理化特性和靶向代谢物谱与感官数据的多变量整合用于发酵泡菜味道强度的预测建模

《Food Research International》:Multivariate integration of physicochemical and targeted metabolite profiles with sensory data for the predictive modeling of taste intensities in fermented kimchi

【字体: 大 中 小 】 时间:2026年07月23日 来源:Food Research International 8.8

编辑推荐:

  跨96个泡菜样品量化了阶段依赖性感官变化。多元分析稳健地区分发酵阶段。多重检验校正的相关性将味道与组成联系起来。可解释的回归模型预测感官味道强度。验证的框架支持阶段监测和标准化。

  
跨96个泡菜样品量化了阶段依赖性感官变化。多元分析稳健地区分发酵阶段。多重检验校正的相关性将味道与组成联系起来。可解释的回归模型预测感官味道强度。验证的框架支持阶段监测和标准化。
泡菜是韩国传统发酵食品,其风味由乳酸菌(LAB)发酵产生的有机酸、游离氨基酸、糖类和辣椒素类物质(capsaicinoids)共同决定。然而,由于原料多样性和自然发酵的非无菌过程,不同产品间理化组成和感官属性存在显著变异,导致传统感官评价方法资源密集、易受疲劳和漂移影响,难以满足工业化的高通量、标准化和可重复性需求。现有研究多聚焦于发酵阶段判别、新鲜度监测或单一属性响应,缺乏基于代谢物定量预测多种人感官味道强度的系统框架。为此,研究人员旨在建立一种化学可解释的定量框架,利用理化特性和靶向代谢物标记物,估计异质商业泡菜产品跨发酵阶段的训练小组感官味道强度。该研究发表在《Food Research International》。

为开展研究,研究人员采用以下关键技术方法:样本队列来源为32种韩国商业泡菜产品,于冷藏储存条件下在0、3、7周取样,依据pH分为早期发酵阶段(EFS, pH≥5.0)、最佳发酵阶段(OFS, pH 4.0–5.0)和过度发酵阶段(ORS, pH<4.0)。主要技术包括:pH和可滴定酸度(titratable acidity)测定(滴定法)、盐度(salinity)测定(Mohr滴定法)、可溶性固形物(soluble solids)测定(折射计);游离糖和有机酸分析采用高效液相色谱(HPLC)分别配备折射检测器和紫外检测器;靶向代谢物分析采用超高效液相色谱-串联质谱(UPLC-MS/MS);辣椒素类物质分析采用液相色谱-质谱联用(LC-MS)。感官评价由10名训练小组按ISO 13299和ISO 8589标准进行9点强度评分。统计方法包括单因素方差分析(ANOVA)、线性判别分析(LDA)、Pearson相关性分析(经Benjamini-Hochberg假发现率(FDR)校正)、LASSO回归和多元线性回归,模型验证采用5折产品级分组交叉验证和独立适用性评估(28个额外零售样品)。

研究结果如下:

**3.1 Dynamic changes in sensory taste intensities across kimchi fermentation stages**
通过ANOVA和Tukey事后检验,酸味从EFS(2.31±0.36)显著增加至ORS(7.19±0.55),咸味在ORS最高(5.89±0.50)但与OFS(5.45±1.00)无显著差异,甜味在ORS(4.00±0.54)显著低于EFS和OFS,鲜味在OFS(4.85±0.64)显著高于其他阶段,辣味无显著阶段差异。

**3.2 Multivariate discrimination of kimchi fermentation stages based on sensory and physicochemical/metabolite profiles**
LDA显示,基于感官谱和理化/代谢物谱均能清晰区分三个发酵阶段。感官模型沿LD1(解释97.31%方差)呈有序排列:EFS、OFS和ORS依次分离;化学模型沿LD1(88.93%)和LD2(11.07%)同样产生阶段特异性聚类,OFS沿LD2进一步分化。

**3.3 Correlation-based linking of physicochemical/metabolite markers with sensory taste intensities**
Pearson相关分析(FDR校正)揭示了味道-标记物关联:酸味与可滴定酸度(r=0.934, q=2.13×10-41)、乳酸(r=0.903, q=1.90×10-34)强正相关,与pH(r=-0.920, q=7.32×10-38)强负相关;咸味与盐度(r=0.406, q=1.98×10-4)、可滴定酸度(r=0.636, q=4.70×10-11)正相关,与葡萄糖(r=-0.536, q=1.65×10-7)负相关;甜味与葡萄糖(r=0.411, q=1.67×10-4)正相关;鲜味与谷氨酸(r=0.310, q=0.00696)、鸟氨酸(r=0.365, q=0.00106)正相关,与苹果酸(r=-0.432, q=6.13×10-5)、柠檬酸(r=-0.377, q=6.69×10-4)负相关;辣味与辣椒素(r=0.807, q=1.44×10-21)、二氢辣椒素(r=0.789, q=4.06×10-20)强正相关。

**3.4 Regression model development and independent applicability assessment for predicting sensory taste intensities**
建立了多元线性回归方程,模型性能通过全数据集表观评估和产品级分组交叉验证显示:酸味模型(R2=0.948, CCC=0.973)表现最佳,随后为辣味(R2=0.790, CCC=0.880)和咸味(R2=0.709, CCC=0.837),甜味(R2=0.438, CCC=0.595)和鲜味(R2=0.471, CCC=0.654)中等。独立适用性评估(28个额外样品)中,咸味(r=0.738, R2=0.544)、辣味(r=0.686, R2=0.470)和酸味(r=0.660, R2=0.436)保持较好一致性,鲜味(r=0.463, R2=0.215)较弱,甜味(r=0.281, R2=0.079)外部一致性低。

总结讨论部分:研究人员指出,酸味与酸度指标的直接关联使其预测性能最佳,而甜味和鲜味受基质效应、未测量化合物及非线性交互作用影响,模型性能较低。产品级分组交叉验证和独立验证表明,该框架对咸味、辣味和酸味具有稳健预测能力,支持其在商业泡菜中作为发酵阶段监测和味道标准化的化学可解释工具。研究结论翻译如下:本研究通过整合训练小组感官评价与常规理化指标和靶向代谢物定量,建立了化学可解释的框架,用于估计商业泡菜的多属性味道强度。模型开发数据集包含96个阶段观测值,来自32种商业泡菜产品,在冷藏储存期间覆盖EFS、OFS和ORS。酸味表现出清晰的阶段变化,咸味适度增加,甜味和鲜味呈非单调轨迹,辣味相对稳定。多元判别显示感官和化学谱一致分离发酵阶段。相关分析揭示了味道-标记物关联。基于这些关系,简约回归模型对酸味、咸味和辣味的预测一致性优于甜味和鲜味。通过产品级分组交叉验证和独立验证(28个额外样品)评估了预测性能。本研究提供了一个客观、可解释、基于组成的框架,超越了传统描述性感官或理化表征,将发酵阶段判别、味道关联标记优先级排序和多属性味道估计整合到一个化学可解释系统中,适用于异质商业泡菜产品。在样本域内,OFS组以中间pH、酸度和特定阶段组成范围为特征,为发酵阶段监测和基于组成的质量评估提供了实用参考范围。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号