風味是食物品質(zhì)的核心評價維度，不僅直接影響消費決策，更是食品工業(yè)中產(chǎn)品差異化競爭的關(guān)鍵要素。在未來食品設計開發(fā)中，風味創(chuàng)新已成為推動產(chǎn)品開發(fā)與消費升級的重要驅(qū)動力。近年來，隨著風味研究的不斷深入，人們對于風味的認知，尤其是風味感知機制的理解，正在發(fā)生深刻變化。傳統(tǒng)風味組學雖在關(guān)鍵風味物質(zhì)識別、感官相關(guān)性建立等方面取得了顯著進展，但隨著多學科交叉融合的發(fā)展，特別是群落代謝、生態(tài)位構(gòu)建等生態(tài)學概念的引入，原有的研究范式在解釋微生物群落、酶、生態(tài)環(huán)境因子等生態(tài)要素驅(qū)動的風味形成機制方面逐漸顯現(xiàn)出局限性，如Dugourd等提出的多組學空間因果導向搜索工具通過耦合信號通路、代謝物與蛋白活性提出潛在機制假設，但在模型可解釋性、生態(tài)適用性及生態(tài)位層級建模能力等方面仍面臨挑戰(zhàn)。此外，用于代謝分析的基因組規(guī)模代謝模型（GSMM）多應用單菌建模，忽略了群落代謝及微生物互作在風味形成中的協(xié)同作用；同時，其對穩(wěn)態(tài)環(huán)境的依賴也限制了其在動態(tài)、多變的真實食品體系中的適用性。在此背景下，越來越多研究者開始關(guān)注生態(tài)風味組學的研究視角，生態(tài)風味組學是整合系統(tǒng)生物學、環(huán)境生態(tài)學與食品風味化學理論的新興交叉研究視角，其核心目標是系統(tǒng)解析微生物群落、酶系及生態(tài)環(huán)境因子等生態(tài)要素驅(qū)動的食品風味形成過程，從宏觀和微觀尺度揭示生物介導的食品風味物質(zhì)形成的生態(tài)學本質(zhì)（圖1）。

生態(tài)風味組學提供了一種全新的研究視角，北京工商大學食品與健康學院的王啟昊、劉子豪和曾黌*等人系統(tǒng)梳理了近年來生態(tài)風味組學在微觀和宏觀層面的研究進展，旨在揭示食品風味形成背后的生物和生態(tài)學本質(zhì)及其多層級、多尺度調(diào)控機制，為未來食品風味精準調(diào)控提供理論依據(jù)，同時也為未來食品風味創(chuàng)新創(chuàng)制提供方法學參考。

