多模态整合解析大曲温度动态与品质形成关键期的调控机制

本文通过整合动态监测、宏基因组学（Metagenomics）和机器学习建模，系统解析中高温大曲（Daqu）发酵过程中温度、理化特性与微生物群落的协同演化机制，揭示品质形成关键期（S2–S3阶段），为传统发酵食品的精准调控提供数据驱动新范式。

　　

Highlight

中高温大曲作为浓香型白酒（strong-aroma Baijiu）的核心发酵剂，其品质受温度、理化特性与微生物活动的协同机制调控。本研究通过整合动态指标监测、宏基因组分析和机器学习建模，建立了多模态研究框架。系统性分析表明，时空因素对大曲发酵温度的差异化贡献凸显了发酵过程中理化与微生物过程的动态变化，以及品质调控的关键窗口期。时间因素对大曲温度的影响显著高于空间异质性。此外，环境变化与微生物代谢产热（microbial metabolic heat production）双途径交互产生的温差可通过热流正反馈机制（heat-flow positive feedback mechanism）调控大曲发酵。结合温度与理化数据，机器学习模型识别并验证了发酵早期（S2–S3）为大曲品质形成的关键期。因此，通过监测发酵早期温度可有效预测和指导大曲品质控制。宏基因组分析揭示了中高温大曲发酵的两阶段特性：核心微生物群（core microbiota）构建在S1–S3阶段完成，随后微生物群功能在S4–S6阶段进入稳定期。这从微观角度解释了大曲品质关键期形成的动态变化规律。

Introduction

功能性微生物群落通过自然富集、回添接种或预制备发酵剂（pre-prepared starters）接种于传统发酵食品中，以实现目标发酵调控（targeted fermentation regulation）。预制备高活性发酵剂已被证明可提升发酵效率。传统发酵食品的稳定性是跨区域发酵系统的通用策略。欧洲的酸面团发酵剂（sourdough starters）、非洲的Ogi发酵剂以及东亚的味噌（Miso）均展示了微生物群落预适应与优化的重要性。白酒作为全球产量最大的蒸馏酒，其发酵剂大曲的制备可视为传统食品中多菌株协同发酵的经典范式。在开放环境中，大曲砖块富集环境微生物，形成以霉菌、酵母和细菌为核心的功能性微生物群落。食品特性直接受环境调控影响。对白酒发酵剂的系统性微生物研究为解决传统发酵食品的微生物群落演替与品质形成等共性科学问题提供了理论框架，并为全球常规发酵食品的品质升级与标准化生产提供了微生物学基础。

本研究聚焦于浓香型白酒的发酵剂——中高温大曲，探究温度驱动的时空异质多尺度调控机制。通过阐明季节温度梯度、发酵产热动力学与大曲砖内微环境传热效率的耦合效应，本研究旨在确定这些因素如何主导微生物群落演替并塑造产品质量，从而为传统发酵食品中微生物群-环境互作提供普适性模型。大曲发酵受多重因素影响，最显著的是时间尺度（temporal scale）和空间异质性（spatial heterogeneity）。季节转换决定大曲的初始发酵温度，而发酵释放的代谢热改变环境热交换。空间异质性表现为点位与层次的差异，导致热量分布不均和局部温度梯度，从而调控传热效率。迄今，对这些耦合过程的全面多维分析仍显不足，因此关于时空因素交互作用下温度驱动机制的数据有限，使得当前大曲生产仍依赖经验而非精准控制。随着技术进步，食品工业研究已进入多模态大数据整合时代。

传统工艺与前沿方法（尤其是机器学习与多组学整合）的协同将有助于阐明微生物机制，并建立复杂发酵系统的新范式。例如，梯度提升（Gradient Boosting）机器学习模型已应用于预测啤酒风味的关键驱动因子。同时，多组学方法构建了“微生物群-代谢物-酶活性”网络，以探究普洱茶中茶褐素（theabrownine）如何调控肠道微生物群与胆汁酸代谢。这些技术揭示了多维数据集中的非线性关联，并识别出关键调控节点，克服了传统低维分析的局限性。机器学习已广泛应用于发酵过程建模与优化，如可可豆发酵控制与酵母发酵监测，涉及多种算法。例如，XGBoost可高效优化发酵条件，K近邻（K-Nearest Neighbor）模型在发酵过程预测中实现高精度，联邦学习（federated learning）被用于预测关键发酵阶段。这些技术在不同应用场景中均表现出强大性能。

本研究系统量化了时空因素对大曲发酵温度变异的差异化贡献。通过整合多维立体分析与组学技术，建立了“参数识别-机制分析-模型验证”的研究体系，以阐明大曲发酵过程中温度、理化特性与微生物群落的协同演化。本研究重点通过理化与宏基因组分析结合，解析大曲发酵过程的动态温度变化，进而考察时空因素对发酵过程中品质特性的影响。此外，采用机器学习模型对研究结果进行分析验证，并评估关键发酵期精准温控的可行性。大曲制备早期的干预可实现品质及时调控，对生产偏差的快速响应可保障大曲品质稳定性，推动白酒高温大曲生产从“经验依赖”向“数据驱动”模式转变。

Conclusion

本研究通过整合时空温度异质性、动态理化变化与微生物演替分析的多模态方法，阐明了大曲发酵过程中温度、理化特性与微生物群落的协同调控机制。关键发现表明，时间因素——特别是发酵阶段（CV = 11.31%–55.95%）和季节变异（CV = 5.49%–52.56%）——对热动力学的影响远高于空间因素（层间CV = 0.58%–5.49%，点位间CV = 0.36%–5.49%）。发酵早期（S2–S3）被确定为品质形成的关键窗口期，其温度变化可通过热流正反馈机制驱动微生物代谢与群落构建。宏基因组分析进一步揭示，核心微生物群在S1–S3阶段完成组装，功能则在S4–S6阶段进入稳定期。该研究为传统发酵食品的精准温控与品质管理提供了理论依据与实践范式。