingredientes sobre el color de pastas de merluza (Merluccius australis) tratadas
térmicamente. Óptica Pura y Aplicada, 42(1), 9-21. Recuperado de:
https://www.sedoptica.es/Menu_Volumenes/Pdfs/323.pdf
Fuentes, O. (2018). Caracterización nutricional del porotón (Erythrina edulis) en dos
etapas fenológicas y su potencial productivo en el cantón Rumiñahui (Tesis de
maestría, Universidad de Fuerzas Armadas). Recuperada de
http://repositorio.espe.edu.ec/xmlui/handle/21000/14894
79
GBIF Backbone Taxonomy. (2022). Caryodendron orinocense Karst. Recuperado de:
10.15468/39omei
Gamarra, R. (2019). Efecto de la temperatura de secado y las condiciones de
almacenamiento sobre la calidad organoléptica de la harina de lúcuma (Pouteria
lucuma) tipo seda (Tesis de pregrado, Universidad San Ignacio de Loyola).
Recuperado de:
https://repositorio.usil.edu.pe/server/api/core/bitstreams/bbaa52b2-78e7-4a5d-
a5d9-080b24ca0344/content
Gao, Z., Shen, P., Yang, L., Cui, L., Bom, J., Chen, B., & Rao, J. (2020). Effect of alkaline
extraction pH on structure properties, solubility, and beany flavor of yellow pea
protein isolate. Food Research International, 131(4). doi:
10.1016/j.foodres.2020.109045
Geankoplis, C., Hersel, A., & Lepek, D. (2018). Transport Processes and
SeparationProcess Principles (5°ed.). Estados Unidos: Editorial Pearson.
Recuperado de:
https://www.academia.edu/49073469/Transport_Processes_and_Separation_Pro
cess_Principles_Fifth_Edition_CHRISTIE_JOHN_GEANKOPLIS_A_ALLEN_
HERSEL_DANIEL_H_LEPEK
Glencross, B., Sweetingham, M., & Hawkins, W. (2010). A digestibility assessment of
pearl lupin (Lupinus mutabilis) meals and protein concentrates when fed to
rainbow trout (Oncorhynchus mykiss). Aquaculture, 303(14), 59-64. doi:
10.1016/j.aquaculture.2010.03.015
Goncalves, N., Vioque, J., Clemente, A., Sánchez-Vioque, R., Bautista, J., & Millán, F.
(1997). Obtención y caracterización de aislados proteicos de colza. Revista Grasas
y Aceites, 48(5), 282-289. Recuperado de:
https://www.researchgate.net/publication/26523743_Obtencion_y_aplicaciones_
de_concentrados_y_aislados_proteicos
Govardhan, R., Ogunsina, B., & Radha, C. (2011). Protein extractability from defatted
Moringa Oreifera Lam. Ife Journal of Science, 13(01), 121-127. Recuperado de:
https://www.ajol.info/index.php/ijs/article/view/131210
Guerra-Almonacid, C., Torruco-Uco, J., Murillo-Arango, W., Méndez-Arteaga, J. &
Rodríguez-Miranda, J. (2019). Effect of ultrasound pretreatment on the
antioxidant capacity and antihypertensive activity of bioactive peptides obtained
80
from the protein hydrolysates of Erythrina edulis. Emirates Journal of Food and
Agriculture, 31(4), 288–296. doi: 10.9755/ejfa. 2019.v31.i4.1938
Gutiérrez, H. (2012). Análisis y diseño de experimentos (3° ed.). México: Mc Graw Hill.
Hadnadjev, M., Dapčević Hadnađev, T., Pojić, M., Jovanov, M., & Sakač, M. (2017).
Progress in vegetable proteins isolation techniques: A review. Food and Feed
Research, 44 (1), 11-21. doi: 10.5937/FFR1701011H
Hassan, H., Afify, A., Basyiony, A., Ahmed, G., & Ghada, T. (2010). Nutritional and
functional properties of defatted wheat protein isolates. Australian Journal Basic
and Applied Science, 4(2), 348-358. Recuperado de:
https://www.researchgate.net/publication/306409012_Nutritional_and_Function
al_Properties_of_Defatted_Wheat_Protein_Isolates
Hussein, A., Hussein, M., Salama, M., Hamed, I., Fouda, K. & Mohamed, R. (2018).
Formulation and Evaluation of Functional Cookies for Improving Health of
Primary School Children. Pakistan Journal of Biological Sciences, 21, 401–408.
doi: 10.3923/pjbs.2018.401.408
Ismail. Y.S., Lopez-Leiva, M., & Baboo, M. (1991). Optimization of Extraction of Peanut
Proteins with Water by Response Surface Methodology. Journal of Food Science,
56 (6), 1660-1663. doi: 10.1111/j.1365-2621. 1991.tb08665.x-
Jaimes, J., Retrepo, D., & Acevedo, D. (2012). Propiedades funcionales de aislados
proteicos de leguminosas. Revisiones de la Ciencia, Tecnología e Ingeniería de
los Alimentos, 11(2). Recuperado de:
https://www.researchgate.net/publication/258519853_Propiedades_funcionales_
de_aislados_proteicos_de_leguminosas
Jarpa-Parra, M., Bamdad, F., Wang, Y., Tian, Z., Temelli, F., Han, J., & Chen, L. (2014).
Optimization of lentil protein extraction and the influence of process pH on
protein structure and functionality. Food Science and Technology, 57(2), 461-469.
doi: 10.1016/j.lwt.2014.02.035
Jayasena, V., Chih, H., & Nasar, S. (2010). Functional properties of sweet lupin protein
isolated and tested at various pH levels. Research Journal of Agriculture and
Biological Sciences, 6(2), 130-137. Recuperado de:
https://www.researchgate.net/publication/50427579_Functional_Properties_of_S
weet_Lupin_Protein_Isolated_and_Tested_at_Various_pH_Levels
81
Klupsaite, D; Juodeikiene, & G. (2015). Legume: Composition, protein extraction and
functional properties. Kauno technologijus universitetas, 1(66), 1231-1392. doi:
10.5755/j01. ct.66.1.12355
Kumar, M., Tomar, M., Potkule, J., Verma, R., Punia, S., Mahapatra, A., & Kennedy, J.
(2021). Advances in the plant protein extraction: Mechanism and
recommendations. Food Hydrocolloids, 115(1). doi:
10.1016/j.foodhyd.2021.106595
