黃酒是中國傳統(tǒng)且特有的酒種，由早期米酒等谷物釀造酒發(fā)展演變而成，是一種“以稻米、黍米、小米、玉米、小麥、水等為主要原料，經(jīng)加曲和/或部分酶制劑、酵母等糖化發(fā)酵劑釀制而成的發(fā)酵酒”。黃酒生產(chǎn)包括浸米、蒸煮、冷卻、拌曲、糖化發(fā)酵、壓榨、過濾、裝壇殺菌等基本步驟，發(fā)酵周期根據(jù)生產(chǎn)工藝持續(xù)幾天到幾個(gè)月不等。以原料、產(chǎn)地、風(fēng)格等為依據(jù)，可將黃酒按不同方式進(jìn)行分類（圖1）。黃酒釀造是多種微生物邊糖化邊發(fā)酵（雙邊發(fā)酵）的復(fù)雜生物過程，產(chǎn)生并保留了種類豐富、組成復(fù)雜的代謝物，根據(jù)其揮發(fā)性可大致分為揮發(fā)性有機(jī)物（VOCs）和非揮發(fā)性成分（NVCs）。

黃酒NVCs組成十分復(fù)雜，但是目前對其成分分析和功能解析尚不完善。代謝組學(xué)技術(shù)具有高靈敏度和高通量分析能力，并以龐大的代謝物數(shù)據(jù)庫和強(qiáng)大的數(shù)據(jù)分析工具為支撐，可為黃酒NVCs分析提供有效手段。

江南大學(xué)食品學(xué)院的趙詩睿、任青兮*、毛健*等對代謝組學(xué)的發(fā)展及其在黃酒NVCs分析中的應(yīng)用進(jìn)行概述，進(jìn)一步補(bǔ)充大數(shù)據(jù)、人工智能技術(shù)及網(wǎng)絡(luò)藥理學(xué)在代謝組學(xué)分析中的融合與交叉，并總結(jié)黃酒主要NVCs的研究進(jìn)展，以期為進(jìn)一步應(yīng)用組學(xué)方法解析黃酒NVCs組成及特性提供思路。

01

代謝組學(xué)的發(fā)展及其在黃酒NVCs分析中的應(yīng)用

1.1 代謝組學(xué)的形成及發(fā)展

Nicholson等于1999年提出了代謝組學(xué)技術(shù)，該技術(shù)最先用于對生物體組織或細(xì)胞中的小分子代謝物進(jìn)行定性、定量和動(dòng)態(tài)研究，是對基因組學(xué)和蛋白質(zhì)組學(xué)的進(jìn)一步發(fā)展和補(bǔ)充。近年來，代謝組學(xué)在食品領(lǐng)域的應(yīng)用逐漸成熟，在食品成分分析、質(zhì)量控制、加工過程、污染物檢測、毒理學(xué)和微生物學(xué)等方面展現(xiàn)出巨大的應(yīng)用潛力。

根據(jù)研究目標(biāo)和分析思路的不同，代謝組學(xué)又發(fā)展為3 個(gè)方向：靶向代謝組學(xué)、非靶向代謝組學(xué)和廣泛靶向代謝組學(xué)，3 種方法各具特點(diǎn)（表1）。整體來講，靶向代謝組學(xué)專注于預(yù)先選定的某種或某類代謝物，通常是已知的或與研究問題相關(guān)的化合物，該方法對物質(zhì)純化的水平要求高，物質(zhì)鑒定時(shí)只采集與目標(biāo)代謝物相關(guān)的離子譜圖信息，通過建立和優(yōu)化MS或NMR方法，依賴目標(biāo)代謝物標(biāo)準(zhǔn)品實(shí)現(xiàn)特定代謝物的準(zhǔn)確定量，適用于一些特定代謝途徑的研究。非靶向代謝組學(xué)主要追求檢測更全面的代謝物質(zhì)，不進(jìn)行任何物質(zhì)預(yù)設(shè)，通常需要精簡樣品制備步驟，盡量保持原樣以避免影響代謝物譜，其通量更高，且一般使用高分辨率質(zhì)譜儀，優(yōu)先檢測樣本中豐度較高的代謝離子，該方法數(shù)據(jù)量龐大，適用于新生物標(biāo)志物的挖掘。廣泛靶向代謝組學(xué)則是結(jié)合了前兩者的特點(diǎn)，既關(guān)注已知代謝物，也探索未知代謝物，通過全掃描模式提高代謝物覆蓋率，盡量獲取全面的代謝物信息，同時(shí)高分辨率質(zhì)譜儀在匹配的監(jiān)測模式下對代謝物進(jìn)行靶向采集，同時(shí)實(shí)現(xiàn)了“廣泛性”和“準(zhǔn)確性”，適用于特定代謝途徑的深入研究，成為了一種新型代謝組檢測方法。

1.1.1 靶向代謝組學(xué)

靶向代謝組學(xué)的思路最早被應(yīng)用于醫(yī)學(xué)研究和藥物治療，該手段十分依賴于已知代謝物或預(yù)設(shè)代謝物信息，通過分離靶標(biāo)并排除無關(guān)信號(hào)，可選擇性檢測目標(biāo)代謝物，并通過內(nèi)標(biāo)法實(shí)現(xiàn)相對定量或外標(biāo)法實(shí)現(xiàn)絕對定量，同時(shí)基于KEGG等富集分析可將代謝物映射在相關(guān)的代謝途徑中。然而，代謝物覆蓋率低、已知化合物數(shù)量較少或標(biāo)準(zhǔn)品制備困難是其存在的主要問題。總之，靶向代謝組學(xué)需要依靠特定的分析標(biāo)準(zhǔn)對一種或一組已知代謝物進(jìn)行精準(zhǔn)定量，這些代謝物通常與特定途徑或生物活性相關(guān)，并且靶向研究更傾向于關(guān)注定量代謝物的含量變化。

1.1.2 非靶向代謝組學(xué)

非靶向代謝組學(xué)對小分子代謝物進(jìn)行無偏向性全面檢測，側(cè)重于檢測盡可能多的代謝物組，以獲得“圖譜”或“指紋”特征，而無需識(shí)別或定量預(yù)設(shè)化合物。指紋分析和輪廓分析是非靶向方法中常用的兩種策略。指紋分析可識(shí)別譜圖中最重要的區(qū)域，利用化學(xué)計(jì)量學(xué)工具（如主成分分析（PCA））對不同區(qū)域中獲得的組分進(jìn)行分類，以獲得樣品的特征指紋圖譜。輪廓分析則是基于數(shù)據(jù)庫或軟件工具，在限定條件下對代謝產(chǎn)物進(jìn)行快速定性和半定量分析，從而得出樣品中最具鑒別力的代謝物。非靶向代謝組學(xué)優(yōu)點(diǎn)是對代謝物的評估相對廣泛，物質(zhì)覆蓋率相對較廣，可用于初步的定性，但由于標(biāo)準(zhǔn)品受限，可能還會(huì)出現(xiàn)假陽性信號(hào)干擾，無法提供物質(zhì)的絕對定性定量數(shù)據(jù)。此外，非靶向代謝組學(xué)的挑戰(zhàn)還在于如何確定譜峰中對應(yīng)代謝物的“身份”，為解決這一問題，需要不斷更新與擴(kuò)大相應(yīng)數(shù)據(jù)庫，如Tautenhahn等推出METLIN4代謝物數(shù)據(jù)庫，大幅提高了二級(jí)質(zhì)譜離子碎片數(shù)據(jù)匹配的速度，簡化了非靶向代謝組學(xué)流程。在應(yīng)用方面，Cao Xuedan等基于超高效液相色譜-串聯(lián)質(zhì)譜（UPLC-MS/MS）的非靶向代謝組學(xué)方法，在葡萄柚雞尾酒中鑒定出1 015 種植物化學(xué)物質(zhì)，探究了發(fā)酵前后代謝物的變化特點(diǎn)；錢敏等采用非靶向代謝組學(xué)結(jié)合GC-TOF-MS分析廣東客家黃酒，共鑒定出133 種代謝組分，包括有機(jī)酸、氨基酸及其衍生物、糖類及衍生物等，為揭示黃酒的NVCs及含量提供了科學(xué)依據(jù)。與靶向代謝組學(xué)對比，非靶向代謝組學(xué)提供的代謝物信息更為豐富全面，不會(huì)遺漏樣品代謝組的大部分分子信息，而黃酒發(fā)酵正是一個(gè)復(fù)雜代謝物體系動(dòng)態(tài)變化的過程，該方法可為研究黃酒釀造過程代謝物整體變化規(guī)律提供有力工具。