01

微觀生態(tài)風味組學

1.1 微觀生態(tài)風味組學的研究進展

微生物（群落）通過代謝食品中的碳水化合物、蛋白質(zhì)和脂肪生成各種小分子風味物質(zhì)塑造發(fā)酵食品的獨特風味。大多數(shù)特征風味化合物源于微生物、底物和環(huán)境之間的相互作用。因此，解析發(fā)酵食品中優(yōu)勢微生物與風味物質(zhì)的代謝途徑和調(diào)控方法是微觀生態(tài)風味組學的研究核心。近年來，已有大量研究聚焦于微生物群落在發(fā)酵食品風味形成中的具體作用機制，嘗試從群落結(jié)構(gòu)、動態(tài)演替與代謝特征等多個角度進行解析。Unno等采用代謝組學、宏基因組學與風味組學聯(lián)合分析結(jié)合主成分分析（PCA）、Spearman相關(guān)性分析等方法，探究了軟質(zhì)成熟奶酪中微生物群落與風味代謝物的對應關(guān)系。研究表明，布里奶酪中青霉菌、克魯維酵母菌和假絲酵母菌主導仲醇和酮類物質(zhì)的生成；在細菌涂抹成熟的奶酪中，德巴利酵母成為真菌優(yōu)勢種，其代謝活動與有機酸及吡嗪類化合物相關(guān)；海洋細菌則與酯類和吡嗪類風味物質(zhì)呈正相關(guān)。Zhang Xin等通過代謝組學、16S rRNA測序及風味組學技術(shù)，結(jié)合偏最小二乘判別分析（PLS-DA）、方差分析（ANOVA）、雙向?qū)哟尉垲惙治觯℉CA）和拓撲分析等方法，系統(tǒng)研究了內(nèi)蒙古手工奶酪中風味物質(zhì)與菌落演替的動態(tài)關(guān)系。研究識別出37 種與風味變化相關(guān)的差異代謝物和6 條潛在關(guān)鍵代謝通路，揭示了9 個核心菌屬在發(fā)酵不同階段的功能作用，并明確了其與特定風味物質(zhì)的時空關(guān)聯(lián)性。在發(fā)酵乳研究中，Gu Yuxiang等利用發(fā)酵表型分析、代謝組學及風味組學，結(jié)合ANOVA、PCA、正交偏最小二乘判別分析（OPLS-DA）等方法評估了副干酪乳桿菌IMC502與傳統(tǒng)發(fā)酵劑共培養(yǎng)對酸奶代謝物的調(diào)控作用。結(jié)果顯示，該共培養(yǎng)體系可顯著影響保加利亞乳桿菌的生長狀態(tài)，調(diào)節(jié)丙酮、丁酸等關(guān)鍵風味化合物的生成；與單菌體系相比，共培養(yǎng)體系共檢測到94 種差異代謝物，主要涉及氨基酸和核苷酸代謝通路，顯示出提升風味復雜性的潛力。在發(fā)酵肉制品中，細菌、酵母和霉菌可通過不同的代謝途徑共同塑造肉制品的風味。Deng Jieying等通過感官評價、16S rRNA測序、代謝組學與風味組學數(shù)據(jù)結(jié)合PCA、正態(tài)性分析及Pearson相關(guān)分析，發(fā)現(xiàn)金華火腿后熟過程中酵母菌、曲霉菌和葡萄球菌與壬醛、己醛等特征風味物質(zhì)生成呈正相關(guān)關(guān)系。Han Jiarun等利用轉(zhuǎn)錄間隔區(qū)序列（ITS）、16S rRNA測序及風味組學結(jié)合ANOVA和PLS-DA方法，解析了銀鯧和小黃魚自然發(fā)酵魚露的微生物演替與風味物質(zhì)關(guān)聯(lián)，識別出4 種核心優(yōu)勢菌屬及7 種主要揮發(fā)性風味化合物，證實丁醛、三乙胺與四聯(lián)球菌、鏈球菌的相關(guān)性，2-甲基丁醛、3-甲基丁醛與四聯(lián)球菌的關(guān)聯(lián)性以及2-丙硫醇與嗜冷桿菌屬、迷走球菌屬和乳酸桿菌屬的代謝聯(lián)系，為魚露風味的微生物調(diào)控提供了生態(tài)學依據(jù)。上述研究集中于多組學融合策略，通過代謝組學、風味組學和宏基因組學等手段結(jié)合感官數(shù)據(jù)，解析優(yōu)勢微生物與特征風味物質(zhì)之間的關(guān)系。盡管當前研究進展顯著，但研究對象仍集中于單一或少數(shù)幾類發(fā)酵食品，整體存在研究體系分散、缺乏橫向?qū)Ρ扰c通用性理論框架的問題。此外，大多數(shù)研究方法側(cè)重于靜態(tài)時間點的數(shù)據(jù)采集，尚未系統(tǒng)構(gòu)建風味形成的高精度動態(tài)演替模型，對多種生態(tài)因子與微生物群落間復雜交互作用的解析仍相對有限。因此，亟需拓展研究體系的生態(tài)廣度與多樣性，推動發(fā)酵食品間的共性機制識別，并探索可遷移、可泛化的生態(tài)風味組學分析路徑。表1匯總了近15 a來微觀生態(tài)風味組學的典型研究案例。