Lacerda, R., Makishib, G., Chambib, H., Bittanteb, A., Gomidea, C., Costab, P., &
Sobralb, P. (2014). Castor Bean (Ricinus communis) Cake Protein Extraction by
Alkaline Solubilization: Definition of Process Parameters. Chemical Engineering
Transactions, 37, 775-780. doi: 10.3303/CET1437130
Lawal, O.S., Adebowale, K.O., Ogunsanwo, B.M., Sosanwo, O.A., & Bankole, S.A.
(2005). On the functional properties of globulin and albumin protein fractions and
flours of African locust bean (Parkia biglobossa). Food Chemistry, 92(4), 681–
691. doi:10.1016/j. foodchem.2004.08.043
León, L., Dávila, G., Martínez, C., & Hernández, H. (2013). Sequentially Integrated
Optimization of the Conditions to Obtain a High-Protein and Low-Antinutritional
Factors Protein Isolate from Edible Jatropha curcas Seed Cake. ISRN
Biotechnology, 2013, 1-5. doi: 10.5402/2013/197201
Lestari, D., Mulder, W., & Sanders, J. (2010). Improving Jatropha curcas seed protein
recovery by using counter current multistage extraction. Biochemistry
Engineering Journal, 50(1), 16-23. doi: 10.1016/j.bej.2010.02.011
Liu, Z., Li, H., Zhu, Z., Huang, D., Qi, Y., & Ma, C. (2022). Cinnamomum camphora
fruit peel as a source of essential oil extracted using the solvent-free microwave-
assisted method compared with conventional hydrodistillation. Food Science and
Technology, 153. doi: 10.1016/j.lwt.2021.112549
López, E. (2014). Aminoácidos y Proteínas (Tesis de pregrado, Universidad Nacional de
San Agustín. Recuperado de:
http://repositorio.unsa.edu.pe/bitstream/handle/UNSA/6553/IAlomej.pdf?sequen
ce=3&isAllowed=y
López, L. (2012). Extracción de proteínas a partir de hojas y semillas de Pentacalia nítida
y evaluación de la actividad antimicrobiana del extracto proteico acuoso. (Tesis
de bachiller, Pontificia Universidad Javeriana). Recuperado de:
82
https://repository.javeriana.edu.co/bitstream/handle/10554/11802/LopezQuimba
yoLinaDaniela2012.pdf?sequence=1&isAllowed=y
Lowry, O., Rosebough, N., Lewistarr, A., & Randall, R. (1951). Protein Measurement
with the Folin Phenol Reagent. Journal Biological Chemical, 193(1), 265-275.
Recuperado de: https://developmentalbiology.wustl.edu/wp-
content/uploads/2018/10/Lowry-1951-2fwrw0a.pdf
Luyten, H., Vereijken, J., & Buecking, M. (2004). Using proteins as additives in foods:
an introduction. Woodhead Publishing Ltd, 421-441. doi:
10.1533/9781855738379.3.421
Luna, M. (2019). Evaluación del efecto de la adición de extracto de proteína del salvado
de arroz sobre las propiedades fisicoquímicas, sensoriales, reológicas y en el
almacenamiento de una galleta libre de gluten (Tesis de pregrado, Universidad de
Costa Rica). Recuperado de:
https://www.kerwa.ucr.ac.cr/bitstream/handle/10669/86163/CITA_Tesis_Adicio
nExtractoProteina.pdf?sequence=1
Márquez, A. (2007). Elaboración y evaluación de un producto de panificación con harina
de cebada (Tesis de pregrado, Universidad Autónoma del Estado de Hidalgo).
Recuperado de:
http://dgsa.uaeh.edu.mx:8080/bibliotecadigital/bitstream/handle/231104/604/Ela
boracion%20y%20evaluacion%20producto%20cebada.pdf?sequence=1
Martínez, G. (2019). Metodología de Superficie de Respuesta (MSR). Recuperado de:
https://github.com/CristinaGil/Ciencia-de-Datos-R
Martínez, J., Medina, O., & Zambrano, R. (2011). Estudio fisicoquímico funcional de los
aislados proteicos en semillas de maracuyá (Passiflora edulis F). Bistua. Revista
de la Facultad de Ciencias Básicas, 9(1), 70-76. Recuperado de:
https://revistas.unipamplona.edu.co/ojs_viceinves/index.php/BISTUA/article/vie
w/32/32
Martínez, D., Hernández, B., Amigo, L., Miralles, B., & Gómez, A. (2013). Extraction/
Fractionation techniques for proteins and peptides and protein digestion. Food
microbiology and food safety, 2(2), 21-50. Recuperado de:
https://www.academia.edu/70116676/Extraction_Fractionation_Techniques_for
_Proteins_and_Peptides_and_Protein_Digestion?from_sitemaps=true&version=
2
83
Melo, O., López, L., & Melo, S. (2020). Diseño de Experimentos, Métodos y
Aplicaciones (2°ed.). Colombia: Universidad Nacional de Colombia: Facultad de
Ciencias.
Mera, L. (2018). Optimización de la extracción de proteína de Cañihua (Chenopodium
pallidicaule Aellen) utilizando la metodología de superficie de respuesta (Tesis
de pregrado, Universidad Nacional Agraria la Molina). Recuperado de:
http://repositorio.lamolina.edu.pe/bitstream/handle/20.500.12996/3710/mera-
oyola-lizbeth.pdf?sequence=1&isAllowed=y
Mercado, J., Elías, C., & Pascual, G. (2015). Obtención de un aislado proteico de torta
de sacha inchi (Plukenetia volubilis L.) y evaluación de sus propiedades tecno-
funcionales. Anales científicos, 76(1), 166-167. doi: 10.21704/ac. v76i1.777
MINAGRI (Ministerio de Agricultura y Riego, PE). (2010). Pajuro, pisonay, papus,
pashuro, pashullo. Recuperado de: https://www.agrorural.gob.pe/pajuro-pisonay-
papus-pashuro-pashullo/
Minitab, (2019). Diseño de experimentos. Recuperado de:
https://support.minitab.com/es-mx/minitab/20/help-and-how-to/statistical-
modeling/doe/supporting-topics/factorial-and-screening-designs/factorial-and-
fractional-factorial-designs/
Molina, K. (2018). Influencia de pH en la extracción de aislado proteico de quinua
(Chepodium quinoa willd) de la variedad blanca de juli y pasankalla (Tesis de
