综述:水果酸度研究综述:形成机制、表征与调控方法,以及人工智能技术的潜在应用
《TRENDS IN FOOD SCIENCE & TECHNOLOGY》:Review of fruit sourness: Formation mechanisms, characterization and regulation approaches, and potential applications of artificial intelligence technologies
【字体:
大
中
小
】
时间:2026年07月26日
来源:TRENDS IN FOOD SCIENCE & TECHNOLOGY 17.4
编辑推荐:
摘要
背景:酸度作为重要的感官属性,直接影响消费者对水果的偏好及市场销售情况。它主要由多种有机酸引起,这些有机酸通过对酸敏感的通道被感知,并在水果发育及采后处理过程中通过代谢途径进行调控。然而,现有文献缺乏一个全面、多视角的框架来理解水果酸度,这限制了在采后加工和风味改良方面
摘要
背景:酸度作为重要的感官属性,直接影响消费者对水果的偏好及市场销售情况。它主要由多种有机酸引起,这些有机酸通过对酸敏感的通道被感知,并在水果发育及采后处理过程中通过代谢途径进行调控。然而,现有文献缺乏一个全面、多视角的框架来理解水果酸度,这限制了在采后加工和风味改良方面的进展。
研究范围与方法:本研究整合了水果酸度的形成机制与感知机制、表征与调控方法,同时提出了在水果酸度控制中应用人工智能的潜力,从而构建了一个完整且全面的框架,以提升水果的风味、实现精准加工并提高品质。
主要发现与结论:水果的酸度是有机酸与味觉受体之间多层面相互作用的结果,其形成受有机酸的组成和浓度影响,而不仅仅取决于总酸度。人类通过由酸觉受体及孤束核介导的信号传导来感知酸度。现代质谱技术能够精确测定有机酸的含量。多种代谢网络协调着有机酸的合成与分解。未来,安全的脱酸技术以及人工智能辅助的预测方法有望更精准地调控水果产品的酸度与风味品质。总体而言,本综述将水果酸度视为一种综合性的品质特征,而非单一的感官指标,同时提出了将生化调控、感官科学及智能加工技术相结合的理念,以深入理解并提升水果的风味与品质。
引言:水果通常指开花植物成熟的子房,具有甜味或酸味。水果的多样性为全球均衡营养、饮食多样化以及健康饮食的推广做出了重要贡献。根据联合国粮食及农业组织的数据,截至2022年,中国的水果产量已超过1.8亿吨,无论是产量还是进口量均位居全球首位。在这种背景下,具有理想风味特性、尤其是酸度适中的水果,既适合鲜食也适合加工,在国际贸易中也更具竞争力。水果的酸度可作为反映成熟度、基因型差异及环境条件等关键因素的直观指标。客观上,它影响着水果的整体口味平衡与加工适应性,同时也会影响消费者的复购行为。传统上,酸度是通过氢离子浓度来衡量的,一般认为较低的pH值或较高的氢离子浓度意味着更强的酸度。然而,在复杂的食品体系中,考虑到味觉感知在受体和分子信号传导层面的复杂性,我们对酸度的理解仍存在局限。除了水果的成熟度和产地差异外,酸性成分的组成,如有机酸的类型和比例,也在塑造酸味感知中起着重要作用。不同人对于酸味的敏锐度、柔和度及强度感知可能存在差异,这种感知受年龄、人群群体、生活方式及心理因素等因素的影响。鉴于这种复杂性,水果酸度不应仅仅被视为由pH值决定的化学指标或单纯的风味成分,而应看作是由有机酸组成、感官信号传导、代谢调控以及加工引起的口味变化所共同构成的多维度品质特性。由于这些方面通常被单独研究,因此很难全面解释水果酸度在鲜食或加工过程中的形成、感知、量化、调控及预测机制。因此,需要开展全链条的综述,将这些分散的研究领域联系起来,找出单主题研究无法揭示的知识缺口。
近年来,关于水果酸度的研究越来越受到重视。本研究通过Web of Science Core Collection以“fruit”和“sourness”为关键词检索相关文献,筛选掉无关研究后,发现“fruit”“quality”和“flavor”这三个词频繁出现,是研究最多的主题(图1)。自2009年以来共检索到325篇相关论文,显示出年度研究数量呈上升趋势。这些研究采用Aria和Cuccurullo提出的文献计量学方法进行分析,将水果品质与口味等相关主题归为一类。
明确水果中酸性成分的组成对于推进酸度研究至关重要。传统上,人们通常根据水果中主要的有机酸类型来识别其主要酸味成分。而基于化学结构及物理化学性质的分类方式,则能更准确地反映酸性物质的来源。关于水果酸度感知的机制已有多种研究,目前已发现多种信号通路,其中OTOP1受体在酸味感知中起着关键作用。尽管在识别受源调控的味觉受体细胞、质子通道及中枢神经通路方面已取得一定进展,但现有研究大多仅关注感知过程的部分环节。目前仍缺乏将口腔摄入、外周信号传导及大脑皮层处理在复杂的水果体系中进行整合的统一理论。在含量测定方面,虽然传统的酸碱滴定法成本较低,但与现代仪器分析技术相比,其灵敏度和特异性不足。高效液相色谱法和气相色谱-质谱法已成为研究水果酸度的主流技术。
目前用于测定有机酸的方法在准确性、便捷性、成本及其优缺点等方面缺乏全面比较。水果内的复杂代谢网络为研究水果酸度的变化及其成分差异提供了生理学基础。苹果酸、柠檬酸和酒石酸等有机酸的代谢途径已有较多研究(Etienne等人,2013;Frontiers Prod,2021;Shi等人,2019;Zhu等人,2024)。不过,大多数研究仅聚焦于单一有机酸的代谢,缺乏在水果体系中共存条件下对多种有机酸代谢过程的宏观整合及其相互关系的分析。