1.1.3 廣泛靶向代謝組學(xué)

廣泛靶向代謝組學(xué)結(jié)合了靶向代謝組學(xué)“準(zhǔn)確性”和非靶向代謝組學(xué)“廣泛性”的特點(diǎn)，具有高通量、高靈敏度、廣覆蓋率、能夠識(shí)別新的代謝區(qū)域等優(yōu)點(diǎn)。該方法最早應(yīng)用于闡明植物體內(nèi)代謝物積累模式，首先通過全掃描模式獲取代謝物圖譜和離子對信息，基于靶向檢測原理采用SIM/MRM/SRM/PRM模式對代謝物采集，結(jié)合數(shù)據(jù)庫識(shí)別已知代謝物。目前，廣泛靶向代謝組學(xué)方法被廣泛應(yīng)用于檢測分析食品中小分子化合物、識(shí)別關(guān)鍵代謝途徑和評估加工過程對代謝物的影響。例如，Wang Juan等基于超高效液相色譜-電噴霧離子源-三重四極桿串聯(lián)質(zhì)譜（UPLC-ESI-Q TRAP-MS/MS）的廣泛靶向代謝組學(xué)方法首次從黃酒中鑒定出997 個(gè)NVCs，揭示了不同產(chǎn)地黃酒的代謝產(chǎn)物組成差異，為黃酒的質(zhì)量控制、保健功效及產(chǎn)業(yè)化開發(fā)提供了理論參考。此外，廣泛靶向代謝組學(xué)與網(wǎng)絡(luò)藥理學(xué)分析、分子對接等技術(shù)的結(jié)合也備受關(guān)注，為識(shí)別診斷生物標(biāo)志物、揭示活性分子作用機(jī)制和發(fā)掘潛在治療靶點(diǎn)的工作提供了有效手段，廣泛靶向代謝組學(xué)未來將有可能繼續(xù)與多學(xué)科從不同維度結(jié)合，在食品功能因子機(jī)制解析、疾病靶向治療等方面得以應(yīng)用。

1.2 代謝組學(xué)應(yīng)用于黃酒NVCs分析的基本步驟

黃酒因其多樣的發(fā)酵原料、廣泛的地域分布及獨(dú)樹一幟的釀造工藝而形成了風(fēng)味組成復(fù)雜、營養(yǎng)物質(zhì)豐富、區(qū)域性品種繁多等鮮明特點(diǎn)，因此對于不同類型的酒樣需要結(jié)合檢測方法與研究對象選擇適當(dāng)?shù)奶幚砼c分析策略。圖2總結(jié)了黃酒的代謝組學(xué)分析基本流程。

1.2.1 樣品前處理

黃酒樣品前處理包括總樣品收集與預(yù)處理、初分離和再分離的基本步驟，以達(dá)到除雜純化、適應(yīng)儀器檢測條件等目的。首先根據(jù)需要對黃酒樣品進(jìn)行過濾、離心、稀釋、濃縮等預(yù)處理，以達(dá)到除去雜質(zhì)、調(diào)整濃度、初步富集目標(biāo)物等目的。在初分離階段，需要根據(jù)目標(biāo)成分的理化性質(zhì)選擇分離方法。蒸餾法是常用的分離方法之一，例如，水蒸氣蒸餾（SD）常用于提取VOCs；真空（減壓）蒸餾（VD）在收集VOCs時(shí)能有效避免熱敏性物質(zhì)的分解；同時(shí)蒸餾萃?。⊿DE）能同時(shí)分離和收集VOCs，效率更高；溶劑輔助蒸餾（SAFE）通過溶劑與目標(biāo)物的協(xié)同作用，低溫條件下實(shí)現(xiàn)高效、廣譜的成分提取，尤其適用于黃酒熱敏性VOCs的分離?？傊?，蒸餾法利用化合物揮發(fā)性的差異，可將黃酒大部分VOCs收集在餾出液中，而NVCs則留于余液中。此外，萃取法也可用于VOCs或NVCs的選擇性分離和富集。例如，適用于分離VOCs的方法有頂空固相微萃取（HS-SPME）、頂空攪拌棒吸附萃取（HS-SBSE）、薄膜固相微萃取（TF-SPME）等；適用于分離NVCs的方法有液液萃取（LLE）、超臨界流體萃?。⊿FE）、固相萃?。⊿PE）、浸入式固相微萃取（DISPME）、浸入式攪拌棒吸附萃?。―I-SBSE）等。初分離后，為了進(jìn)一步提高目標(biāo)物質(zhì)的富集度，消除其他化合物或共聚物的干擾，還需要通過色譜法、萃取法等再分離方法將NVCs進(jìn)一步純化為糖類、蛋白質(zhì)類、酸類、脂類等單一體系。此外，從植物樣品中利用水提醇沉、酸堿萃取、酶提法、超濾膜萃取等技術(shù)提取活性多糖的思路也可借鑒。總之，代謝組學(xué)分析的準(zhǔn)確性與穩(wěn)定性很大程度上依賴于樣品前處理，應(yīng)該以研究目標(biāo)為導(dǎo)向，結(jié)合研究對象特點(diǎn)進(jìn)行樣品收集與多級(jí)分離純化工作。