pregrado, Universidad Nacional del Altiplano). Recuperado de:
http://repositorio.unap.edu.pe/bitstream/handle/UNAP/8652/Molina_Paredes_Ka
relly_Estefany.pdf?sequence=1&isAllowed=y
Montgomery, D. (2004). Diseño y análisis de experimentos (2° ed.). México: Limusa
Wiley.
Montoya, L., Giraldo, G., & Lucas, J. (2012). Determinación del índice de blancura en
harina de trigo comercial. Vitae, 19 (1), 415-416. Recuperado de:
https://www.redalyc.org/pdf/1698/169823914130.pdf
Mune, M., Mbome, I., Minka, S. (2010). Optimization of protein concentrate preparation
from Bambara bean using response surface methodology. Journal of Food Process
Engineering, 33, 398-412. doi: 10.1111/j.1745-4530.2008. 00281.x
Mune, M., & Singh, D. (2015). Emulsifying and Foaming Properties of Protein
Concentrates Prepared from Cowpea and Bambara Bean Using Different Drying
84
Methods. International Journal of Food Properties, 19(2), 371–384. doi:
10.1080/10942912.2015.1023399
Múzquiz, M., Guillamon, E., Burbano, C., Pascual, H., Cabellos, B., Cuadrado, C., &
Pedrosa, M. (2011). Chemical composition of a new Lupinus species found in
Spain, Lupinus mariae-josephi H. Pascual (Fabaceae). Spanish Journal of
Agricultural Research, 9(4), 1233-1244. doi: 10.5424/sjar/20110904-515-10
NTP (Norma Técnica Peruana). (2011). 205.003:1980 (Revisada el 2011).
Ogundele, J. (2010). Proximate composition and some functional properties of three
varieties of Lagenaria siceraria melon seeds. Journal of Agriculture and
Biological Sciences, 6(2), 108-112. Recuperado de:
http://www.aensiweb.net/AENSIWEB/rjabs/rjabs/2010/108-112.pdf
Onsaard, E., Pomsamud, P., & Audtum, P. (2010). Functional properties of sesame
protein concentrate from sesame meal. Asian Journal of Food and Agro-Industry,
3(4), 420-431. Recuperado de:
https://www.thaiscience.info/journals/Article/AFAI/10850274.pdf
Orihuela, E. (2017) Influencia del pH y tiempo en la extracción del aislado proteico de
basul (Erythrina edulis) (Tesis de pregrado, Universidad Nacional José María
Arguedas). Recuperada de
https://repositorio.unajma.edu.pe/bitstream/handle/20.500.14168/251/Eufemia_T
esis_bachiller_2017.pdf?sequence=1&isAllowed=y
Padilla, S. (1995). Manejo agroforestal andino. Recuperado de
https://docplayer.es/24166876-Manejo-agroforestal-andino.html
Palma-Albino, C., Intiquilla, A., Jiménez-Aliaga; Rodríguez-Arana, N., Solano, E.,
Flores, E., …Hernández-Ledesma, B. (2021). Albumin from Erythrina edulis
(Pajuro) as a Promising Source of Multifunctional Peptides. Antioxidants, 10:
1722. doi: 10.3390/antiox10111722
Parzanese, M. (2012). Tecnologías para la Industria Alimentaria: Liofilización de
alimentos. Alimentos Argentinos. Recuperado de:
https://www.academia.edu/33988471/Tecnolog%C3%ADas_para_la_Industria_
Alimentaria_Liofilizaci%C3%B3n_de_alimentos
Pastor, S., Fuentealba, B., & Ruiz, M. (2006). Cultivos subutilizados en el Perú: Análisis
de las políticas públicas relativas a su conservación y uso sostenible. Recuperado
de: https://spda.org.pe/?wpfb_dl=62
85
Pérez, G., Martínez, C., & Díaz, E. (1979). Evaluación de la Calidad de la proteína de la
Erythrina edulis (BALU). Archivos Latinoamericanos de Nutrición, 29(2), 197.
Recuperado de: https://www.alanrevista.org/ediciones/1979/2/.
Pérez, C., Cruz, R., Chel, L., & Betancur, D. (2006). Caracterización física de extruidos
preparados con mezclas de harinas de maíz QPM (Zea mays L.) y frijol Lima
(Phaseolus lunatus L.). Revista mexicana de Ingeniería Química. 5(2), 145-155.
Recuperado de: https://www.redalyc.org/pdf/620/62050205.pdf
Pérez, B., Garrido, J., Endara, A., Landázuri, A., & Ramírez, L (2021). Optimization of
the extraction and precipitation process of a leaf protein concentrate from Moringa
oleifera Lam. Revista Facultad Nacional de Agronomía. 75(1). doi:
10.15446/rfnam. v75n1.95163
Ponce, J., Málaga, J., Huamani, A., & Chuqui, S. (2016). Optimización de la
concentración de la α-amilasa y lactosuero en el mejoramiento de las
características tecnológicas, nutricionales y sensoriales del pan francés.
Agroindustrial Science, 6(2), 185-194. doi: 10.17268/agroind.science.2016.02.03
Poveda, E. (2013). Suero lácteo, generalidades y potencial uso como fuente de calcio de
alta biodisponibilidad. Revista Chilena de Nutrición, 40(4), 397-403. Disponible
en: https://www.redalyc.org/articulo.oa?id=46929416011
Preece, K., Hooshyar., N., & Zuidam., N. (2017). Whole soybean protein extraction
processes: A review. Science direct. 43, 163-172. doi:
10.1016/j.ifset.2017.07.024.
Qin, D., Wang, Y., Wu, Y., Kong, X., Liu. L., Li, Z., & Xi, J. (2021). Optimization of
protein extraction from watermelon seeds by liquid-phase pulsed discharge based
on energy input for scale-up application. Food Science and Technology, 107,
2411-2502. doi: 10.1016/j.lwt.2021.112355
Ramírez, D., Moreno, M., Curbelo, C., & Crespo, L. (2016) Influencia del tamaño de
partícula y la velocidad de agitación sobre el rendimiento de pectina. Revista
Cubana de Farmacia, 50(1), 1561-2988. Recuperado de:
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0034-
75152016000100009
Ruiz, G. A., Xiao, W., Van Boekel, M., Minor, M., & Stieger, M. (2016). Effect of
