首頁(yè) 資訊 牛奶和水果不能同時(shí)吃?醫(yī)生:謠言!這樣吃,美味又營(yíng)養(yǎng)!

牛奶和水果不能同時(shí)吃?醫(yī)生:謠言!這樣吃,美味又營(yíng)養(yǎng)!

來(lái)源:泰然健康網(wǎng) 時(shí)間:2024年12月08日 17:00

較真要點(diǎn):即便牛奶不和水果一起喝,牛奶在胃里也會(huì)發(fā)生沉淀。因?yàn)槲竷?nèi)有大量胃酸,酸度比水果中的果酸還要高。

作者: 吳萍(上海市同濟(jì)醫(yī)院)

可以一起吃!

牛奶是我們?nèi)粘I钪胁豢苫蛉钡臓I(yíng)養(yǎng)食品,含有幾十余種人體所必需的營(yíng)養(yǎng)素,是營(yíng)養(yǎng)全面的食物。

水果中富含維生素、礦物質(zhì)、膳食纖維和有益健康的植物化學(xué)物,水果和牛奶是好搭檔,兩者堪稱絕配。

牛奶和水果一起制作的各種甜品已經(jīng)流行幾百年,美味又營(yíng)養(yǎng)!

圖片

圖片來(lái)源:站酷海洛

所謂牛奶和水果不能同吃的理論,更多來(lái)源于牛奶中的蛋白質(zhì)遇到水果中的果酸會(huì)發(fā)生絮凝、沉淀,而沉淀是牛奶中“酪蛋白”的基本性質(zhì)。

即便牛奶不和水果一起喝,牛奶在胃里也會(huì)發(fā)生沉淀。因?yàn)槲竷?nèi)有大量胃酸,酸度比水果中的果酸還要高。

牛奶進(jìn)入胃腸道后,會(huì)先接觸胃酸而發(fā)生絮凝,然后才是進(jìn)一步的消化吸收。實(shí)際上,這些絮凝物增加了酶與蛋白質(zhì)的作用面積,使牛奶更容易被消化吸收。

比如酸奶和奶酪,酸奶的凝凍就是牛奶蛋白質(zhì)受乳酸作用沉淀的結(jié)果,并且奶酪的凝塊要比果汁和牛奶混合的沉淀更硬、更大!

不過(guò),水果的種類繁多,不是所有水果和牛奶混合都會(huì)產(chǎn)生蛋白質(zhì)變性,也有可能會(huì)產(chǎn)生其他反應(yīng),只要掌握了正確的制作方法,就不會(huì)對(duì)人體造成什么影響。

圖片

圖片來(lái)源:站酷海洛

比如有人發(fā)現(xiàn), 牛奶加了木瓜或獼猴桃后會(huì)產(chǎn)生苦味, 其實(shí)這是蛋白酶搞的“惡作劇”。

獼猴桃、菠蘿、芒果、木瓜等水果中含有較多的蛋白酶, 越不成熟的獼猴桃, 蛋白酶的含量就越多。吃生獼猴桃和菠蘿時(shí), 有“扎嘴”的感覺, 就是因?yàn)槊阜纸饬丝谇火つさ牡鞍踪|(zhì)造成了痛感。

如果把這些水果放進(jìn)牛奶中,過(guò)半個(gè)小時(shí)后再吃,這些酶會(huì)迅速分解牛奶中的蛋白質(zhì), 生成一些帶有苦味的肽類,會(huì)讓牛奶的味道變得難以下咽,所以這兩種水果和牛奶混合時(shí),盡量現(xiàn)做現(xiàn)喝。

做牛奶木瓜時(shí),可以先把木瓜蒸熟,這樣可以抑制酶的活性,即先燉木瓜, 后放牛奶,這樣既不會(huì)發(fā)苦,口感美味,同時(shí)也不會(huì)出現(xiàn)沉淀。

圖片

圖片來(lái)源:站酷海洛

*本文內(nèi)容為健康知識(shí)科普,不能作為具體的診療建議使用,亦不能替代執(zhí)業(yè)醫(yī)師面診,僅供參考。

*本文版權(quán)歸騰訊醫(yī)典所有,未經(jīng)授權(quán)禁止媒體轉(zhuǎn)載,違規(guī)轉(zhuǎn)載將依法追究法律責(zé)任。歡迎個(gè)人轉(zhuǎn)發(fā)至朋友圈。

相關(guān)知識(shí)

謠言!“有機(jī)牛奶更營(yíng)養(yǎng)”是假的
喝粥、喝牛奶能養(yǎng)胃?這些“養(yǎng)胃”謠言遲早把你的胃養(yǎng)廢,很多人中招了!
健康飲食攻略:每天這樣吃,營(yíng)養(yǎng)均衡又美味
孕媽媽懷孕后不吃肉類,但是有喝牛奶和水果,胎兒會(huì)營(yíng)養(yǎng)不良嗎?
榴蓮+牛奶,海鮮+維C水果=中毒?都2020年了!快遠(yuǎn)離這些朋友圈“偽科學(xué)”!
別光吃水果不吃菜?水果和蔬菜到底應(yīng)該怎么吃?
有機(jī)牛奶最有營(yíng)養(yǎng)嗎?這5種牛奶的謠言,你輕信了幾條
吃水煮菜能瘦?讓你深信不疑的減肥謠言,正在危害你的健康!
減肥黃金組合 = 燕麥配牛奶?營(yíng)養(yǎng)師這樣吃!
輕食≠吃草,這樣吃減重快又營(yíng)養(yǎng)

網(wǎng)址: 牛奶和水果不能同時(shí)吃?醫(yī)生:謠言!這樣吃,美味又營(yíng)養(yǎng)! http://www.u1s5d6.cn/newsview369270.html

推薦資訊