1.2.2 代謝物分析與檢測

代謝組學(xué)數(shù)據(jù)獲取依賴于高精度分離技術(shù)和高靈敏性檢測方法。色譜分離技術(shù)、質(zhì)譜檢測技術(shù)和NMR技術(shù)在代謝組學(xué)研究中應(yīng)用最為廣泛，也是鑒定物質(zhì)和明確物質(zhì)含量變化的有效工具。目前，尚沒有單一分析技術(shù)可以直接獲取所有代謝物信息，因此通常需要將色譜分離技術(shù)（包括LC、GC、毛細(xì)管電泳（CE））與代謝物鑒定技術(shù)（包括MS和NMR技術(shù)）相結(jié)合，實(shí)現(xiàn)先有效分離再準(zhǔn)確檢測的目的。VOCs主要通過GC結(jié)合MS技術(shù)進(jìn)行分析，傳統(tǒng)的GC-MS技術(shù)通過電子轟擊電離生成碎片離子譜圖，結(jié)合NIST等數(shù)據(jù)庫進(jìn)行物質(zhì)鑒定。近年來，多維色譜技術(shù)（如GC×GC）與高分辨率質(zhì)譜（如TOF-MS）的聯(lián)用顯著提升了分離能力和檢測通量。此外，GC-IMS因無需復(fù)雜前處理、快速檢測揮發(fā)性指紋圖譜的特點(diǎn)，被廣泛應(yīng)用于黃酒釀造過程VOCs的實(shí)時(shí)監(jiān)測。NVCs主要依賴LC技術(shù)進(jìn)行分離，LC以不同極性的液體為流動(dòng)相，有正相色譜和反相色譜之分，同時(shí)，根據(jù)分離機(jī)理又分為吸附色譜、分配色譜、離子交換色譜和凝膠色譜。此外，在柱效的改進(jìn)和柱材的優(yōu)化下，發(fā)展出了高效液相色譜（HPLC）、UPLC等技術(shù)，并在非揮發(fā)性代謝物的研究中得到廣泛應(yīng)用。

1.2.3 數(shù)據(jù)處理與可視化

代謝組學(xué)得到的數(shù)據(jù)量通常比較龐大，涉及大量代謝物及多種因素影響，因此數(shù)據(jù)處理是非常重要的環(huán)節(jié)，包括預(yù)處理、代謝物定性定量、數(shù)據(jù)統(tǒng)計(jì)學(xué)分析、下游生物信息學(xué)預(yù)測基本步驟。首先，數(shù)據(jù)預(yù)處理包括數(shù)據(jù)優(yōu)化、歸一化、標(biāo)準(zhǔn)化和數(shù)據(jù)轉(zhuǎn)換，數(shù)據(jù)優(yōu)化目的在于增強(qiáng)“信號(hào)”和減少“噪音”，例如基于MS平臺(tái)數(shù)據(jù)的峰對齊、基線校準(zhǔn)和反卷積，或是基于NMR平臺(tái)數(shù)據(jù)的信號(hào)消除、化學(xué)位移校準(zhǔn)、分檔等；數(shù)據(jù)歸一化與標(biāo)準(zhǔn)化則是為了減輕不同樣品在檢測過程中的差異性和不均性，不同的預(yù)處理方法會(huì)影響變量統(tǒng)計(jì)結(jié)果。其次，代謝物的定性和定量是研究差異性的數(shù)據(jù)基礎(chǔ)，靶向代謝組學(xué)可以通過標(biāo)準(zhǔn)品準(zhǔn)確定量或半定量，并通過標(biāo)準(zhǔn)品數(shù)據(jù)庫直接定性，非靶向或廣泛靶向代謝組學(xué)可以通過公共數(shù)據(jù)庫及自建數(shù)據(jù)庫對物質(zhì)定性，并根據(jù)峰面積對物質(zhì)進(jìn)行相對定量。此外，生物信息學(xué)和數(shù)學(xué)統(tǒng)計(jì)工具是分析和注釋數(shù)據(jù)集的關(guān)鍵，目的在于以龐大的代謝物體系為多變量，確定與所研究現(xiàn)象相關(guān)的代謝物、得選出關(guān)鍵的候選生物標(biāo)志物或明確樣品間代謝物的差異變化，最后通過數(shù)據(jù)可視化呈現(xiàn)結(jié)果。

基于統(tǒng)計(jì)學(xué)方法可以對數(shù)據(jù)進(jìn)行初步解釋，例如單變量分析、多變量統(tǒng)計(jì)分析、網(wǎng)絡(luò)分析等。其中，單變量分析方法（如描述性分析、顯著性檢驗(yàn)、t檢驗(yàn)、Mann-Whitney U檢驗(yàn)等）較為直觀，其核心原理是通過獨(dú)立檢驗(yàn)代謝物的組間差異，從而快速考察各個(gè)代謝物在不同樣品類別之間的差異，在數(shù)據(jù)量較小或目標(biāo)明確時(shí)，可以幫助快速定位顯著差異變量。而多變量分析則通過捕捉多變量間的協(xié)同變化，突出變量間的關(guān)聯(lián)性，適用于數(shù)據(jù)降維可視化、樣本聚類趨勢分析和多變量標(biāo)志物得選，可以幫助揭示代謝物之間的相互作用和模式。多變量分析又分為無監(jiān)督學(xué)習(xí)和有監(jiān)督學(xué)習(xí)兩類，核心區(qū)別在于數(shù)據(jù)是否具有標(biāo)簽，兩者互為補(bǔ)充，實(shí)際應(yīng)用中常結(jié)合使用。在無監(jiān)督學(xué)習(xí)中應(yīng)用較為廣泛的是PCA，針對黃酒樣本的高維代謝組數(shù)據(jù)，PCA通過數(shù)據(jù)降維以有限變量總結(jié)數(shù)據(jù)主要特征，使代謝物形成相互區(qū)分的板塊即“聚類”，以此觀察數(shù)據(jù)是否具有組間分類趨勢或數(shù)據(jù)離群點(diǎn)，從而判斷各變量之間的差異關(guān)系或?qū)ふ覙?biāo)志物，但局限在于無法直接與分組表型關(guān)聯(lián)，適用于無標(biāo)簽或探索性研究。有監(jiān)督學(xué)習(xí)如偏最小二乘判別分析（PLS-DA）、正交偏最小二乘判別分析（OPLS-DA）等，在降維的基礎(chǔ)上利用標(biāo)簽構(gòu)建預(yù)測模型，可以更高效地提取組間差異信息，幫助得選組間影響研究問題的代謝物，適用于分類預(yù)測、標(biāo)志物得選或建立代謝物與表型的關(guān)聯(lián)，但需明確分類標(biāo)簽（如產(chǎn)地、年份等），且需充足樣本量，過擬合風(fēng)險(xiǎn)高，通常需要對模型進(jìn)行驗(yàn)證與檢驗(yàn)。總之，在實(shí)際應(yīng)用中，可以基于數(shù)據(jù)特征（維度、分布、標(biāo)簽完整性）及研究目標(biāo)綜合運(yùn)用多種統(tǒng)計(jì)學(xué)方法，或?qū)ΜF(xiàn)有方法進(jìn)行改進(jìn)。