extraction pH on heat-induced aggregation, gelation and microstructure of protein
isolate from quinoa (Chenopodium quinoa Willd). Food Chemistry, 209, 203–
210. doi: 10.1016/j.foodchem.2016.04.052
86
Sai-Ut, S., Ketnawa, S., Chaiwut, P., & Rawdkuen, S. (2009). Biochemical and functional
properties of proteins from red kidney, navy and adzuki beans. Asian Journal of
Food and Agro-Industry, 2(4), 493-504. Recuperado de:
https://www.researchgate.net/publication/242600283_Biochemical_and_functio
nal_properties_of_proteins_from_red_kidney_navy_and_adzuki_beans
Sánchez, A., Ruiz, J., Dávila, G., & Jiménez, C. (2017). Propiedades tecno-funcionales
y biológicas de harina, aisladas y fracciones proteicas mayoritarias de semillas de
Inga paterno. Ciencia Tecnología y Ambiente: Journal of Food, 15(3), 400-408.
Recuperado de: https://dialnet.unirioja.es/servlet/articulo?codigo=6069796
Sari, Y., Mulder, W., Sanders, J., & Bruins, M. (2015). Towards plant protein refinery:
Review on protein extraction using alkali and potential enzymatic assistance.
Biotechnology journal, 10(8), 1138-1157. doi: 10.1002/biot.201400569
Sathe, S. K., Deshpande, S. S. & Salunkhe., D. K. (1982). Functional properties of lupin
seed (Lupinus mutabilis) proteins and protein concentrates. Journal of Food
Science, 47(2), 491–497. Recuperado de: https://agris.fao.org/agris-
search/search.do?recordID=US201301971017
Schoeneberger, H., Gross, R., Cremer, D., & Elmadfa, E. (2015). Composition and
protein quality of Lupin Mutabilis. Journal of Nutrition, 112(1), 70-77.
Recuperado de: https://agris.fao.org/agris-
search/search.do?recordID=US19830887727
Shen, L., Wang, X., Wang, Z., Wu, Y., & Chen, J. (2008). Studies on tea protein
extraction using alkaline and enzyme methods. Food Chemistry, 107(15), 929-
938. doi: 10.1016/j.foodchem.2007.08.047
Silva, S., Crisóstomo, O., Alvarez, E., Mendoza, G., Rondan, L., & Rubio, J. (2015).
Evaluación de propiedades tecno-funcionales que provee la harina de pajuro
(Erythrina edulis) a las redes estructurales de Muffins. Lima. Perú.
Sogi, D.S., Garg, S.K., & Bawa, A.S. (2002). Functional properties of seed meals and
protein concentrates from tomato‐processing waste. Journal of Food Science, 67
(8), 2997- 3001. doi: 10.1111/j.1365-2621. 2002.tb08850.x
Steffolani, L., Lares, P., Repo-Carrasco, R., & Pérez, G. (2012), Caracterización
fisicoquímica y funcional de aislados proteicos de distintas variedades de Quinoa
(Chenopodium quinua) y ecotipos de Cañihua (Chenopodium pallidicaule).
Recuperado de:
87
https://www.conicet.gov.ar/new_scp/detalle.php?keywords=&id=23898&inst=y
es&congresos=yes&detalles=yes&congr_id=1745492
Steffolani, M., Villacorta, P., Morales-Soriano, ER, Repo-Carrasco, R., León, AE &
Pérez., GT (2016), Caracterización fisicoquímica y funcional de proteínas aisladas
de diferentes variedades de quinua (Chenopodium quinoa Willd.). CCHEM, 93,
275- 281. doi: 10.1094/CCHEM-04-15-0083-R
Tan, S., Mailer, R., Blanchard, C., & Agboola, S. (2011) Canola proteins for human
consumption: extraction, profile, and functional properties. J Food Science, 76,
16–28. doi: 10.1111/j.1750-3841.2010. 01930.x
Tapia, M., & Fries, A. (2007). Guía de campo de los cultivos andinos. Recuperado de:
https://www.academia.edu/34873981/GUpor%20cientoC3por%20ciento8DA_D
E_CAMPO_DE_LOS_CULTIVOS_ANDINOS.pdf
Tello, A. (2018). Estudio de la actividad antioxidante de aislados proteicos de harina de
haba pallar (Phaseolus lunatus L.) y su digestibilidad gástrica y duodenal (in
vitro). (Tesis de pregrado, Universidad Técnica de Ambato). Recuperado de:
https://repositorio.uta.edu.ec/jspui/bitstream/123456789/28380/3/BQ%20160.pd
f
Teniente-Martínez, G., González-Cruz, L., Hernández-Galván, A.N., Juárez-Goiz,
J.M.S., & BernardinoNicanor, A. (2019). Propiedades funcionales del aislado
proteínico de dos variedades de frijol ayocote (Phaseolus coccineus).
Investigación en Ciencia y Tecnología de Alimentos, 4, 48-55. Recuperado de:
http://www.fcb.uanl.mx/IDCyTA/files/volume4/4/1/7.pdf
Theerakulkait, C., Chaiseri, S., & Mongkolkanchanasiri, S. (2006). Extraction and Some
Functional Properties of Protein Extract from Rice Bran. Department of Food
Science and Technology, Faculty of Agro-Industry, 40, 209-214. Recuperado de:
https://www.thaiscience.info/journals/Article/TKJN/10471361.pdf
Umaña, J, Alvarez, C., Lopera, S., Gallardo, C. (2013). Caracterización de harinas
alternativas de origen vegetal con potencial aplicación en la formulación de
alimentos libres de gluten. Revista Alimentos Hoy, 22(29), 33-46. Recuperado de:
https://acta.org.co/acta_sites/alimentoshoy/index.php/hoy/article/view/230/223
USDA (United States Departament American). (1987). Erythrina Edulis Triana.
Recuperado de: https://npgsweb.ars-
grin.gov/gringlobal/taxonomydetail.aspx?id=15740
88
Vallejos, Y. (2018). Obtención de concentrados proteicos de la harina de arveja (Pisum
sativum) y determinación de su actividad antioxidante por el método del ácido
tiobarbitúrico (TBA) (Tesis de pregrado, Universidad Técnica de Ambato).
Recuperado de:
http://repositorio.uta.edu.ec/bitstream/123456789/27136/1/AL%20657.pdf
Vargas, E. (2016). Caracterización fisicoquímica de pan molde blanco con sustitución