1.2微觀生態(tài)風味組學未來的發(fā)展方向

盡管現(xiàn)有研究已初步揭示了微生物群落與發(fā)酵食品風味形成的關(guān)聯(lián)性，但當前的研究范式仍以相關(guān)性分析為主，缺乏對底層風味物質(zhì)代謝機制的闡釋，尤其對于風味合成的關(guān)鍵代謝節(jié)點、風味酶系的調(diào)控機制等層面鮮有深入討論。近年來，部分研究嘗試將宏基因組學與代謝建模技術(shù)相結(jié)合探索微生物的風味物質(zhì)代謝通路，為揭示微生物介導的風味形成機制提供了新的研究思路。Melkonian等基于宏基因組數(shù)據(jù)和GSMM，揭示了嗜熱鏈球菌在切達奶酪中通過纈氨酸等氨基酸交叉喂養(yǎng)機制，作為關(guān)鍵氮源供體維持乳球菌群落穩(wěn)定性的功能，解析了微生物互作的驅(qū)動風味物質(zhì)生成的代謝機制。Wang Yadong等基于釀酒酵母和乳酸乳球菌乳酸亞種的GSMM，構(gòu)建了紅曲霉奶酪中關(guān)鍵香味化合物的代謝網(wǎng)絡，闡明了多菌協(xié)同代謝下的風味形成的核心路徑，揭示了脂肪酸降解、氨基酸轉(zhuǎn)化等關(guān)鍵代謝模塊在風味物質(zhì)生成中的協(xié)同效應。該研究不僅展示了基于GSMM生態(tài)風味組學中實現(xiàn)多菌協(xié)同調(diào)控、精準預測風味產(chǎn)物構(gòu)建微生物互作網(wǎng)絡的可行性，也為未來微觀提供了理論基礎與建模范式。盡管如此，當前研究主要聚焦于代謝網(wǎng)絡的宏觀構(gòu)建，尚缺乏對代謝通路中關(guān)鍵風味形成節(jié)點及其調(diào)控機制的深入研究。為進一步實現(xiàn)菌群風味物質(zhì)代謝的精準調(diào)控與食品風味創(chuàng)新，本研究認為風味酶系的系統(tǒng)挖掘與功能解析是微觀生態(tài)風味組學未來的研究熱點。風味酶系包括醛酶、酯酶、脫羧酶、萜烯合酶等，作為催化風味前體轉(zhuǎn)化、風味活性物質(zhì)合成及風味釋放的核心功能元件，廣泛參與芳香族氨基酸代謝、脂肪酸降解、硫代謝等與食品風味密切相關(guān)的代謝通路。風味酶系不僅決定了風味化合物的代謝方向和生成速率，還可能作為關(guān)鍵調(diào)控節(jié)點用于微生物工程化改造與風味物質(zhì)合成定向優(yōu)化。目前，已有部分研究從關(guān)鍵風味化合物出發(fā)，探究其合成過程中的核心酶系及其功能機制。Ott等通過 13 C同 位素標記法和氣相色譜-質(zhì)譜聯(lián)用分析，系統(tǒng)解析了發(fā)酵乳制品中乙醛的代謝路徑及其酶學基礎。結(jié)果表明，兩種菌株主要通過葡萄糖降解產(chǎn)生乙醛；同時，蘇氨酸醛縮酶可將蘇氨酸裂解為乙醛和甘氨酸，表明氨基酸代謝亦在風味物質(zhì)合成中發(fā)揮關(guān)鍵作用。這進一步驗證了乳酸菌風味代謝中糖酵解與氨基酸降解通路之間的互補關(guān)系。該研究為風味酶系的功能解析與驗證提供了技術(shù)示范，也為乳制品中關(guān)鍵風味物質(zhì)的代謝調(diào)控提供了理論依據(jù)。進一步地，Zhang Linli等通過結(jié)合宏基因組功能注釋、代謝通路重構(gòu)與關(guān)鍵酶分布分析的方法，系統(tǒng)研究了醬油發(fā)酵過程中參與特征風味物質(zhì)合成的功能酶體系。研究發(fā)現(xiàn)，多個核心代謝節(jié)點上的關(guān)鍵酶，如乳酸脫氫酶、酚酸脫羧酶、三?；视椭久?、乙醇脫氫酶等在不同階段在不同發(fā)酵階段由不同菌屬主導表達，顯著影響了乳酸、苯乙醛和乙酸乙酯等典型風味化合物的生成。該研究明確了關(guān)鍵酶在代謝通路中的主導地位，凸顯了以功能導向為核心的發(fā)酵劑菌株篩選策略的重要性。此外，Yu Jianming等基于結(jié)構(gòu)預測、分子對接與定向誘變手段，對二氯甲烷脫鹵酶進行理性改造，顯著提升了其催化效率，盡管該策略尚少應用于風味相關(guān)酶，但其在提升酶功能、解析結(jié)構(gòu)-功能關(guān)系等方面展現(xiàn)出顯著潛力。未來該類方法可拓展用于多樣性風味產(chǎn)物的合成與風味酶工程的精準調(diào)控。上述案例共同構(gòu)建了“同位素標記-代謝通路解析-功能驗證-產(chǎn)香優(yōu)化”的技術(shù)路徑，為風味酶系的系統(tǒng)挖掘與功能研究提供了范式模板。深入解析其在風味物質(zhì)代謝網(wǎng)絡中的作用，是推動微觀生態(tài)風味組學從“相關(guān)性描述”邁向“機制驅(qū)動”的關(guān)鍵突破點。風味酶系的系統(tǒng)解析將為發(fā)酵食品風味精準調(diào)控、微生物群落工程化改造及未來食品風味創(chuàng)新提供核心技術(shù)支撐。

02

宏觀生態(tài)風味組學

2.1 宏觀生態(tài)風味組學的研究進展

生態(tài)環(huán)境因子通過調(diào)控動、植物代謝活動，可顯著影響其代謝產(chǎn)物的合成路徑與積累水平。動、植物代謝產(chǎn)物作為風味特征形成的物質(zhì)基礎，直接參與農(nóng)產(chǎn)品的味覺與嗅覺感知過程。因此，探究不同生態(tài)環(huán)境因子對農(nóng)產(chǎn)品風味形成影響是宏觀生態(tài)風味組學的主要研究內(nèi)容，系統(tǒng)探明生態(tài)環(huán)境因子對農(nóng)產(chǎn)品風味形成的影響機制是宏觀生態(tài)風味組學的核心科學問題。目前，相關(guān)研究已初步揭示多種生態(tài)環(huán)境變量與植物風味特征之間的關(guān)聯(lián)，為解析風味表型的生態(tài)驅(qū)動機制提供了理論基礎。L?derach等使用熱帶農(nóng)作物生態(tài)位選擇（CaNaSTA）工具、地理加權(quán)回歸（GWR）以及感官評價方法，研究了中南美洲阿拉比卡咖啡的風味品質(zhì)與生態(tài)環(huán)境因子的空間異質(zhì)性關(guān)聯(lián)。結(jié)果表明，平均干旱月份數(shù)與年均晝夜溫差是影響咖啡風味的關(guān)鍵生態(tài)環(huán)境因子，且其影響效應具有顯著的地理空間依賴性。Zhang Panzhen等基于15 a葡萄園日太陽照射量、作物蒸散量、灌溉量及逐半小時氣溫模擬值等氣象數(shù)據(jù)結(jié)合葡萄及葡萄酒的風味組學分析，構(gòu)建了生態(tài)環(huán)境因子與莎草薁酮濃度的動態(tài)關(guān)聯(lián)模型。研究發(fā)現(xiàn)，轉(zhuǎn)色期至采收期的氣溫與莎草薁酮積累量呈顯著負相關(guān)，由此建立的數(shù)學模型可基于季節(jié)性氣候參數(shù)預測葡萄酒中“胡椒風味”化合物的終濃度，為特色風味產(chǎn)品的精細化釀造提供了量化依據(jù)。王佳等對不同溫度條件下養(yǎng)殖的下紅鰭東方鲀肝臟代謝特征進行了分析，結(jié)果顯示甘油磷脂代謝、蛋白質(zhì)消化吸收、α-亞麻酸代謝及亞油酸代謝等代謝通路中關(guān)鍵代謝物含量存在顯著差異，表明水溫變化影響水產(chǎn)品脂質(zhì)與風味物質(zhì)的代謝積累過程。Baik等通過整合溫度、濕度與風速等氣象因子數(shù)據(jù)，研究了環(huán)境變化對韓牛肉品質(zhì)的影響，結(jié)果發(fā)現(xiàn)寒冷氣候會導致牛肉品質(zhì)顯著下降。表2匯總了近年來宏觀生態(tài)風味組學代表性研究案例，這些研究涵蓋了茶葉、咖啡、葡萄等植物性農(nóng)產(chǎn)品，以及魚類、牛等動物性農(nóng)產(chǎn)品，系統(tǒng)探討了氣候、土壤、區(qū)位差異等生態(tài)環(huán)境因子對風味物質(zhì)形成與積累的影響，初步揭示了風味表型的生態(tài)驅(qū)動機制，為建立氣候-代謝-風味的關(guān)聯(lián)和預測模型提供了重要數(shù)據(jù)支撐，也為區(qū)域特色農(nóng)產(chǎn)品風味研究提供了新思路。