1.3 人工智能算法與大數(shù)據(jù)技術(shù)在代謝組學(xué)數(shù)據(jù)挖掘中的應(yīng)用

近年來，人工智能算法與大數(shù)據(jù)技術(shù)的發(fā)展為黃酒代謝組學(xué)數(shù)據(jù)深度挖掘提供了更為高效的手段。目前，人工智能算法已被成功應(yīng)用于原始質(zhì)譜數(shù)據(jù)處理、特征提取、標(biāo)志物識(shí)別與分類、預(yù)測建模、構(gòu)建網(wǎng)絡(luò)分析等諸多方面。在原始質(zhì)譜處理方面，基于深度神經(jīng)網(wǎng)絡(luò)架構(gòu)（如卷積神經(jīng)網(wǎng)絡(luò)、圖卷積網(wǎng)絡(luò)、U-Net等）開發(fā)的噪聲濾波與峰對齊算法顯著減輕了基線與干擾物影響，提升了譜圖分辨率與數(shù)據(jù)質(zhì)量。在特征提取環(huán)節(jié)，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法通過特征提取與數(shù)據(jù)降維，可以精準(zhǔn)鎖定關(guān)鍵代謝物，預(yù)測代謝物變化趨勢。例如，利用基于決策樹的機(jī)器學(xué)習(xí)模型（如XGBoost和隨機(jī)森林）可高效分析黃酒陳釀過程中的代謝物變化，并預(yù)測關(guān)鍵功能性組分的變化趨勢，而變分自編碼器可將高維代謝組學(xué)數(shù)據(jù)集解卷積為潛在的核心代謝過程。此外，人工智能算法還可通過標(biāo)志物識(shí)別與分類，得選出與黃酒品質(zhì)密切相關(guān)的生物標(biāo)志物，在黃酒功能性組分的預(yù)測和分類中展現(xiàn)出巨大潛力。例如，支持向量機(jī)和長短期記憶網(wǎng)絡(luò)被用于不同陳釀年份黃酒的質(zhì)量評價(jià)和成分預(yù)測，能夠快速識(shí)別代謝物并構(gòu)建預(yù)測模型，充分展現(xiàn)出人工智能在代謝組學(xué)數(shù)據(jù)分析中的優(yōu)勢。在預(yù)測模型搭建工作中，將長短期記憶網(wǎng)絡(luò)、圖神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)應(yīng)用于時(shí)序代謝動(dòng)態(tài)預(yù)測和功能活性推斷，可為發(fā)酵優(yōu)化或功能成分開發(fā)提供理論支持。不僅如此，基于人工智能的風(fēng)味組學(xué)分析技術(shù)可實(shí)現(xiàn)關(guān)鍵風(fēng)味物質(zhì)的智能得選，將自然語言處理與感官評價(jià)結(jié)合，為黃酒風(fēng)味的定向富集調(diào)控提供新的思路。大數(shù)據(jù)技術(shù)為代謝組學(xué)研究提供了強(qiáng)大的數(shù)據(jù)存儲(chǔ)和處理能力。例如，通過構(gòu)建黃酒代謝組學(xué)數(shù)據(jù)庫整合多源數(shù)據(jù)（如GC-MS、LC-MS和NMR數(shù)據(jù)），可以實(shí)現(xiàn)對代謝物的全面注釋以及代謝網(wǎng)絡(luò)的構(gòu)建。此外，大數(shù)據(jù)分析還能進(jìn)一步揭示黃酒組分與環(huán)境因素之間的關(guān)聯(lián)，幫助闡明黃酒組分的來源與影響因素，從而為黃酒生產(chǎn)工藝的優(yōu)化提供理論支持。人工智能算法的核心優(yōu)勢在于其高維度數(shù)據(jù)處理能力、非線性模式識(shí)別及自動(dòng)化流程，其與大數(shù)據(jù)技術(shù)的交互合作使代謝組學(xué)從“數(shù)據(jù)密集型”邁向“智能驅(qū)動(dòng)型”，但亦面臨數(shù)據(jù)質(zhì)量依賴、數(shù)據(jù)標(biāo)準(zhǔn)化與共享機(jī)制不足、模型性能不齊及可解釋性存在差異、樣本數(shù)量限制等挑戰(zhàn)。未來動(dòng)態(tài)代謝網(wǎng)絡(luò)建模、可解釋性人工智能算法與多組學(xué)數(shù)據(jù)融合將成為突破方向，以不斷提高組學(xué)數(shù)據(jù)分析的高效性和精確性，深入揭示黃酒發(fā)酵過程中多因素與代謝物變化之間的關(guān)系，推動(dòng)黃酒研究從成分表征向機(jī)制解析跨越，為黃酒的品質(zhì)提升和個(gè)性化開發(fā)提供科學(xué)依據(jù)，也為傳統(tǒng)釀造工藝的精準(zhǔn)調(diào)控與功能因子開發(fā)提供科學(xué)范式。人工智能、大數(shù)據(jù)與代謝組學(xué)間的聯(lián)系如圖3所示。

1.4 網(wǎng)絡(luò)藥理學(xué)在代謝組學(xué)中的應(yīng)用

網(wǎng)絡(luò)藥理學(xué)起源于中醫(yī)藥研究，并由系統(tǒng)生物學(xué)和生物網(wǎng)絡(luò)分析技術(shù)推動(dòng)發(fā)展而來，旨在通過構(gòu)建藥物-靶點(diǎn)網(wǎng)絡(luò)、基因-疾病網(wǎng)絡(luò)等生物網(wǎng)絡(luò)模型，預(yù)測藥物成分的潛在作用靶點(diǎn)，并探討其與病癥的相關(guān)性，從而系統(tǒng)地揭示藥、食源功能因子的作用機(jī)制。

黃酒富含生物活性肽、多糖、多酚、γ-氨基丁酸等功能性成分，這些成分具有多靶點(diǎn)、多途徑的生物活性，與中藥特性高度相似。因此，網(wǎng)絡(luò)藥理學(xué)方法可應(yīng)用于揭示黃酒功能性成分的多靶點(diǎn)作用機(jī)制，為黃酒功能性成分的分析提供有力補(bǔ)充。具體而言，代謝組學(xué)技術(shù)用于鑒定黃酒中的代謝組分，而網(wǎng)絡(luò)藥理學(xué)則用于預(yù)測這些代謝組分的潛在靶點(diǎn)，并構(gòu)建代謝組分-靶點(diǎn)-疾病網(wǎng)絡(luò)，通過這種交叉應(yīng)用，能夠快速、高效地識(shí)別黃酒藥效成分，從而深入理解黃酒的保健功能。目前，通過網(wǎng)絡(luò)藥理學(xué)研究，已成功預(yù)測和揭示了黃酒中多種成分的生物活性，例如在房縣、紹興和即墨黃酒中鑒定出113 種中藥關(guān)鍵有效成分和78 種抗病有效成分。此外，網(wǎng)絡(luò)藥理學(xué)在黃酒成分研究中還具有更大的應(yīng)用潛力，例如可用于黃酒活性成分的得選與靶點(diǎn)預(yù)測、黃酒功能性成分的作用機(jī)制研究及多成分協(xié)同分析等，從而為黃酒的質(zhì)量控制及保健功效提供豐富的理論依據(jù)。然而，代謝組學(xué)和網(wǎng)絡(luò)藥理學(xué)的結(jié)合仍面臨一些挑戰(zhàn)，例如缺乏對外源性成分及相關(guān)靶點(diǎn)的全面獲取，容易出現(xiàn)假陽性結(jié)果，且整體分析水平較為單一，局限性較大，缺乏對整體水平的系統(tǒng)性分析。因此，未來的研究還需進(jìn)一步完善從代謝組學(xué)數(shù)據(jù)到網(wǎng)絡(luò)藥理學(xué)模型的對接模式。

總之，代謝組學(xué)的分析手段仍在不斷完善和發(fā)展中，隨著新統(tǒng)計(jì)方法、分析平臺(tái)的發(fā)展和多學(xué)科技術(shù)的交叉應(yīng)用，代謝組學(xué)將進(jìn)一步提高數(shù)據(jù)的準(zhǔn)確性和可靠性，為生物信息學(xué)和相關(guān)領(lǐng)域的研究提供更有力的支持。未來將代謝組學(xué)技術(shù)應(yīng)用于黃酒發(fā)酵過程檢測、黃酒NVCs代謝途徑研究或建立黃酒-疾病之間的代謝物網(wǎng)絡(luò)聯(lián)系，可為深入挖掘黃酒特殊功能因子、推動(dòng)黃酒生物改造技術(shù)進(jìn)步、改善或治療酒精損傷性疾病等提供理論基礎(chǔ)。