parcial de harina de pajuro (Erythrina edulis) (Tesis de pregrado, Universidad
Peruana Unión). Recuperado de:
https://repositorio.upeu.edu.pe/bitstream/handle/20.500.12840/438/Emigdio_Tes
is_bachiller_2016.pdf?sequence=1&isAllowed=y
Vega, M., Farias, F., Peraça, R., Augusto, W., & Valmor, C. (2017). Extracción
optimizada y purificación parcial de invertasa aislada de S. Cerevisiae en puré de
durazno. Revista brasileira de fruticultura, 40 (2). Recuperado de:
https://www.scielo.br/j/rbf/a/JmMk6sY3RbnGZvnP7xTmPYn/?lang=es
Velásquez, L., Montoya, D., Jiménez, A., Murillo, W. & Méndez, J. (2019). Género
Erythrina: actualidad en la investigación y perspectivas de desarrollo científico.
Universidad del Tolima. Tolima, Colombia. Recuperado de:
https://bit.ly/3eWzPYZ
Vieira, C., Biasutti, E., Capobiango, M, Afonso, W, & Silvestre, M. (2006). Efectos de
la sal sobre la solubilidad y las propiedades emulsionantes de la caseína y sus
hidrolizados trípticos. ARS Pharm, 47 (3), 281-292. Recuperado de:
http://hdl.handle.net/10481/27941
Villafuerte, F., Pérez, E., Mahfoud, A., Valero, Y., & Pérez, A. (2019). Obtención de
hidrolizados proteicos bajos en fenilalanina a partir de suero dulce de leche y
chachafruto (Erythrina edulis Triana). Archivos Latinoamericanos de Nutrición,
69(1), 22-33. doi: 10.37527/2019.69.1.004
Wang, M., Jiang, L., Li, Y., Liu, Q., Wang, S., & Sui, X. (2011). Optimization of
extraction process of protein isolated from mung bean. Science direct, 15, 5250-
5258. doi: 10.1016/j.proeng.2011.08.973
Wani, A.A., Kaur, D., Ahmed, I., & Sogi, D.S. (2008). Extraction optimization of
watermelon seed protein using response surface methodology. LWT-Food
Science and Technology, 41 (8), 1514-1520. doi: 10.1016/j.lwt.2007.10.001
89
Wu, H., Wang, Q., Ma, T., & Ren, J. (2009). Comparative studies on the functional
properties of various protein concentrate preparations of peanut protein. Food
Research International, 42 (3) 343–348. doi: 10.1016/j.foodres.2008.12.006
Xu, L. & Diosady, L.L. (2002). Removal of phenolic compounds in the production of
highquality canola protein isolates. Food Research International, 35 (1), 23-30.
doi: 10.1016/S0963-9969(00)00159-9.
Yongjae, L., Haerang, C., & Jong-Bang, E. (2015). Protein Extraction and Purification
of Soybean Flakes and Meals Using a Lime Treatment Followed by Ultrafiltration.
International Journal, 5(3), 2249-6645. Recuperado de:
http://www.ijmer.com/papers/Vol5_Issue3/Version-3/B0503_03-0715.pdf
Yu-Wei, C., Inteaz, A., Aline, T., Yasuo, K., & Joyce, I. (2012). Isolation and
charecterization chickpea (Cicer arietinum L.) seed proteins fractions. Food
Bioprocess Technol, 5(2), 618-625. doi: .1007/s11947-009-0303-y
Zabaleta, W., Millones, C., Torres, E., & Vásquez, E. (2010). Sustitución parcial de
harina de trigo (Triticum aestibum. L.) con harina y pasta de pajuro (Erythrina
Edulis Triana) para la elaboración de pan enriquecido. Scielo, 3(1), 75-80. doi:
10.32911/as. 2010.v3. n1.424
Zhang, C., Sanders, J., & Bruins, M. (2014). Critical parameters in cost-effective alkaline
extraction for high protein yield from leaves. Biomass and Bioenergy, 67, 466-
472. doi: 10.1016/j.biombioe.2014.05.020
Zhang C, Sanders J, Xiao T & Bruins M. (2015). How does alkali aid protein extraction
in green tea leaf residue: a basis for integrated biorefinery of leaves Plos Onemm,
10(7). doi: 10.1371/ journal. pone.0133046
Zuo, M., Liu, X., Liu, D., Zhao, H, Xuan, L., Jiang, W., & Li, W. (2018). Extraction,
Characterization and Antioxidant Activity in vitro of Proteins from Semen Allii
Fistulos. Molecules, 23(12), 3235. doi: 10.3390/molecules23123235
90
VIII. ANEXOS
ANEXO 1: CURVA ESTÁNDAR DE ALBÚMINA DE SUERO BOVINA
0.9
0.8
0.7 y = 1.4931x + 0.0253
0.6
R² = 0.9936
Absorbancia
0.5
0.4
0.3
0.2
0.1
0.0
0 0.1 0.2 0.3 0.4 0.5 0.6
BSA (mg/mL)
ANEXO 2: ESTABILIDAD DE ESPUMA LUEGO DE 50 min
pH 6
pH 8 pH 2
6
ANEXO 3: CAPACIDAD DE EMULSIFICACIÓN
T1 T2
T3
ANEXO 4: USO DEL MOLINO ROTOR PARA LA MOLIENDA DE PAJURO
ANEXO 5: EXTRACCIÓN PROTEICA DE LA HARINA DE SEMILLAS DE