2.2宏觀生態(tài)風味組學未來的研究方向

盡管現(xiàn)有研究初步揭示了農(nóng)產(chǎn)品風味形成的生態(tài)學機制，但全球氣候變化正持續(xù)對作物的生長發(fā)育與產(chǎn)量持續(xù)構(gòu)成威脅。此外，隨著城市化進程加速，風味品質(zhì)的穩(wěn)定性與可控性正面臨前所未有的挑戰(zhàn)。在這一背景下，宏觀生態(tài)風味組學既為解析環(huán)境因子對農(nóng)產(chǎn)品風味形成的機制提供了理論基礎，也為“風味導向”的農(nóng)業(yè)系統(tǒng)設計提供了實踐參考。近年來，精準農(nóng)業(yè)模式正逐漸展現(xiàn)其優(yōu)勢，其中代表性的垂直農(nóng)業(yè)為農(nóng)產(chǎn)品風味的穩(wěn)定與提升提供了新的可能。該模式可通過精確控制光照、溫度、濕度、二氧化碳、水分和營養(yǎng)，在不依賴自然氣候的前提下保障種植類農(nóng)產(chǎn)品質(zhì)量與一致性。該方法在水產(chǎn)養(yǎng)殖領(lǐng)域同樣展現(xiàn)出應用潛力。Saengsuk等在羅氏沼蝦垂直養(yǎng)殖系統(tǒng)中觀察到，自溶速率的降低改善了質(zhì)構(gòu)表現(xiàn)，提示環(huán)境的可控性可反饋調(diào)節(jié)產(chǎn)品的風味特性。這一發(fā)現(xiàn)驗證了垂直農(nóng)業(yè)在風味組學研究中具備兩項突出優(yōu)勢：一是生長環(huán)境的穩(wěn)定性有助于隔離單一生態(tài)因子的風味效應，為構(gòu)建風味形成的機制模型提供基礎數(shù)據(jù)；二是其對生態(tài)因子的精細調(diào)控能力可作為風味表型調(diào)控的實驗平臺，助力實現(xiàn)風味設計的農(nóng)業(yè)系統(tǒng)轉(zhuǎn)型。未來可進一步聚焦上述所示關(guān)鍵環(huán)境因子的定向調(diào)控，結(jié)合宏觀生態(tài)風味組學構(gòu)建“環(huán)境因子-代謝通路-風味表型”的整合模型，實現(xiàn)農(nóng)產(chǎn)品風味的精準預測與機制驅(qū)動的干預優(yōu)化，為智能化、風味導向型農(nóng)業(yè)發(fā)展提供理論支撐與技術(shù)路徑。

03

生態(tài)風味組學在食品風味研究中的挑戰(zhàn)