02

黃酒NVCs的主要類型及其功能研究進(jìn)展

代謝組學(xué)的發(fā)展和應(yīng)用揭示了黃酒NVCs的復(fù)雜性，其中糖類、含氮化合物類、有機(jī)酸類、酚類及其他微量元素在黃酒中發(fā)揮了特殊的生物活性，是黃酒中的主要功能性組分，目前相關(guān)研究主要圍繞其物質(zhì)含量、組成、來源、功能機(jī)制等角度展開。黃酒主要NVCs及其作用如圖4所示。

2.1 碳水化合物

黃酒中碳水化合物含量較高，主要由單糖、低聚糖和多糖組成，大部分產(chǎn)生于谷物原料的酶解，還來源于未完全發(fā)酵的殘?zhí)呛秃?，這些糖類不僅為黃酒提供甜味，還是發(fā)酵過程中微生物的能量來源，影響黃酒的整體乙醇含量和風(fēng)味。受釀酒原料、產(chǎn)地、釀造工藝等影響，不同類型黃酒糖含量差異顯著，干黃酒糖分質(zhì)量濃度小于15.0 g/L（以葡萄糖計(jì)），半干黃酒為15.1～40.0 g/L，半甜黃酒為40.1～100.0 g/L，甜黃酒大于100.0 g/L。黃酒單糖以葡萄糖為主，市售黃酒葡萄糖質(zhì)量濃度約為14.31～60.42 g/L，而阿拉伯糖、半乳糖、甘露糖、核糖和乳糖的質(zhì)量濃度較低，基本低于1 g/L（表2）。黃酒低聚糖由3～10 個(gè)單糖通過糖苷鍵連接聚合而成，分為普通低聚糖和功能性低聚糖。其中，普通低聚糖（如麥芽三糖）的分支結(jié)構(gòu)簡單，可被人體消化酶分解。功能性低聚糖因其存在的α-1,6-糖苷鍵及其特殊的分支結(jié)構(gòu)，難以直接在消化道內(nèi)分解而具有特殊的生理功能。黃酒功能性低聚糖主要包括異麥芽低聚糖和小麥麩皮低聚糖。異麥芽低聚糖（如異麥芽糖、潘糖和異麥芽三糖）來源于支鏈淀粉酶解后殘留的分支低聚糖，或由麥曲微生物分泌的葡萄糖苷酶通過轉(zhuǎn)糖苷合成，質(zhì)量濃度約為7～8 g/L；而小麥麩皮低聚糖主要包括小麥麩皮經(jīng)微生物酶解后形成的低聚木糖、阿拉伯低聚木糖和阿魏酰低聚糖。這些低聚糖不被機(jī)體消化吸收而直接進(jìn)入大腸，不僅可以直接調(diào)節(jié)腸道菌群結(jié)構(gòu)，間接促進(jìn)一些營養(yǎng)物質(zhì)（如B族維生素）在腸道的吸收與生物利用，還在緩解便秘（圖5）和腸道炎癥、降低血清膽固醇、提高機(jī)體免疫力、預(yù)防癌癥等方面發(fā)揮作用。為了增加功能性低聚糖含量，可從原料、工藝和菌種方面進(jìn)行優(yōu)化，例如采用支鏈淀粉含量高的糯米或添加小麥麩皮，延長糖化時(shí)間促進(jìn)支鏈淀粉的酶解與轉(zhuǎn)糖苷反應(yīng)或進(jìn)行菌種改造，為功能性黃酒的開發(fā)提供思路。此外，低聚糖還可與蛋白質(zhì)、酚類物質(zhì)等形成聚集或沉淀復(fù)合物，其與多糖的交互作用也可能潛在影響黃酒的穩(wěn)定性。黃酒多糖主要由原料酶解、乳酸菌合成、酵母細(xì)胞自溶等途徑產(chǎn)生，其鏈長差異很大，由幾十個(gè)至成百上千個(gè)單糖聚合而成。Yang Yi等經(jīng)結(jié)構(gòu)解析與預(yù)測，得出黃酒多糖的主要成分是短鏈支鏈α-D-葡聚糖（圖6）。此外，多項(xiàng)研究通過有機(jī)溶液沉淀、除蛋白、超濾純化等工藝對板栗黃酒、客家黃酒、黨參黃酒等不同種類黃酒多糖進(jìn)行提取分析，并從自由基清除、巨噬細(xì)胞分泌、信號(hào)傳導(dǎo)等角度對黃酒多糖的抗氧化活性、體外免疫調(diào)節(jié)活性、抑制氧化應(yīng)激、抗炎、腸道微生物調(diào)節(jié)等功能進(jìn)行了驗(yàn)證。

糖醇也是黃酒中的一類碳水化合物，它是指單糖（如葡萄糖、果糖）的羰基被還原成羥基后形成的通式為CH2OH-(CHOH)n-CH2OH的多元醇物質(zhì)。糖醇對人體血糖值上升無影響，而且熱量低、口感好，是黃酒醇甜滋味的來源之一。糖醇主要由酵母、乳酸菌等微生物在發(fā)酵過程中對單糖進(jìn)行還原生成。目前關(guān)于糖醇的檢測方法有HPLC、LC-MS/MS、GC、GC-MS、高效陰離子交換色譜-積分脈沖安培檢測法等，其中高效陰離子交換色譜-積分脈沖安培檢測法無需衍生化、操作簡便且靈敏度高，是測定食品中糖醇含量的優(yōu)勢方法。黃酒中糖醇種類（如甘露糖醇、山梨糖醇和木糖醇）與白酒大致相同，但含量差異很大，可能是由于不同酒樣采用的原料種類、微生物群落和優(yōu)勢菌種、發(fā)酵工藝和條件等方面的差異。

結(jié)合代謝組學(xué)方法，已經(jīng)可以對黃酒中大部分糖類和糖醇類物質(zhì)進(jìn)行鑒定，探究發(fā)酵條件的影響及部分糖類的健康效應(yīng)。然而，目前對單一糖組分純化、精細(xì)結(jié)構(gòu)解析、分子作用機(jī)制等認(rèn)識(shí)水平仍然有限。因此，未來黃酒糖類物質(zhì)的研究趨向于應(yīng)用新分離分析技術(shù)進(jìn)行單一組分純化與復(fù)雜結(jié)構(gòu)解析，加強(qiáng)與化學(xué)、醫(yī)學(xué)、生物信息學(xué)等多學(xué)科交叉合作，共同推動(dòng)黃酒中糖類物質(zhì)的研究進(jìn)程。