PAJURO
ANEXO 6: PROTEÍNA SOLUBILIZADA LISTA PARA LA PRECIPITACIÓN
ANEXO 7: SOLUCIÓN PROTEICA AJUSTADA A pH ISOELÉCTRICO
ANEXO 8: COÁGULO PROTEICO LUEGO DE SER CENTRIFUGADO
93
ANEXO 9: ACONDICIONAMIENTO DE MUESTRAS A LIOFILIZAR
ANEXO 10: MUESTRA ANTES Y DESPUÉS DEL SECADO POR

LIOFILIZACIÓN
94
RECUPERADO EN LA ETAPA DE SCREENING
mg Proteína
Cant. Proteína
Vol. (proteína) en cant. Recuperación
N° Abs. R usada extraída Promedio
(mL) /mL usada proteica (%)
(g) (mg)
(muestra) (mg)
0.271 1 47.2 3.291 155.34 180 86.30
1 0.269 1 1 47.2 3.264 154.08 180 85.60 86.77
0.277 1 47.2 3.372 159.14 180 88.41
0.269 1 47.2 3.264 154.08 180 85.60
2 0.275 2 1 47.2 3.345 157.87 180 87.71 86.18
0.268 1 47.2 3.251 153.45 180 85.25
0.289 1 46.9 3.532 165.66 180 92.03
3 0.296 1 1 46.9 3.626 170.06 180 94.48 92.85
0.289 1 46.9 3.532 165.66 180 92.03
0.287 1 47 3.505 164.76 180 91.53
4 0.29 2 1 47 3.546 166.65 180 92.58 91.65
0.285 1 47 3.479 163.50 180 90.83
0.402 1 26.1 5.046 131.70 180 73.17
5 0.4 1 1 26.1 5.019 131.00 180 72.78 72.45
0.393 1 26.1 4.925 128.55 180 71.42
0.399 1 26 5.006 130.15 180 72.30
6 0.397 2 1 26 4.979 129.45 180 71.92 72.14
0.399 1 26 4.999 129.97 180 72.21
0.391 1 26.2 4.899 128.34 180 71.30
7 0.393 1 1 26.2 4.925 129.04 180 71.69 72.21
0.403 1 26.2 5.059 132.55 180 73.64
0.389 1 26.6 4.872 129.59 180 71.99
8 0.383 2 1 26.6 4.791 127.45 180 70.81 72.13
0.397 1 26.6 4.979 132.44 180 73.58
0.39 1 26.3 4.885 128.48 180 71.38
9 0.404 1 1 26.3 5.073 133.41 180 74.12 72.36
0.391 1 26.3 4.899 128.83 180 71.57
95
«Continuación»
0.389 1 26.5 4.872 129.10 180 71.72
10 0.395 2 1 26.5 4.952 131.23 180 72.91 72.77
0.399 1 26.5 5.006 132.65 180 73.69
0.421 1 26.1 5.300 138.34 180 76.86
11 0.416 1 1 26.1 5.233 136.59 180 75.88 76.21
0.416 1 26.1 5.233 136.59 180 75.88
0.414 1 26.4 5.207 137.45 180 76.36
12 0.419 2 1 26.4 5.274 139.22 180 77.35 76.30
0.408 1 26.4 5.126 135.33 180 75.18
0.26 1 46.9 3.144 147.44 180 81.91
13 0.257 1 1 46.9 3.104 145.56 180 80.87 81.10
0.256 1 46.9 3.090 144.93 180 80.52
0.259 1 46.8 3.130 146.50 180 81.39
14 0.257 2 1 46.8 3.104 145.25 180 80.69 80.11
0.25 1 46.8 3.010 140.86 180 78.26
0.249 1 46.9 2.996 140.53 180 78.07
15 0.242 1 1 46.9 2.896 135.82 180 75.46 77.09
0.248 1 46.9 2.983 139.91 180 77.73
0.243 1 46.8 2.916 136.47 180 75.82
16 0.247 2 1 46.8 2.970 138.98 180 77.21 77.21
0.251 1 46.8 3.023 141.49 180 78.60
ANEXO 12: ANÁLISIS DE VARIANZA DEL DISEÑO FRACCIONADO 26-3

