《Food Research International》:Exploring the mechanism of aroma production in fermented cherry juice by L. brevis LD1.0600 using flavomics and whole genome analysis
编辑推荐:
•Levilactobacillus brevis LD1.0600是一种具有优异发酵性能的新菌株。•基因组分析证实了Levilactobacillus brevis LD1.0600的安全性及发酵潜力。•采用了随机欠采样提升模型来验证香气的准确性。•在LD1.0600组中,2-
- •
Levilactobacillus brevis LD1.0600是一种具有优异发酵性能的新菌株。
- •
基因组分析证实了Levilactobacillus brevis LD1.0600的安全性及发酵潜力。
- •
采用了随机欠采样提升模型来验证香气的准确性。
- •
在LD1.0600组中,2-甲氧基-4-乙烯基苯酚、2-甲基丁酸和己酸是主要的香气成分。
- •
氨基酸代谢和脂肪酸代谢是产生香气的主要途径。
引言
在食品行业中,发酵技术常被用于提升果汁的口感、营养价值以及保存期限。乳酸菌被广泛用于乳制品、蔬菜、果汁及其他食品的发酵过程。它们不仅能显著改善食品的风味与质地,还有助于维护肠道健康、降低胆固醇水平并增强免疫力(Li等人,2025)。先前的研究结果表明,在发酵过程中,乳酸菌通过糖酵解、蛋白分解和脂质分解等途径将风味前体转化为芳香化合物(Tian等人,2025)。Zhang等人(2025)指出,乳酸菌可通过增加有机酸和萜烯类物质,促进芳香化合物及短链醇的积累,从而提升红毛丹汁的抗氧化活性与风味复杂性。在桑葚汁的发酵过程中应用乳酸菌,可显著提高总酚含量、总黄酮含量及抗氧化能力,同时还能促进花青素的转化(Li等人,2025)。具有良好发酵特性的乳酸菌能为发酵饮料及其他产品增添丰富的营养成分与风味物质,因此对乳酸菌的筛选尤为重要。Lactobacillus brevis属于乳酸菌属,它在多种食品的发酵过程中发挥着重要作用。这类细菌在低pH环境中生长更为旺盛,因此常被用于发酵酸度较低的食品,如泡菜、韩式泡菜以及酸面团(Lemos Junior等人,2025)。在之前的研究中,L. brevis QD-1用于发酵玉林人参根提取物,这一过程显著提升了人参皂苷、多酚类物质及氨基酸的含量,尤其是稀有的人参皂苷MR2的含量也有明显增加。L. brevis不仅能在发酵食品中产生γ-氨基丁酸,还能减少N-亚硝基二甲基胺等有害物质的生成(Lemos Junior等人,2025)。此外,L. brevis还具有良好的益生菌特性和风味提升作用,这也是它被广泛应用的原因。例如,在一项研究中,具有亚硝酸盐降解能力的L. brevis CHOL1提升了香肠中的酒精、酸类及酯类物质含量,从而大大增强了香肠的香气。它还产生了(E)-2-庚烯-1-醇、己基己酸酯、己基乙酸酯以及5-甲基-2-呋喃甲醇等独特的芳香化合物,为香肠带来了宜人的香气(Yue等人,2025)。然而,目前关于利用L. brevis提升果汁风味的研宄还非常少。在工业生产中,强效的发酵启动菌种通常被用作主要发酵菌株,这些菌株包括Levilactobacillus brevis、Lactiplantibacillus plantarum、Weissella confuse、Lactiplantibacillus pentosus以及Lactobacillus rhamnosus。目前,人们对L. plantarum、W. confuse、L. pentosus和L. rhamnosus所生产的功能性产品的风味形成机制及代谢机制已有较多深入研究(Lemos Junior等人,2025)。尽管L. brevis已被用于发酵过程,但其相关的代谢机制仍不明确。因此,我们针对从实验室中筛选出的、因具有良好风味提升功能的L. brevis LD1.0600,对其安全性、功能代谢物以及风味提升机制进行了深入研究。L. brevis原本被归类于乳酸菌属,它在多种食品的发酵过程中起着关键作用。由于它能在低pH环境中良好生长,所以常被用于发酵泡菜、韩式泡菜以及酸面团等酸性食品(Lemos Junior等人,2025)。在之前的研究中,L. brevis QD-1被用于发酵玉林人参根提取物,这一过程提升了人参皂苷、多酚类物质及氨基酸的含量,尤其是稀有人参皂苷MR2的含量。功能测试表明,经过发酵处理的提取物在抗炎、抗氧化以及保护DNA方面比未经发酵的提取物效果更好。此外,L. brevis还能将有机废物转化为高价值的化合物。它在发酵食品中会产生γ-氨基丁酸,同时减少N-亚硝基二甲基胺等有害物质的存在。NDMA是一种由肠道细菌产生的常见食品亚硝胺,与胃癌、肾癌及结肠癌的风险相关(Lemos Junior等人,2025)。另外,L. brevis还具有益生菌作用,能够提升食品风味。例如,具有亚硝酸盐降解能力的L. brevis CHOL1提升了香肠中的酒精、酸类及酯类物质含量,使香肠气味更加宜人。它还产生了己基己酸酯以及(E)-2-庚烯-1-醇等独特的挥发性成分(VOCs)(Yue等人,2025)。目前,关于L. brevis发酵的研究主要集中在其营养成分或风味代谢物质的差异上,而在探究其关键基因的调控机制方面还存在不足。