3.1 微生物群落風味物質(zhì)代謝機制的復雜性

發(fā)酵食品中的微生物通過共生、偏利、競爭等相互作用關(guān)系形成動態(tài)演替的群落結(jié)構(gòu)，進而影響風味物質(zhì)的合成與積累。然而，微生物分子層面的互作機制及群落重塑過程尚未得到系統(tǒng)性闡釋。與此同時，微生物群落的代謝途徑網(wǎng)絡復雜多樣，氨基酸代謝、脂肪酸代謝、碳水化合物代謝等各通路交叉互作，共同塑造成發(fā)酵食品獨特的風味，識別和解析微生物群落互作網(wǎng)絡與代謝通路的耦合機制仍需在后續(xù)的微觀生態(tài)風味組學深入探索。此外，發(fā)酵食品中普遍存在的交叉喂養(yǎng)現(xiàn)象進一步增加了群落代謝的復雜性。交叉喂養(yǎng)是微生物間交換代謝物的重要模式，主要表現(xiàn)為不同物種或菌株的微生物之間通過共享能量和營養(yǎng)物實現(xiàn)協(xié)同共存。當所有菌株都能從中受益時，這種現(xiàn)象就被稱為功能專業(yè)化或分工。因此，在復雜的微生物群系中通常存在著不同功能定位的菌株。基于此，在微觀生態(tài)風味組學研究的背景下，可將微生物群落分為基石功能群和風味功能群。前者指的是維持微生物群落穩(wěn)定性、資源初級降解、pH值調(diào)控等方面具有核心作用的類群，通常包括部分乳酸菌、酵母或霉菌中的主導種群；而后者則特指那些在風味前體代謝或風味化合物合成過程中發(fā)揮直接作用的功能性微生物。然而，目前對上述功能群體的系統(tǒng)識別仍面臨挑戰(zhàn)。在經(jīng)典生態(tài)學理論中，微生物群落的形成受擴散、選擇、多樣化和漂移等生態(tài)和進化過程的共同驅(qū)動，最終塑造出復雜的種類組成與功能結(jié)構(gòu)。盡管現(xiàn)有技術(shù)已能對微生物生物量與多樣性進行高通量檢測，但針對基石功能群與風味功能群的精準識別仍缺乏分子層面的功能注釋工具，導致發(fā)酵食品體系中微生物多樣性與風味功能多樣性的關(guān)聯(lián)研究值得進一步挖掘。

在這一背景下，系統(tǒng)生物學作為微生物群落代謝機制的解析的潛在工具，有望在研究思路層面為現(xiàn)有研究體系提供補充，尤其在菌群功能識別與代謝機制建模方面展現(xiàn)出獨特優(yōu)勢。圍繞微生物群落風味物質(zhì)代謝機制解析，代謝流通量平衡分析（FBA）和GSMM等系統(tǒng)生物學研究方法引入，為多尺度解析食品體系微生物群落互作機制、風味物質(zhì)代謝流和風味物質(zhì)代謝網(wǎng)絡等方面展現(xiàn)出重要應用潛力。相較于傳統(tǒng)代謝組學僅提供的代謝圖譜，F(xiàn)BA技術(shù)結(jié)合常微分方程組可動態(tài)模擬微生物在特定環(huán)境下的代謝行為和代謝流分布，更真實地反映風味物質(zhì)合成的動態(tài)過程。FBA基于代謝化學計量矩陣，引入質(zhì)量守恒、能量守恒等約束與目標函數(shù)，在代謝穩(wěn)態(tài)假設下求解網(wǎng)絡中各代謝反應的通量值。該方法常與GSMM協(xié)同，適用于大規(guī)?；蚪M水平的微生物代謝模擬，已在提高蛋白質(zhì)產(chǎn)量、計算乳酸菌代謝流等研究中得到應用。然而，當前研究主要聚焦于單菌株水平的GSMM構(gòu)建，缺乏群落水平的系統(tǒng)建模。近年來，微生物群落宏基因組規(guī)模代謝建模逐漸興起，旨在揭示發(fā)酵體系中微生物的資源分配與相互作用機制。Qiu Sizhe等構(gòu)建了酸奶發(fā)酵劑群落的宏GSMM，動態(tài)模擬了嗜熱鏈球菌與保加利亞乳桿菌的交叉喂養(yǎng)行為，揭示了二者在維持群落穩(wěn)定性及風味物質(zhì)合成中的協(xié)同作用，明確了如乙酸等風味物質(zhì)的合成代謝途徑依賴丙酮酸甲酸裂解酶的調(diào)控。未來，微生物群落宏基因組代謝建模有望成為微觀生態(tài)風味組學的研究技術(shù)之一，為解析微生物群落相互作用、群落風味物質(zhì)代謝網(wǎng)絡以及風味物質(zhì)代謝精準調(diào)控提供技術(shù)支持，推動發(fā)酵食品的風味穩(wěn)定保持與定向設計。

3.2 風味分子結(jié)構(gòu)-風味表型關(guān)聯(lián)的模糊性

風味物質(zhì)具有相對分子質(zhì)量小、揮發(fā)性強、成分復雜、含量少且穩(wěn)定性差等特性。除自身的復雜性外，風味物質(zhì)在食品基質(zhì)中常通過疏水作用、靜電作用、氫鍵及共價鍵等物理化學機制與蛋白質(zhì)、脂肪、碳水化合物等成分發(fā)生可逆或不可逆的相互作用，進而影響其釋放行為和擴散速率，最終改變風味感知過程與整體風味輪廓。盡管風味分子的化學結(jié)構(gòu)與感官效應之間存在潛在關(guān)聯(lián)，但目前這一關(guān)系尚未被系統(tǒng)揭示，尤其在關(guān)鍵官能團如何影響特定風味感知屬性方面仍缺乏深入解析。其中，立體異構(gòu)可通過影響風味化合物的氣味閾值、感官特性及其與嗅覺受體的對映選擇性識別，在關(guān)鍵結(jié)構(gòu)位點誘導顯著的風味差異，然而，目前對于其作用機制及量化特征的解析仍較為有限，亟需深入研究。此外，風味物質(zhì)之間普遍存在協(xié)同或拮抗作用，感知強度對濃度變化的非線性響應進一步增加了風味感知建模的復雜性。因此，構(gòu)建風味分子結(jié)構(gòu)特征與風味感知的精準映射模型成味當前微觀生態(tài)風味組學面臨的另一大挑戰(zhàn)。

