《Current Research in Food Science》：A triangulation and neural network approach reveals the microbe-metabolite-sensory associations of fermented milk
编辑推荐：
理解微生物、风味代谢物和感官属性之间的因果关联对于发酵乳风味的精准调控至关重要。本研究通过感官评价、微生物分析和挥发性代谢物谱图分析对22种商业发酵乳进行了表征。研究确定了五种感官表型，每种表型表现出独特的风味特征。然而，不同表型之间的微生物群落结构差异较小，
理解微生物、风味代谢物和感官属性之间的因果关联对于发酵乳风味的精准调控至关重要。本研究通过感官评价、微生物分析和挥发性代谢物谱图分析对22种商业发酵乳进行了表征。研究确定了五种感官表型，每种表型表现出独特的风味特征。然而，不同表型之间的微生物群落结构差异较小，表明群落结构本身不能完全解释感官多样化。因此，研究人员进行了广义微生物-表型三角测量分析（GMPT），识别出与不同感官表型相关的多个因果类群，同时mmvec模型进一步揭示了某些微生物与特征香气化合物之间的强关联。总体而言，本研究建立了一种新的数据驱动框架，用于探索发酵乳中微生物、风味代谢物和感官表型之间的潜在因果关联，代表了超越传统基于相关性分析的首批尝试之一。
研究背景：风味是决定消费者偏好和市场接受度的关键因素，发酵乳的风味主要由乳酸菌（LAB）的代谢活动塑造。LAB通过糖酵解、蛋白水解和脂肪水解等途径，将乳糖、蛋白质和乳脂肪转化为挥发性风味化合物或其前体，其中双乙酰和乙偶姻等是典型香气活性化合物。不同菌株的代谢差异导致挥发性代谢物组成多样，最终形成不同的感官表型。然而，先前研究多采用相关性分析或简单统计方法，难以在成分数据（如微生物组和质谱数据）中推断因果关系。针对该问题，研究人员提出结合三角测量因果推断与神经网络建模的方法，旨在系统解析发酵乳中微生物-代谢物-感官关联，为风味精准调控提供理论依据。该研究发表于《Current Research in Food Science》。
研究人员对22种商业发酵乳开展了研究，样本通过电商平台同日购买以保证生产日期接近，其中仅一款来自澳大利亚。研究中首先通过定量描述性分析（QDA）进行感官评价，然后采用16S rRNA基因测序分析微生物群落结构，并使用全二维气相色谱-飞行时间质谱（GC×GC-TOFMS）测定挥发性代谢物谱。在此基础上，应用广义微生物-表型三角测量（GMPT）分析识别与感官表型相关的推定因果菌群，并采用微生物-代谢物向量（mmvec）神经网络模型构建微生物与挥发性代谢物之间的条件共现关联。该框架不依赖传统相关性分析，而是通过反复出现的差异丰度和条件概率推断潜在因果关系。
研究结果表明，22个样品可划分为五种感官表型：发酵型（FER）、干酪型（CHE）、乳香型（MIL）、果香型（FRU）和平衡型（BAN）。各表型具有独特的风味特征，属性相关性分析支持该分类的合理性，例如奶油香与乳香显著正相关，而果香与发酵香显著负相关。GC×GC-TOFMS共鉴定出179种挥发性化合物，其中27种为香气活性化合物（OAV>1）。酮类是主要的挥发性化合物，2-庚酮、2-壬酮等具有重要香气贡献；醛类因阈值低而成为数量最多的香气活性化合物，乙醛作为酸奶特征香气化合物在多数样品中具有高OAV。微生物群落分析显示，链球菌属为绝对优势菌，主要为唾液链球菌嗜热亚种（Streptococcus salivarius subsp. thermophilus，S. thermophilus），德氏乳杆菌保加利亚亚种（Lactobacillus delbrueckii subsp. bulgaricus，Lb. bulgaricus）为次要优势菌。α多样性在各感官表型间差异有限，β多样性分析显示不同表型的样品在PCA和PCoA图中显著重叠，表明群落结构本身不能完全解释感官差异。
GMPT分析通过配对差异丰度比较和Spearman相关推断，识别出多个推定因果菌群。FER表型中，ASV4（Lb. bulgaricus）被鉴定为促进菌，而ASV5（Lactococcus sp.）为抑制菌。MIL表型中鉴定出7个候选菌群，其中ASV11（Lactiplantibacillus plantarum）为促进菌，ASV12（Lactobacillus delbrueckii subsp. lactis）为抑制菌。CHE表型鉴定出4个候选菌群，FRU表型中仅识别出两个抑制菌ASV5和ASV9（Streptococcus sp.）。值得注意的是，ASV4在FER和CHE表型中作为促进菌，但在MIL表型中为抑制菌，表明微生物的感官贡献具有情境依赖性。mmvec模型进一步揭示了微生物与香气化合物的关联：ASV1（S. thermophilus）与多种酮类（如乙偶姻、2-庚酮）表现出高共现概率；ASV4与乙醛、双乙酰和多种有机酸相关联；ASV19（Lactobacillus acidophilus）与丁酸和苯乙烯高度共现。此外，模型还捕捉到菌群间的共现模式，如S. thermophilus与Lb. bulgaricus的共现反映了常见商业发酵剂组合。
讨论部分指出，发酵乳中微生物分类组成与代谢功能可能存在脱耦，菌株水平的功能基因差异可能导致风味表型多样化。Lb. bulgaricus在不同表型中的相反作用提示，微生物对风味的影响取决于糖酵解、蛋白水解和脂肪水解途径之间的代谢通量平衡，而非单一菌种的存在。mmvec推断的关联本质是条件共现概率，不能直接证明微生物产生某种代谢物，但可为后续受控发酵验证提供假说。研究局限性包括样本量较小（尤其FRU和BAN表型）、16S rRNA测序无法解析菌株水平变异，以及未直接测定微生物功能活性。未来需结合宏基因组学、转录组学、蛋白质组学及受控发酵实验进一步验证因果作用。
翻译研究结论：总之，通过整合感官表型分析、基于GMPT的因果推断和mmvec神经网络建模，本研究建立了一个连接发酵乳中微生物、挥发性代谢物和感官表型的数据驱动框架。据研究人员所知，本研究是将基于因果推断的方法（GMPT）用于探究发酵食品风味多样化背后微生物贡献的首批尝试之一，将微生物组研究中开发的计算方法扩展至食品科学领域。更重要的是，本研究所采用的分析框架为破解更复杂发酵食品系统中的微生物-感官关联提供了有前景的策略，例如干酪、葡萄酒和白酒。这些系统具有更高的微生物多样性和更大的感官异质性，可能有助于识别与特定风味类型相关的关键微生物。