2.2 含氮類化合物

在葡萄酒、日本清酒、中國黃酒等釀造酒中，黃酒中的含氮類化合物含量最高，除了主要的蛋白質(zhì)、肽和氨基酸外，還存在胺類、酰胺類、氨基甲酸乙酯（EC）等含量較低的含氮類化合物（表3）。黃酒釀造以糯米、黍米等糧食為主要原料，與酒曲混合后進(jìn)行雙邊發(fā)酵，含氮化合物可來源于原料分解、酒曲微生物釋放及陳釀階段酵母自溶。據(jù)報(bào)道，黃酒中蛋白質(zhì)和肽的平均質(zhì)量濃度約為（4 210±430）mg/L，遠(yuǎn)高于葡萄酒（蛋白質(zhì)量濃度15～230 mg/L）和日本清酒（總氮質(zhì)量濃度250～1 190 mg/L）。多肽賦予了黃酒獨(dú)特的感官特征，如苦味、鮮味、甜味、澀味等，目前鑒定的感官活性肽有鮮味肽DTYNPR、TYNPR、SYNPR、RFRQGD、NFHHGD和FHHGD，鮮味增強(qiáng)肽TYNPR、SYNPR、NFHHGD、FHHGD和TVDGPSH，苦味肽Pyr-LFNPSTNPWHSP（PGP）。一些多肽組分還具有一定生物活性，如膽固醇溶解抑制肽CGSP和血管緊張素轉(zhuǎn)換酶活性抑制肽QSGP、VEDGGV、PST、NT、LY，采用膜分離、分子印跡等技術(shù)，可從黃酒中富集某些活性多肽，為功能性黃酒開發(fā)提供原料基礎(chǔ)。然而，對于黃酒多肽的研究是在最近幾十年才開始得到關(guān)注，主要圍繞肽的風(fēng)味功能、抗氧化、降血壓、降膽固醇、調(diào)節(jié)脂質(zhì)代謝和腸道菌群等活性展開。由于現(xiàn)有技術(shù)很難從黃酒中提取到純度可觀的目標(biāo)多肽，因此，雖然黃酒多肽含量在同類釀造酒中最高，但其分離手段的開發(fā)與特性研究仍十分有限，許多肽的有益活性仍待發(fā)掘。

黃酒中氨基酸大致可分為蛋白質(zhì)類游離氨基酸和非蛋白質(zhì)類氨基酸。蛋白質(zhì)類游離氨基酸質(zhì)量濃度約為1 634～5 923 mg/L，是發(fā)酵過程中酵母的主要氮源，也是黃酒風(fēng)味物質(zhì)或風(fēng)味物質(zhì)的前體，其中丙氨酸、精氨酸、天冬氨酸、谷氨酸、甘氨酸、亮氨酸和脯氨酸為主要氨基酸。部分氨基酸還具有呈味功能，如苦味氨基酸和鮮味氨基酸?？辔栋被嶂饕涟彼?、異亮氨酸、纈氨酸、酪氨酸、色氨酸、苯丙氨酸、組氨酸和精氨酸，其中亮氨酸和組氨酸可能是紹興地區(qū)黃酒苦味的主要貢獻(xiàn)物質(zhì)之一，也有研究表明谷氨酸、精氨酸和賴氨酸在黃酒味感特征中起著重要作用。不同風(fēng)格黃酒苦味氨基酸比例存在較大差異，但總體上占總氨基酸的40%左右。谷氨酸是黃酒的主要鮮味氨基酸。此外，一種谷氨酸和葡萄糖的美拉德反應(yīng)中間體Fru-Glu也是黃酒中新發(fā)現(xiàn)的重要鮮味物質(zhì)，其鮮味強(qiáng)度可達(dá)谷氨酸的1.6 倍。目前，通過精細(xì)化調(diào)控氨基酸組成（如促進(jìn)鮮味氨基酸積累或抑制苦味氨基酸生成），已成為優(yōu)化黃酒滋味的手段之一。黃酒中還富含γ-氨基丁酸，質(zhì)量濃度約為27.42～70.51 mg/L，作為一種非蛋白質(zhì)類氨基酸，γ-氨基丁酸是動(dòng)物體內(nèi)一種重要的中樞神經(jīng)系統(tǒng)抑制性神經(jīng)遞質(zhì)，具有抗抑郁、抗腫瘤、恢復(fù)腦細(xì)胞功能、改善神經(jīng)機(jī)能、降血壓和抑制肥胖等功能。同時(shí)，黃酒在貯存過程中受環(huán)境影響會(huì)產(chǎn)生膠體渾濁蛋白，紹興黃酒膠體渾濁蛋白中谷氨酸含量最高，其次是脯氨酸和天冬氨酸。

黃酒在發(fā)酵過程中容易形成生物胺和EC。生物胺是一類具有生物活性的含氮低分子有機(jī)化合物，通過相應(yīng)氨基酸脫羧合成。適量生物胺有益于人體健康，但是過量攝入會(huì)引起頭痛、嘔吐、心悸、呼吸紊亂等嚴(yán)重危害。黃酒中生物胺質(zhì)量濃度約為2.56～260.00 mg/L，以腐胺、酪胺、尸胺和組胺為主，總體上高于白酒（0.220 1～13.027 0 mg/L）和葡萄酒（3.55～44.00 mg/L），但是目前我國酒類行業(yè)尚無生物胺限量的規(guī)定。EC是黃酒在發(fā)酵過程中由含氮化合物不完全代謝產(chǎn)生的氨甲?；衔铮ㄈ缒蛩睾凸习彼幔┡c乙醇反應(yīng)產(chǎn)生的，對人體具有潛在遺傳毒性和致癌性，可以采取多種控制策略減少EC的含量，包括酵母改造、工藝條件控制、使用脲酶和EC降解酶以及物理吸附等。

總之，黃酒中氮類化合物的種類非常豐富，它們在黃酒口感、風(fēng)味、酒體穩(wěn)定性、健康功效等方面發(fā)揮了重要作用。然而，目前研究熱點(diǎn)主要聚焦于肽類物質(zhì)的分離鑒定，對其他氮類化合物的認(rèn)識(shí)與發(fā)掘都很有限，需要進(jìn)一步提高功能探究的深度，拓展含氮類物質(zhì)認(rèn)知的廣度。

2.3 有機(jī)酸類

黃酒pH值約為3.5～4.8，有機(jī)酸種類豐富，質(zhì)量濃度約為6 300～12 300 mg/L，包括揮發(fā)性有機(jī)酸（如乙酸、丙酸、戊酸等）與非揮發(fā)性有機(jī)酸（如乳酸、蘋果酸、丁二酸、丙酮酸、草酸等）。這幾十種有機(jī)酸來源于微生物分泌和乙醇發(fā)酵過程，約70%的有機(jī)酸在初級(jí)發(fā)酵過程中產(chǎn)生，因此通過控制發(fā)酵條件能夠調(diào)節(jié)黃酒中有機(jī)酸含量。揮發(fā)性有機(jī)酸在一定程度上貢獻(xiàn)了香氣復(fù)雜度，非揮發(fā)性有機(jī)酸則決定了黃酒總體酸度和酒體酸堿穩(wěn)定性，并具有抑制雜菌生長的作用，同時(shí)酸也是醇酯的前體，為酒的呈香呈味做出了貢獻(xiàn)。乳酸是黃酒的主體有機(jī)酸，余松柏等采用HPLC法測定不同種類酒樣中的13 種有機(jī)酸含量，發(fā)現(xiàn)黃酒中乳酸含量遠(yuǎn)高于其他酒類，約為2 034.49～4 253.49 mg/L（表4）。此外，黃酒中還存在9.95～256.98 mg/L蘋果酸、4.39～33.16 mg/L檸檬酸和34.81～223.49 mg/L丁二酸。HPLC法還可以建立以黃酒中有機(jī)酸為指標(biāo)的指紋圖譜，結(jié)合化學(xué)計(jì)量學(xué)分析，建立黃酒的識(shí)別與質(zhì)量評價(jià)方法。應(yīng)用非靶向代謝組學(xué)的GC-MS法也可用于探究黃酒中有機(jī)酸的相對含量與組成差異。隨著代謝組學(xué)的應(yīng)用成熟，可為解決黃酒酸敗、監(jiān)測控制有機(jī)酸比例等問題提供幫助。