UTILIZADO EN LA ETAPA DE SCREENING
Grado de Suma de Cuadrado

Fuente Valor F p Significancia
Libertad Cuadrados Medio
Modelo 7 754.7 107.81 563.89 0.000 ***
Lineal 6 754.31 125.72 657.54 0.000 ***
X1 1 8.62 8.62 45.08 0.000 ***
X2 1 160.31 160.31 838.47 0.000 ***
X3 1 69.04 69.04 361.12 0.000 ***
96
«Continuación»
X4 1 42.56 42.56 222.61 0.000 ***
X5 1 7.32 7.32 38.3 0.000 ***
X6 1 466.45 466.45 2439.64 0.000 ***
X1.X6 1 0.387 0.387 2.02 0.193 n.s
Error 8 1.53 0.191
Total 15 756.23
***Significancia para α = 0.001; n.s = no significativo
2
R 0.9980
R2 ajustado 0.9962

RECUPERADO EN LA ETAPA DE OPTIMIZACIÓN
mg Proteína
Cant. Proteína
Vol. (proteína) en cant. Recuperación
N° Abs. R usada extraída Promedio
(mL) /mL usada proteica (%)
(g) (mg)
(muestra) (mg)
0.283 1 47.3 3.452 163.27 180 90.71
1 0.289 1 1 47.3 3.532 167.08 180 92.82 92.12
0.289 1 47.3 3.532 167.08 180 92.82
0.286 1 47.3 3.492 165.18 180 91.76
2 0.29 2 1 47.3 3.546 167.72 180 93.17 92.82
0.291 1 47.3 3.559 168.34 180 93.52
0.321 1 37.2 3.961 147.35 180 81.86
3 0.32 1 1 37.2 3.947 146.85 180 81.58 82.23
0.326 1 37.2 4.028 149.84 180 83.24
0.321 1 37.3 3.961 147.74 180 82.08
4 0.324 2 1 37.3 4.001 149.24 180 82.91 82.54
0.323 1 37.3 3.988 148.74 180 82.63
0.319 1 37.2 3.934 146.35 180 81.30
5 0.321 1 1 37.2 3.961 147.35 180 81.86 81.95
0.324 1 37.2 4.001 148.84 180 82.69
0.321 1 37.2 3.961 147.35 180 81.86
6 2 82.23
0.32 1 37.2 3.947 146.85 180 81.58
97
«Continuación»
6 0.326 2 1 37.2 4.028 149.84 180 83.24 82.23
0.212 1 56.8 2.501 142.05 180 78.92
7 0.208 1 1 56.8 2.447 139.00 180 77.22 78.07
0.21 1 56.8 2.474 140.53 180 78.07
0.212 1 56.8 2.494 141.67 180 78.70
8 0.207 2 1 56.8 2.434 138.24 180 76.80 77.44
0.207 1 56.8 2.434 138.24 180 76.80
0.218 1 56.9 2.581 146.87 180 81.59
9 0.216 1 1 56.9 2.554 145.35 180 80.75 81.03
0.216 1 56.9 2.554 145.35 180 80.75
0.22 1 57 2.608 148.66 180 82.59
10 0.213 2 1 57 2.514 143.31 180 79.62 81.03
0.216 1 57 2.554 145.60 180 80.89
0.256 1 47.3 3.090 146.17 180 81.20
11 0.26 1 1 47.3 3.144 148.70 180 82.61 82.38
0.262 1 47.3 3.171 149.97 180 83.32
0.255 1 47.3 3.077 145.53 180 80.85
12 0.264 2 1 47.3 3.197 151.24 180 84.02 82.14
0.257 1 47.3 3.104 146.80 180 81.56
0.275 1 46.8 3.345 156.53 180 86.96
13 0.278 1 1 46.8 3.385 158.41 180 88.01 87.54
0.277 1 46.8 3.372 157.79 180 87.66
0.281 1 46.8 3.425 160.29 180 89.05
14 0.275 2 1 46.8 3.345 156.53 180 86.96 87.31
0.272 1 46.8 3.305 154.65 180 85.92
0.287 1 47.2 3.505 165.46 180 91.92
15 0.289 1 1 47.2 3.532 166.72 180 92.62 92.74
0.292 1 47.2 3.572 168.62 180 93.68
0.283 1 47.3 3.452 163.27 180 90.71
16 0.292 2 1 47.3 3.572 168.98 180 93.88 92.47
0.289 1 47.3 3.532 167.08 180 92.82
17 0.257 1 1 46.5 3.104 144.32 180 80.18 81.79
98
«Continuación»
17 0.262 1 1 46.5 3.171 147.43 180 81.91 81.79
0.266 1 46.5 3.224 149.92 180 83.29
0.263 1 46.4 3.184 147.74 180 82.08
18 0.261 2 1 46.4 3.157 146.49 180 81.39 82.08
0.265 1 46.4 3.211 148.98 180 82.77
0.256 1 46.9 3.090 144.93 180 80.52
19 0.254 1 1 46.9 3.063 143.68 180 79.82 80.05
0.254 1 46.9 3.063 143.68 180 79.82
0.251 1 47.1 3.023 142.40 180 79.11
20 0.259 2 1 47.1 3.130 147.44 180 81.91 80.64
0.256 1 47.1 3.090 145.55 180 80.86
0.342 1 37.4 4.242 158.66 180 88.14
21 0.339 1 1 37.4 4.202 157.16 180 87.31 87.49
0.338 1 37.4 4.189 156.65 180 87.03
0.335 1 37.4 4.148 155.15 180 86.19
22 0.343 2 1 37.4 4.256 159.16 180 88.42 87.31
0.339 1 37.4 4.202 157.16 180 87.31
0.228 1 57.1 2.715 155.04 180 86.13
23 0.23 1 1 57.1 2.742 156.57 180 86.98 85.99
0.225 1 57.1 2.675 152.74 180 84.86
0.228 1 57.2 2.715 155.31 180 86.28
24 0.229 2 1 57.2 2.729 156.07 180 86.71 86.14
0.226 1 57.2 2.688 153.78 180 85.43
0.334 1 37.2 4.135 153.82 180 85.46
25 0.33 1 1 37.2 4.081 151.83 180 84.35 85.46
0.338 1 37.2 4.189 155.82 180 86.56
0.332 1 37.3 4.108 153.24 180 85.13
26 0.334 2 1 37.3 4.135 154.24 180 85.69 85.13
0.33 1 37.3 4.081 152.24 180 84.58
0.222 1 56.6 2.635 149.13 180 82.85
27 0.216 1 1 56.6 2.554 144.58 180 80.32 81.59
0.219 1 56.6 2.595 146.85 180 81.59
99
«Continuación»
0.225 1 56.5 2.675 151.14 180 83.96
28 0.214 2 1 56.5 2.528 142.81 180 79.34 81.72
0.22 1 56.5 2.608 147.35 180 81.86
0.286 1 47.2 3.492 164.83 180 91.57
29 0.286 1 1 47.2 3.492 164.83 180 91.57 92.27
0.292 1 47.2 3.572 168.62 180 93.68
0.292 1 47.1 3.572 168.26 180 93.48
30 0.283 2 1 47.1 3.452 162.58 180 90.32 92.31
0.291 1 47.1 3.559 167.63 180 93.13
ANEXO 14: ANÁLISIS DE VARIANZA DEL MODELO CUADRÁTICO EN LA

ETAPA DE OPTIMIZACIÓN
Grado de Suma de Cuadrado Valor Valor

Fuente Significancia
Libertad Cuadrados Medio F P
Modelo 9 625.04 69.45 965.38 0.000 ***
Lineal 3 213.40 71.14 988.82 0.000 ***
Cuadrático 3 505.44 168.48 2341.96 0.000 ***
Interacción 3 31.90 10.63 147.79 0.000 ***
Error 20 1.439 0.072
Falta de Ajuste 3 0.415 0.138 2.30 0.114 n.s
Error Puro 17 1.02 0.060
Total 29 626.48
***Significancia a un nivel de α =0.05; ns = no significativo
R2 0.9977
R2 ajustado 0.9976
100
ANEXO 15: ANÁLISIS DE VARIANZA PARA LA CAPACIDAD DE
FORMACIÓN DE ESPUMA (CFE)
Suma de Cuadrado
Fuente Gl Razón-F Valor-P
Cuadrados Medio
Entre grupos 10577.30 3 3525.78 215.86 0.000
Intra grupos 130.67 8 16.33
Total (Corr.) 10708.00 11
Prueba Tukey (p ˂ 0.05) para la Capacidad de Formación de Espuma (CFE)
Factor N Media Agrupación

pH 8 3 103.33 A
pH 6 3 54.67 B
pH 4 3 35.33 C
pH 2 3 26.67 C
ANEXO 16: ANÁLISIS DE VARIANZA PARA LA ESTABILIDAD DE ESPUMA