经过干燥、热处理等加工处理后,水果的酸度可能会发生显著变化。因此,通过调节有机酸含量来控制酸度是提升产品品质的重要策略,不同的产品适合不同的调控方法。有必要对适合脱酸的水果品种与产品、相关机制、对不同有机酸的特异性以及安全问题进行系统评估。
近年来,人工智能在水果风味研究中展现出巨大潜力。将电子传感系统与机器学习相结合,可以不断提升风味评估的精度(Fayaz等人,2024)。这种方法也有助于定量预测水果中的酸味成分,从而更好地控制水果及产品的品质。大型语言模型已被用于利用化学数据库预测甜味(Lee等人,2022)和苦味(Tuwani等人,2019)。不过,与酸度相关的预测模型仍需进一步发展与整合。
本综述旨在为水果酸度提供一个全面且整合的框架,从而加深对酸味的多元理解。根据有机酸的化学结构对其进行了分类,强调了结构特征在决定其功能特性中的作用。总结了从口腔摄入到大脑皮层处理的完整酸味感知信号传导路径,并比较了用于有机酸表征的分析方法的准确度与关键特点。还整合了调控水果中主要有机酸的代谢途径及其相互关系。同时探讨了不同酸度调控策略的适用场景,并强调了人工智能在整合化学、感官及结构数据以实现精准酸度控制与预测方面的潜力。
本综述的创新之处在于将以往分散的知识整合为一个连贯的框架,为理解、评估、调控及预测水果酸度提供了多维度的视角。
要点摘录:
水果中的主要酸味成分:水果的酸度主要由有机酸决定,其浓度对整体风味有着重要影响。有机酸可通过多种机制在人体内发挥多种生物活性,从而影响体内微环境。例如,作为碳水化合物代谢的关键中间体,有机酸参与三羧酸循环,有助于生成三磷酸腺苷并传递能量,进而提升身体机能。
水果中酸味感知的机制:酸度是决定食物味道与品质的关键因素。总体而言,酸度感知涉及三个主要方面:导致酸味的有机酸成分及其内在特性、有机酸与味觉受体之间的相互作用,以及感知酸味的受体所进行的神经信号传递和生化反应(图3)。关于有机酸的特性,William在1898年提出酸度源于氢离子。市面上的商用pH计……
水果及水果制品中的有机酸:不同水果种类、不同组织以及不同生理阶段中,有机酸的组成和浓度差异较大。经过加工的水果制品由于配方设计及加工过程中的生化变化,其有机酸含量可能进一步发生变化。由于这些化合物是形成酸味的主要因素,对其进行可靠表征不仅有助于确定产品成分,还能帮助解释不同水果在酸度强度、酸度质量及感官感知方面的差异。
水果中有机酸的代谢途径:作为导致水果酸味的主要物质,有机酸的代谢过程不仅决定了水果的酸度和风味,还会影响其采后及加工后的品质。水果中有机酸的动态积累与降解通常通过涉及多种代谢途径的生化反应实现。因此,总结这些不同的代谢途径对于理解水果酸度变化的机制至关重要。
水果加工产品酸度的调控策略:水果被加工成多种产品,但加工往往会使酸度增加而甜度下降,从而影响风味品质。因此,减轻过度酸度已成为水果加工研究的重要目标。目前的脱酸策略可分为物理法、化学法、生物法及感官掩蔽法(图5;表3)。超声波等物理方法因其无需使用化学物质而被认为更为安全。
新兴人工智能技术在水果酸度研究中的应用:近年来,人工智能技术已成为食品风味研究的重要推动力。人工智能模型能够整合成分数据、感官评价、人工感官分析信号以及风味化学数据库,为酸度的识别、预测及质量控制提供一体化框架,从而简化实验室中的提取与表征工作(Iwata,2025;B. K. Lee等人,2023)。与传统分析方法相比,……
结论与未来展望:水果的酸度并非仅由有机酸含量决定,而是由有机酸组成、味觉信号传导、代谢途径调控以及加工策略控制等多种因素共同作用的结果。本综述为这种“单一风味问题——多层次调控”的风味提升模式提供了全面框架,有助于实现精准化、高品质的水果生产与加工。从结构上看,本综述对有机酸进行了分类,这些有机酸通过生物化学途径被人耳感知……
作者贡献声明:
Guanlin Qian:概念设计、方法学、软件工具、验证、初稿撰写。
Yafei Wang:研究工作。
Miao Yan:研究工作。
Naizhu Liu:研究工作。
Zhenshan Hou:研究工作。
Huanyu Wang:研究工作。
Song Pan:可视化处理。
Yitong Qiao:形式分析。
Yifei Lv:形式分析。
Yunting Li:数据整理。
Bin Li:项目管理。
Rodrigo Quintana:项目管理。
Guang Xin:项目管理、监督、审稿与编辑。
利益冲突声明:无利益冲突需要声明。
致谢:本研究得到了辽宁省中央引导地方科技发展基金项目[项目编号2023JH6/100100003]、辽宁振兴人才计划[项目编号XLYC2213020]以及中智蓝莓一带一路联合实验室[2024021198–JH2/1021]的支持。
Guanlin Qian | Yafei Wang | Miao Yan | Naizhu Liu | Zhenshan Hou | Huanyu Wang | Song Pan | Yitong Qiao | Yifei Lv | Yunting Li | Bin Li | Rodrigo Quintana | Guang Xin
沈阳农业大学食品科学学院,中国辽宁省沈阳市100866
生物通微信公众号
生物通新浪微博
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