2.4 酚類

酚類物質(zhì)是指芳香烴苯環(huán)上的氫原子被羥基取代而成的化合物。黃酒酚類物質(zhì)主要包括酚酸類、黃酮類、單寧類、酚醛類等。部分酚類物質(zhì)（一般為一元酚）具有揮發(fā)性，如愈創(chuàng)木酚和4-乙基愈創(chuàng)木酚，是黃酒中的痕量揮發(fā)性物質(zhì)，以下主要圍繞非揮發(fā)性酚類物質(zhì)進(jìn)行總結(jié)。在較長的發(fā)酵周期中，麩皮中大量酚類物質(zhì)會(huì)溶于酒體，同時(shí)微生物代謝作用促進(jìn)了酚類物質(zhì)積累。除了受酚類物質(zhì)標(biāo)準(zhǔn)品種類的制約，不同測定方法也在很大程度上影響了酒中酚類物質(zhì)測定的準(zhǔn)確性。福林-酚比色法是多酚含量測定的基本方法，利用該法測得市售紅谷黃酒總多酚質(zhì)量濃度（以沒食子酸計(jì)）為137.37～308.14 mg/L，平均質(zhì)量濃度為211.76 mg/L。HPLC-MS法結(jié)合多酚物質(zhì)標(biāo)準(zhǔn)品可以分析黃酒中的多酚組分，利用該法檢測的客家黃酒中含有綠原酸、香豆酸、蕓香苷、阿魏酸、丁香酸。LC-MS/MS法結(jié)合外標(biāo)定量可以同時(shí)測定市售黃酒中20 種多酚，總量約為1.3～9.5 mg/L，以香草酸、丁香酸、對香豆酸、阿魏酸、牡荊素、蘆丁為主，但是這些結(jié)果遠(yuǎn)不能覆蓋黃酒中的多酚類物質(zhì)。廣泛靶向代謝組學(xué)方法覆蓋率高，可以最大程度上提供黃酒中酚類物質(zhì)信息，該方法從紹興黃酒中可鑒定出176 種酚酸和139 種黃酮類化合物，但是難以進(jìn)行準(zhǔn)確定量。

黃酒多酚對維持酒體的非生物穩(wěn)定性具有重要意義。一方面，多酚作為抗氧化劑能夠保護(hù)黃酒中部分成分不被氧化；另一方面，多酚和鐵離子對酒體的穩(wěn)定性有影響，而且敏感多酚和敏感蛋白的相互締合是造成黃酒非生物混濁的主要原因。更為關(guān)鍵的是，黃酒多酚由于其獨(dú)特的酚羥基結(jié)構(gòu)，能夠清除體內(nèi)活性氧和氧自由基，減少或抑制機(jī)體組織中氧化反應(yīng)過程，具有抗衰老、抗糖尿病、抗癌和預(yù)防心腦血管疾病等功能，成為黃酒抗氧化的核心功能因子。具體而言，黃酒多酚可以保護(hù)蛋白質(zhì)、脂質(zhì)和核酸等關(guān)鍵細(xì)胞成分免受氧化損傷，從而降低與氧化應(yīng)激相關(guān)疾病的發(fā)病率。此外，黃酒多酚能抑制同型半胱氨酸誘導(dǎo)的血管平滑肌細(xì)胞遷移和增殖，調(diào)節(jié)相關(guān)酶的表達(dá)平衡，減緩高脂飲食模型下的動(dòng)脈粥樣硬化斑塊形成。并且，黃酒多酚還可以抑制阿霉素誘導(dǎo)的大鼠心臟成纖維細(xì)胞的激活和心臟纖維化，從而減輕阿霉素的心臟毒性。進(jìn)一步研究發(fā)現(xiàn)，多酚與腸道菌群之間存在雙向相互作用：一方面，腸道菌群可以代謝酒中的多酚并釋放酚類代謝物；另一方面，酚類化合物對細(xì)菌活力有一定的影響，并與益生菌共同抑制病原體黏附在腸道細(xì)胞的能力，從而降低腸道病原菌的危害。

總之，黃酒多酚作為代表性功能成分發(fā)揮重要的健康功效，目前研究不僅受限于酚類物質(zhì)定性的覆蓋率和定量的準(zhǔn)確性，還受到糖、蛋白等組分締合的干擾，酚類物質(zhì)的提取分離仍有較大難度。圍繞以上問題進(jìn)行思考和突破，才能進(jìn)一步推動(dòng)黃酒酚類物質(zhì)的功效探究，拓寬健康黃酒的發(fā)展前景。

2.5 其他

黃酒中還存在一定含量的維生素、礦物質(zhì)、雜環(huán)類化合物、烯萜類化合物等其他成分。維生素主要來源于釀酒谷物原料和釀造階段酵母自溶，谷物原料為黃酒提供了豐富的B族維生素，包括0.49～0.69 mg/L的VB1、1.50～1.64 mg/L的VB2、0.83～0.86 mg/L的VB3、2.00～4.20 mg/L的VB6等。此外，黃酒中VC質(zhì)量濃度可達(dá)5.71～43.20 mg/L，但其會(huì)隨著貯藏時(shí)間的延長而下降。在紹興黃酒中還檢測出了64.56 mg/L的VB12和14.3 mg/L的VA及少量VD、VK、VE。B族維生素通常作為輔酶及輔酶因子在調(diào)節(jié)人體新陳代謝、增強(qiáng)免疫系統(tǒng)等方面發(fā)揮重要作用，VB6和VB12還具有降低血漿同型半胱氨酸、減輕大鼠動(dòng)脈粥樣硬化的效果。

黃酒中礦物質(zhì)種類同樣豐富，含有Ca、Mg、K、P、Fe、Cu、Zn、Se、Mn、Cr等30余種礦物元素，這些無機(jī)物以離子形式被人體吸收，并在生長發(fā)育和其他生命活動(dòng)中發(fā)揮重要作用（表5）。早期楊國軍等發(fā)現(xiàn)黃酒中K、Mg、Ca、Zn、Se含量豐富，它們是心血管系統(tǒng)的重要保護(hù)因子。錢俊青等發(fā)現(xiàn)Fe、Al、Mg、Ca、Cu元素在兩種黃酒析出物中的含量均較高，且Ca含量隨陳釀期的延長而升高。礦物質(zhì)含量受到釀酒原料、地域、水質(zhì)和貯存方式等的影響，駱?biāo)笺懙韧ㄟ^一種ICP-MS法測定不同產(chǎn)地的市售黃酒中無機(jī)元素含量，發(fā)現(xiàn)Al、Ca、Cu、Fe、Mn含量在不同黃酒中均存在顯著差異，其中Al含量差異可能與陶壇貯存條件有關(guān)。