(EES) DESPUES DE 2 h
Suma de Cuadrado
Cuadrados Medio
Entre grupos 3578.60 3 1192.87 204.38 0.000
Total (Corr.) 3625.29 11
Prueba Tukey (p ˂ 0.05) para la Estabilidad de Espuma (CFE) después de 2 h

pH 6 3 60.88 A
pH 2 3 55.73 A
pH 4 3 54.85 A
pH 8 3 17.63 B
101
ANEXO 17: ANÁLISIS DE VARIANZA PARA LA CAPACIDA DE RETENCIÓN
DE AGUA (CRA)
Suma de Cuadrado
Cuadrados Medio
Entre grupos 3.1766 3 1.05886 59.76 0.000
Intra grupos 0.1418 8 0.01772
Total (Corr.) 3.3183 11
Prueba Tukey (p ˂ 0.05) para la Capacidad de Retención de Agua (CRA)

pH 8 3 3.53 A
pH 2 3 2.73 B
pH 6 3 2.70 B
pH 4 3 2.07 C
ANEXO 18: ANÁLISIS DE VARIANZA PARA LA SOLUBILIDAD
Suma de Cuadrado
Cuadrados Medio
Entre grupos 2695.80 3 898.60 4986.76 0.000
Total (Corridas) 2697.27 11
Prueba Tukey (p ˂ 0.05) para la Solubilidad

pH 8 3 43.64 A
pH 6 3 24.84 B
pH 4 3 1.63 C
pH 2 3 19.32 D
102

Articulo 1 - Pag 49

Cargado por

Copyright:

Formatos disponibles

Articulo 1 - Pag 49

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Articulo 1 - Pag 49

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL AGRARIA

FACULTAD DE INDUSTRIAS ALIMENTARIAS

“OPTIMIZACIÓN DEL PROCESO DE EXTRACCIÓN DE

TESIS PARA OPTAR EL TÍTULO DE

AARÓN JOSUÉ FIGUEROA GARCÍA

La UNALM es la titular de los derechos patrimoniales de la presente investigación

Analyzed document TESIS.pdf (D167461177)

Submitted 2023-05-18 22:01:00

Submitted by CHRISTIAN R. ENCINA ZELADA

Submitter email [email protected]

Analysis address [email protected]

Sources included in the report

73% MATCHING BLOCK 1/72

57% MATCHING BLOCK 3/72

100% MATCHING BLOCK 2/72

Lima-Perú 2023 __________________________ Mg.Sc. Carlos Elías Peñafiel PRESIDENTE ___________________________________

FACULTAD DE INDUSTRIAS ALIMENTARIAS

“OPTIMIZACIÓN DEL PROCESO DE EXTRACCIÓN DE PROTEÍNAS DE

TESIS PARA OPTAR EL TÍTULO DE

Sustentado y aprobado ante el siguiente jurado:

A mi Asesor, el profesor Christian Encina por el apoyo brindado, las recomendaciones y el

A mi Co-asesor, el profesor Víctor Delgado por el apoyo, recomendaciones y paciencia

A los técnicos de los laboratorios de la Facultad de Industrias Alimentarias de la UNALM,

A los amigos que pude hacer en la universidad, y contribuyeron en mi desarrollo profesional.

Tabla 1: Composición químico proximal de las semillasa y harina de pajurob ..................... 7

Figura 1: Vainas de Pajuro (A); Árbol (B) ............................................................................ 3

ANEXO 1: CURVA ESTÁNDAR DE ALBÚMINA DE SUERO BOVINA .................... 91

La presente investigación tuvo como objetivo determinar las condiciones óptimas de

Palabras clave: Pajuro, proteína, optimización, extracción, rendimiento, MSR.

Keywords: Pajuro, protein, optimization, extraction, yield, MSR

En la literatura es posible encontrar resultados de investigaciones respecto a la extracción

Por todo lo antes mencionado, el objetivo principal de la presente investigación fue:

• Optimizar el proceso de extracción de proteínas de semillas de pajuro (Erythrina edulis

Así también, los objetivos secundarios o específicos fueron:

• Determinar la composición químico proximal de la harina de semillas de pajuro.

Figura 1: Vainas de Pajuro (A); Árbol (B)

Figura 2: Semillas de pajuro

2.1.1. CLASIFICACIÓN BOTÁNICA

Según el GBFI Backbone Taxonomy (2022) el pajuro presenta la siguiente clasificación

Figura 3: Distribución geográfica de Erythrina edulis Triana en Sudamérica

Figura 4: Distribución geográfica de Erythrina edulis Triana en el Perú

2.1.3. CONSUMO Y USOS

a. COMPOSICIÓN QUÍMICO PROXIMAL

Tabla 1: Composición químico proximal de las semillasa y harina de pajurob

Componente (%) Semilla1 Harina1

Dependiendo de la pureza de la proteína extraída estas pueden denominarse concentrados o

2.2.1. MÉTODO ALCALINO CON PRECIPITACIÓN ISOELÉCTRICA

El extracto obtenido en la etapa anterior se acidifica a pH isoeléctrico, esta acción permite

2.3. FACTORES QUE AFECTAN LA EXTRACCIÓN PROTEICA

El incremento de temperatura durante la extracción puede mejorar las propiedades de

Es uno de los factores más importantes pues de este depende la solubilización y

Si el pH es demasiado elevado puede ser negativo y se pueden generar impactos negativos

2.3.4. CONCENTRACIÓN DE SAL

2.3.5. TAMAÑO DE PARTÍCULA

Cuando el tamaño de partícula disminuye el área de contacto incrementa y se convierte en

2.3.6. VELOCIDAD DE AGITACIÓN

La velocidad de agitación tiene efecto en procesos de extracción, si esta incrementa, el

2.3.7. RELACIÓN MATERIA PRIMA – SOLVENTE

2.3.8. TIPO DE SOLVENTE

Lima-Perú 2023 Mg.Sc. Carlos Elías Peñafiel PRESIDENTE _________

WI (%)=100-√(100-L)2 +a2 +b*2