大多数关于发酵风味的研宄都集中在单一代谢群的分析上,虽然也有使用定量化学技术的情况,但相对较少。挥发性有机化合物是发酵樱桃汁风味特征的核心,决定了其整体风味评价。这些化合物包括酯类、醛类、醇类、萜类以及酮类。传统的统计方法虽能识别出不同组别间的差异,但在处理高维数据时的降维以及关键生物标志物的筛选方面存在困难。正交偏最小二乘判别分析是一种改进版的偏最小二乘判别分析方法,通过预测成分与正交成分的调整来实现降维,从而更有效地处理组内差异较大的样本。例如,有研究将OPLS-DA与气味活性值分析相结合,用于描述发酵混合豆奶的风味特征(Zong等人,2025)。随着机器学习技术的发展,研究人员将挥发性有机化合物与数学模型结合,以便更精准地描述食品香气。在将产品按香气类型或质量等级分类的任务中,经过降维处理的逻辑回归模型表现良好(Kirtil,2025)。支持向量机则利用核函数来构建非线性边界,例如采用径向基函数核的支持向量机就能捕捉影响风味接受度的复杂挥发性物质相互作用。不过,目前还没有研究将机器学习与香气分析相结合,来探究特定菌株基因对发酵果汁香气提升机制的影响。
同时,菌株发酵所能提升的营养成分和风味物质主要受其所含关键基因的调控。了解菌株中是否存在关键风味基因,对于判断其作为启动菌种的潜力至关重要。全基因组分析是一种新兴的组学技术,可用于研究生命科学领域的遗传信息与基因表达情况,有助于揭示发酵食品发酵过程的奥秘(Yuan, Jinjing等人,2026)。因此,将风味组学、机器学习与全基因组分析相结合,就能够全面且科学地研究L. brevii发酵过程中的香气提升机制。
本研究旨在将从甜樱桃表面分离得到的乳酸菌应用于发酵樱桃汁的生产。通过气相色谱-质谱联用技术并结合多元分析方法与机器学习技术,对发酵樱桃汁中的关键风味物质进行了筛选。本研究还运用全基因组测序技术,揭示了目标菌株L. brevis的功能代谢物及其香气提升机制。期望为樱桃加工行业定制化启动菌株的开发提供新的思路,进而为樱桃的高值化利用及综合开发奠定基础。
章节要点
材料
甜樱桃(Prunus avium L.)购自中国山东省烟台市莱山区的一个果园(东经121°38′47″,北纬37°37′64″)。这些樱桃的种植条件,包括土壤、气候以及栽培措施都相同。我们从五个不同的方向随机选取了10公斤樱桃并混合为一个样本。这些樱桃被放置在通风的箱子里,在15℃的温度下运输,并在采收后4小时内进行处理。处理时会对樱桃轻轻搅拌,然后通过相应方法提取汁液
不同乳酸菌发酵的樱桃汁风味分析
通过气相色谱-质谱联用技术分析了不同乳酸菌菌株发酵所得樱桃汁中的挥发性有机化合物,並为每个发酵样本生成了挥发性有机化合物的热图(见图1A)。在CK、B-1、LD1.0026、LD1.0010、LGG、M53–2以及LD1.0600这七个样本中,共检测出了43种挥发性代谢物(见表S1),这些代谢物可被分为7类:19种醇类(占比44.19%)、6种酸类(占比13.95%)、5种醛类(占比11.63%)、4种酚类(占比9.30%)、3种酮类(占比6.98%)、2种酯类(占比4.65%),还有4种其他类别的化合物(占比9.30%)。其中,醇类是这些樱桃汁中最主要的挥发性有机化合物
结论
本研究从122种乳酸菌中筛选出了L. brevis LD1.0600菌株。通过基于支持向量机的机器学习模型,对发酵樱桃汁中的43种挥发性有机化合物进行了分析,最终鉴定出了22种具有风味活性的化合物。随后,通过气味活性值分析以及风味轮分析相结合的方法,筛选出了17种关键的具有风味活性的化合物,由此证实LD1.0600具有最佳的发酵性能。该发酵液的总体香气以甜味和果香为主,其中气味活性值高于100的关键香气活性成分包括2-甲氧基-4-乙烯基苯酚、苯甲醛等
CRediT作者贡献说明
Yunfan Wang:撰写——初稿编写。Xuemei Zhao:方法设计。Rui Li:验证工作。Xilin Wang:软件应用。Xinguang Fan:监督指导。Yanhui Kong:实验调研。Xiulian Li:验证工作。Xiuli Ma:数据整理。Xiangquan Zeng:结果可视化。Huamin Li:验证工作。Wenli Liu:资源提供。Yanju Li:结果可视化。Ziyi Wang:验证工作。Honghong Lv:方法设计。Danliangmin Song:撰写——审稿与编辑。Hansheng Gong:撰写——审稿与编辑。
资金支持
本研究得到了以下机构的支持:本文由烟台市自然科学基金(ZR2025Z046)、烟台市牟平区科技创新发展专项计划(项目编号2024CXFZ001)、山东省大学生创新创业训练计划(S202510451019)、中国山东省重点研发计划(2024TZXD060)以及烟台市科技创新发展计划研究项目(2023ZDCX028)提供资助。
利益冲突声明
作者声明,他们不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。
Yunfan Wang|Xuemei Zhao|Rui Li|Xilin Wang|Xinguang Fan|Yanhui Kong|Xiulian Li|Xiuli Ma|Xiangquan Zeng|Huamin Li|Wenli Liu|Yanju Li|Ziyi Wang|Honghong Lv|Danliangmin Song|Hansheng Gong