黃酒中還有一定含量的雜環(huán)類化合物，包括內(nèi)酯類（如γ-內(nèi)酯）、吡嗪類（如四甲基吡嗪）、呋喃類（如5-甲基-2-糠醛）等，這些化合物含量雖低，但能賦予黃酒獨(dú)特的品質(zhì)和口感。例如，γ-內(nèi)酯具有椰香和果香，δ-內(nèi)酯具有奶油香和焦糖香，這些內(nèi)酯類化合物有助于豐富黃酒的香氣輪廓。而四甲基吡嗪作為活性生物堿成分，具有改善微循環(huán)和腦血流、抑制血小板聚集和血栓形成、保肝護(hù)肝、抗腫瘤等功效，古越龍山加飯酒中四甲基吡嗪質(zhì)量濃度為73～151 μg/L。此外，紹興黃酒中還檢測出了包括β-里那醇、異莰醇、β-香茅醇、橙花醇、β-環(huán)檸檬醛、銀線草內(nèi)酯醇、木香烴內(nèi)酯、異香附醇、β-桉葉醇、坡模酸等在內(nèi)的幾十種萜烯類化合物，許多萜烯類化合物具有抗菌、抗病毒、抗氧化、抗腫瘤、鎮(zhèn)痛等活性。

03

結(jié) 語

黃酒作為中國國酒，以“用曲制酒、雙邊發(fā)酵”的獨(dú)特釀造工藝形成了包括糖類、肽和氨基酸類、酚類、有機(jī)酸類等多種成分在內(nèi)的復(fù)雜基質(zhì)與體系。其中，NVCs賦予了黃酒獨(dú)特的滋味、營養(yǎng)價(jià)值及潛在健康功效，其多樣性和復(fù)雜性也是區(qū)別于其他酒類的關(guān)鍵特征。因此，深入解析黃酒NVCs的組成及功能特性，并以此設(shè)計(jì)工藝優(yōu)化或定向調(diào)控技術(shù)，是提升黃酒品質(zhì)及其健康價(jià)值的關(guān)鍵，對于推動(dòng)黃酒產(chǎn)業(yè)創(chuàng)新發(fā)展具有重要意義。代謝組學(xué)技術(shù)的引入和發(fā)展為黃酒NVCs分析提供了強(qiáng)大工具和數(shù)據(jù)基礎(chǔ)，通過靶向、非靶向和廣泛靶向代謝組學(xué)策略，可以更全面地鑒定和追蹤黃酒小分子代謝物和核心功能組分，深入理解其組成特征、變化規(guī)律、代謝機(jī)制和生物功能。此外，人工智能、大數(shù)據(jù)與多組學(xué)技術(shù)的融合進(jìn)一步實(shí)現(xiàn)了代謝標(biāo)志物的智能得選與機(jī)制預(yù)測，推動(dòng)了黃酒基礎(chǔ)理論的系統(tǒng)解析。

然而，目前研究仍存在諸多問題：技術(shù)層面受限于難分離或微量成分的準(zhǔn)確定量、組學(xué)檢測技術(shù)靈敏度和準(zhǔn)確性仍需平衡、未知代謝物解析不足等；功能機(jī)制方面缺乏對多組分協(xié)同效應(yīng)、體內(nèi)代謝路徑及分子靶點(diǎn)的系統(tǒng)性解析；還存在數(shù)據(jù)庫與標(biāo)準(zhǔn)化評價(jià)體系不足、成果產(chǎn)業(yè)化銜接尚不完善等問題。未來研究需以技術(shù)創(chuàng)新和跨學(xué)科融合為核心，以功能為導(dǎo)向挖掘黃酒活性成分的調(diào)控靶點(diǎn)，并推動(dòng)傳統(tǒng)釀造技藝的科學(xué)化轉(zhuǎn)型，構(gòu)建“成分-風(fēng)味-功效”三位一體的評價(jià)體系，以促進(jìn)黃酒從傳統(tǒng)釀造向精準(zhǔn)健康產(chǎn)業(yè)跨越，推動(dòng)黃酒產(chǎn)業(yè)的可持續(xù)發(fā)展。

第一作者：

趙詩睿，江南大學(xué)食品學(xué)院碩士研究生，研究方向?yàn)辄S酒組分及其功能。

通信作者：

毛健教授，江南大學(xué)食品學(xué)院教授，工學(xué)博士，博士生導(dǎo)師。中組部“國家高層次人才特殊支持計(jì)劃”領(lǐng)軍人才，科技部中青年科技創(chuàng)新領(lǐng)軍人才，中國酒業(yè)科技領(lǐng)軍人才，科技部傳統(tǒng)發(fā)酵食品首席科學(xué)家。享受國務(wù)院政府特殊津貼，江南大學(xué)“至善特聘教授”，江南大學(xué)傳統(tǒng)釀造食品研究中心主任，國家黃酒工程技術(shù)研究中心副主任，江南大學(xué)（紹興）產(chǎn)業(yè)技術(shù)研究院院長，海洋生物資源高值化利用與裝備開發(fā)廣東省工程研究中心主任。

毛健教授長期從事傳統(tǒng)釀造食品、功能食品及海洋食品的微生物、風(fēng)味、功能化和工程化研究，及其相關(guān)產(chǎn)品的深度開發(fā)與應(yīng)用。首次提出通過“酒體設(shè)計(jì)”及“微生物代謝”調(diào)控技術(shù)調(diào)控黃酒中易深醉物質(zhì)的含量，成功提高黃酒的飲用及飲后舒適度，并實(shí)現(xiàn)工業(yè)化應(yīng)用，在黃酒風(fēng)味研究、黃酒機(jī)械化新工藝體系重塑實(shí)踐上取得了突破性成果。以第一完成人獲得國家技術(shù)發(fā)明獎(jiǎng)二等獎(jiǎng)、中國專利銀獎(jiǎng)。主持完成國家863計(jì)劃、十三五國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目、十四五國家重點(diǎn)研發(fā)計(jì)劃、國家自然科學(xué)基金重點(diǎn)項(xiàng)目、面上項(xiàng)目等20余項(xiàng)。已發(fā)表學(xué)術(shù)論文260余篇，其中SCI論文100余篇。申請國家發(fā)明專利200余項(xiàng)，已授權(quán)100余項(xiàng)，其中授權(quán)國際發(fā)明專利6項(xiàng)。獲省部級(jí)以上科技獎(jiǎng)勵(lì)30余項(xiàng)，完成科技鑒定35 項(xiàng)。主編《黃酒釀造關(guān)鍵技術(shù)與工程應(yīng)用》、《國酒·黃酒》、《國酒·露酒》等著作，參編中國工程院院士孫寶國主編的《國酒》《Chinese National Alcohols》。團(tuán)隊(duì)與加州大學(xué)戴維斯分校（UC DAVIS）建有“江南大學(xué)-加州大學(xué)戴維斯分校發(fā)酵食品與飲品聯(lián)合研究中心”。

本文《基于代謝組學(xué)解析黃酒非揮發(fā)性成分的研究進(jìn)展》來源于《食品科學(xué)》2025年46卷第18期344-359頁，作者：趙詩睿，任青兮，周志磊，姬中偉，周建弟，徐岳正，毛健。DOI:10.7506/spkx1002-6630-20250214-050。點(diǎn)擊下方閱讀原文即可查看文章相關(guān)信息。

實(shí)習(xí)編輯：李雄；責(zé)任編輯：張睿梅。點(diǎn)擊下方閱讀原文即可查看全文。圖片來源于文章原文及攝圖網(wǎng)