在這一背景下，機器學習（ML）與人工智能（AI）等先進數(shù)據(jù)分析工具，正為風味解析與預測提供重要技術(shù)支撐。作為AI的核心分支，ML通過對海量數(shù)據(jù)的學習，實現(xiàn)分類、聚類、回歸及模式識別等任務，并持續(xù)優(yōu)化模型性能以提升對未知數(shù)據(jù)預測精度。深度學習（DL）作為ML的前沿方向，依托神經(jīng)網(wǎng)絡架構(gòu)，能夠自動從復雜數(shù)據(jù)中提取高層次特征，尤其適用于解析風味物質(zhì)間的復雜的非線性關(guān)系。相較于傳統(tǒng)ML方法，深度神經(jīng)網(wǎng)絡在處理食品風味等高維異質(zhì)性數(shù)據(jù)時具有更強的表達能力和泛化性能，旨在賦予機器自主識別文本、圖像、聲音等多模態(tài)數(shù)據(jù)的能力，從而實現(xiàn)類人化的學習與分析。在風味研究領(lǐng)域，Lee等基于圖神經(jīng)網(wǎng)絡開發(fā)了一種主氣味圖（POM），首次實現(xiàn)了風味分子化學結(jié)構(gòu)與氣味感知維度的精準映射關(guān)系。相較于既往模型，POM不僅能準確預測氣味強度與感知相似性，且在無需微調(diào)的情況下表現(xiàn)出卓越的嗅覺預測能力。在此基礎上，智慧風味設計技術(shù)正推動風味研究實現(xiàn)從分析與預測到“定向設計”的跨越。Schreurs等通過梯度提升回歸器算法識別出啤酒中關(guān)鍵風味化合物，并可通過模型定向設計和調(diào)控啤酒中的風味物質(zhì)含量，顯著提升啤酒感官特性和消費者接受度，為未來食品風味的個性化開發(fā)提供了創(chuàng)新技術(shù)路徑。由此可見，從圖神經(jīng)網(wǎng)絡的結(jié)構(gòu)-風味預測到食品風味的智慧、定向設計，數(shù)據(jù)驅(qū)動的風味建模方法正在不斷豐富食品風味科學的研究工具，推動食品工業(yè)邁向結(jié)構(gòu)-風味表型關(guān)系精準建模與風味智能化創(chuàng)制的新階段。

3.3 食品風味感官評價方法的局限性

感官評價在食品的設計與開發(fā)中發(fā)揮關(guān)鍵作用，典型代表如杯測技術(shù)已廣泛應用于咖啡、茶葉、葡萄酒等農(nóng)產(chǎn)品風味標準化評估。經(jīng)過專業(yè)訓練的杯測師能夠敏銳捕捉產(chǎn)品在香氣輪廓、滋味層次及口感質(zhì)地等維度的細微差異。然而，傳統(tǒng)感官評價存在諸多局限，例如，受試者的生理和心理偏差易影響評測結(jié)果；同化效應或?qū)Ρ刃獣е庐a(chǎn)品感知差異的放大或縮小，從而增加評價的主觀性與不確定性；感官評價高度依賴經(jīng)驗豐富的評測小組，其訓練周期長、成本高、重復性差，難以滿足大規(guī)模產(chǎn)品篩選與快速風味評測的實際需求。此外，感官知覺是多維的，涵蓋香氣、味道和質(zhì)地感知，這些跨模態(tài)的信息會進一步影響感官評價結(jié)果的穩(wěn)定性和可重復性。

為應對上述挑戰(zhàn)，近年來發(fā)展出智慧感官儀器集成了人工感知技術(shù)與AI結(jié)合的傳感系統(tǒng)通過采集多通道傳感信號并結(jié)合ML模型進行數(shù)據(jù)解析與優(yōu)化反饋，實現(xiàn)對目標變量的高效感知、判別與預測。其核心特征包括：1）多通道感知與信號復用；2）學習模型驅(qū)動的感知結(jié)果預測；3）基于成本函數(shù)的模型評估與性能反饋；4）感知器結(jié)構(gòu)的自適應優(yōu)化與更新。這類儀器已廣泛用于食品領(lǐng)域，具備高通量、可重構(gòu)和低人為干預等優(yōu)勢，為傳統(tǒng)感官評價提供有力補充。在該系統(tǒng)中，人工感知技術(shù)發(fā)揮了關(guān)鍵作用，其通過模擬人類的視覺、嗅覺、味覺、聽覺和觸覺5 種感官功能，實現(xiàn)虛擬世界與現(xiàn)實世界之間的數(shù)據(jù)交互，并對外界刺激作出智能反饋，在一定程度上克服了傳統(tǒng)感官分析的主觀性短板。Liu Kaihao等比較了感官評價與電子鼻、電子舌在冷泡咖啡風味判別中的表現(xiàn)，結(jié)果顯示感官評價在6 項風味指標中有4 項未能識別樣品間顯著差異，而電子系統(tǒng)可捕捉到微小風味變化，提示人工感知在風味識別靈敏度方面具有人類感官難以企及的優(yōu)勢AI在該系統(tǒng)中同樣發(fā)揮了關(guān)鍵作用，實現(xiàn)了人工感知技術(shù)到智慧感官儀器的跨越。一方面，AI通過模擬人類的感知機制處理復雜感官任務，可增強系統(tǒng)對動態(tài)環(huán)境下多維信號的理解與響應能力。Jung等基于用戶感官評論與電子舌系統(tǒng)對6 種葡萄酒進行味覺特征對比，結(jié)果顯示電子舌可識別出與用戶評價一致的酸度和甜度趨勢，盡管在澀味與個別樣品的酸味感知上存在細微偏差；進一步結(jié)合深度神經(jīng)網(wǎng)絡模型，實現(xiàn)了對多種葡萄酒準確率達90.91%的高精度分類。AI輔助的感官系統(tǒng)在實現(xiàn)復雜風味表型高通量識別與個性化應用場景中具有廣闊前景。Gonzalez Viejo等開發(fā)電子鼻結(jié)合人工神經(jīng)網(wǎng)絡模型，可準確預測啤酒10 項感官描述符評分，其相關(guān)系數(shù)（r）＝0.93，表現(xiàn)出對風味化合物含量與感官特征的雙重感知能力，展現(xiàn)了AI驅(qū)動的人工感知系統(tǒng)在風味質(zhì)量快速評估中的實際應用潛力。另一方面，AI可有效增強人工感知技術(shù)對特定刺激的靈敏性和抗干擾能力。Cho等構(gòu)建的深度神經(jīng)網(wǎng)絡系統(tǒng)可在氣體濃度低于常規(guī)檢測限的條件下識別氫氣信號，并在多種金屬傳感器中實現(xiàn)高達84%的識別準確率，顯著優(yōu)于傳統(tǒng)方法在低濃度下接近隨機水約50%識別準確率的表現(xiàn)，展示了AI模型在識別風味微小區(qū)別方面的獨特優(yōu)勢。Leong等則構(gòu)建了ML驅(qū)動的多受體表面增強拉曼散射品嘗器，整合不同受體的振動光譜數(shù)據(jù)并結(jié)合支持向量機判別分析，實現(xiàn)了對5 種葡萄酒風味分子的定量識別準確率高達100%，而傳統(tǒng)單受體方法準確率不足33%，顯著提高了復雜基質(zhì)中微量風味物質(zhì)的分辨能力。此外，人工感知技術(shù)正與AI算法深度融合，催生出多模態(tài)與跨模態(tài)的仿神經(jīng)系統(tǒng)感知平臺。此類仿生神經(jīng)系統(tǒng)通常由集成人工突觸的仿生受體構(gòu)成，可感知壓力、聲音、光、熱等多維刺激并將其轉(zhuǎn)化為電信號，通過類神經(jīng)傳導機制觸發(fā)中樞響應。多模態(tài)感知不僅有助于AI模擬人腦的學習和記憶過程，深化對風味感知神經(jīng)機制的解析，還可通過跨物理/化學信號關(guān)聯(lián)間接預測食品風味屬性。因此，具備多模態(tài)與跨模態(tài)感知能力的仿生神經(jīng)系統(tǒng)有望推動當前目前智慧感官儀器向智能感官系統(tǒng)演化，實現(xiàn)風味信息的高維感知、智能解析與類腦響應，為未來食品風味個性化識別與高通量篩選提供有力支撐。

3.4 生態(tài)環(huán)境數(shù)據(jù)與風味數(shù)據(jù)的異質(zhì)性

GIS作為生態(tài)環(huán)境監(jiān)測的核心技術(shù)，已被廣泛應用于繪制高時空分辨率作物類型圖、追蹤田間尺度物候變化以及預測氣候與生態(tài)系統(tǒng)變化對農(nóng)業(yè)生產(chǎn)的復雜影響。然而，生態(tài)環(huán)境數(shù)據(jù)普遍存在時空分布不均、時間序列不連續(xù)及季節(jié)性數(shù)據(jù)缺失等問題。此外，機載與星載傳感器的大規(guī)模應用催生了海量遙感數(shù)據(jù)，如何高效整合生態(tài)維度信息與農(nóng)產(chǎn)品食品群系的風味感官表型數(shù)據(jù)，成為當前研究亟需突破的技術(shù)瓶頸。此外，現(xiàn)有基于GIS的農(nóng)業(yè)區(qū)位選擇工具多以產(chǎn)量、抗逆性等為核心響應指標，缺乏以風味表型優(yōu)化為目標的區(qū)位優(yōu)化模型。因此，宏觀生態(tài)風味組學面臨的關(guān)鍵挑戰(zhàn)在于構(gòu)建遙感影像、氣象參數(shù)等生態(tài)環(huán)境數(shù)據(jù)與風味感官數(shù)據(jù)的跨模態(tài)關(guān)聯(lián)機制，開發(fā)基于風味為導向的地理區(qū)位選擇模型，為高品質(zhì)農(nóng)產(chǎn)品的地域精準生產(chǎn)與可持續(xù)供應提供理論支撐與技術(shù)路徑。

數(shù)據(jù)融合與AI作為數(shù)據(jù)分析的重要手段，在解析生態(tài)環(huán)境數(shù)據(jù)與風味數(shù)據(jù)多層次、多模態(tài)復雜特性方面展現(xiàn)出一定潛力。多模態(tài)數(shù)據(jù)融合策略是指從多個異質(zhì)數(shù)據(jù)源中提取互補信息，并將其整合至統(tǒng)一的數(shù)據(jù)框架中，從而提高數(shù)據(jù)的利用效率與預測建模的準確性。以生態(tài)環(huán)境監(jiān)測為例，遙感領(lǐng)域通常需整合不同遙感設備獲取的多源圖像，通過提取空間與光譜特征生成綜合分析圖像，以實現(xiàn)對生態(tài)系統(tǒng)變化更全面的檢測與判斷。近年來，DL等AI算法已深度融入多模態(tài)遙感數(shù)據(jù)融合流程，在圖像特征提取、目標識別與信息分類等關(guān)鍵環(huán)節(jié)取得顯著技術(shù)突破。典型案例包括基于多源遙感數(shù)據(jù)的伊朗洛雷斯坦地區(qū)干旱程度空間分析，研究通過整合綜合干旱指數(shù)，有效揭示了區(qū)域生態(tài)壓力的演變趨勢。此外，AI模型在小尺度氣象數(shù)據(jù)預測、水質(zhì)硝酸鹽來源追蹤等領(lǐng)域亦表現(xiàn)出優(yōu)異的建模能力與數(shù)據(jù)適配性。盡管當前數(shù)據(jù)融合與AI技術(shù)在生態(tài)環(huán)境數(shù)據(jù)融合領(lǐng)域已取得顯著進展，但生態(tài)環(huán)境數(shù)據(jù)與農(nóng)產(chǎn)品風味數(shù)據(jù)之間的跨模態(tài)整合仍處于起步階段，二者潛在關(guān)聯(lián)機制尚缺乏針對性的算法框架支撐。值得關(guān)注的是，已有學者借助可模擬真實氣候條件的植物表型設施PhenoSphere，初步揭示了氣候因子對植物生長過程的調(diào)控機制。這一仿真模擬系統(tǒng)的構(gòu)建為開展生態(tài)環(huán)境驅(qū)動下的風味預測研究提供了可行的實驗平臺與數(shù)據(jù)來源。未來研究可依托此類高通量可控環(huán)境仿真系統(tǒng)，通過多模態(tài)數(shù)據(jù)融合與AI建模，構(gòu)建生態(tài)環(huán)境因子與植物風味之間的量化映射關(guān)系，通過集成氣候變量、土壤條件、遙感圖像與風味數(shù)據(jù)集，有望建立風味形成路徑的生態(tài)驅(qū)動模型，并進一步開發(fā)以風味為導向的地理區(qū)位優(yōu)選系統(tǒng)。這將為實現(xiàn)“環(huán)境-風味”精確預測與風味導向型種植與養(yǎng)殖策略提供重要的技術(shù)支撐，推動風味科學在生態(tài)農(nóng)業(yè)與區(qū)域特色食品開發(fā)的深度融合與跨領(lǐng)域創(chuàng)新。

04

結(jié)語

生態(tài)風味組學作為融合系統(tǒng)生物學、環(huán)境生態(tài)學與食品風味化學的新興交叉領(lǐng)域，提供了一種生態(tài)驅(qū)為核心視角的食品風味形成機制研究思路。不同于傳統(tǒng)從單一菌種或風味物質(zhì)出發(fā)的還原路徑，生態(tài)風味組學強調(diào)在多尺度生態(tài)背景下識別生物群體與環(huán)境因子如何協(xié)同塑造風味物質(zhì)的動態(tài)演化路徑。這一研究思路的提出不僅彌補了經(jīng)典研究在復雜系統(tǒng)解析方面的不足，也為風味科學引入了更具整體性、系統(tǒng)性與可預測性的研究框架。

目前，生態(tài)風味組已在多個典型食品體系中得到初步驗證，顯示出對復雜風味形成機制的解析能力。在奶酪中，研究者通過多組學融合揭示了乳酸乳球菌等優(yōu)勢微生物驅(qū)動醇類、酮類生成的關(guān)鍵代謝通路，構(gòu)建了風味物質(zhì)的形成通路；在發(fā)酵肉制品中，證實了酵母、霉菌與葡萄球菌協(xié)同生成醛類、含硫化合物的機制，為風味調(diào)控菌株的篩選提供了依據(jù)；在葡萄酒與咖啡等農(nóng)產(chǎn)品中，生態(tài)風味組學整合遙感、氣象與風味組學數(shù)據(jù)，建立了生態(tài)因子與特征風味的對應關(guān)系，有望從氣候參數(shù)反推風味表達的初步能力。

未來，隨著AI和多模態(tài)數(shù)據(jù)融合等技術(shù)的不斷發(fā)展，生態(tài)風味組學有望邁向更精細化和可預測的發(fā)展階段。例如微生物群落宏GSMM與群落生態(tài)模型耦合，可在模擬微生物演替基礎上預測風味形成路徑；通過人工感知技術(shù)與多模態(tài)感官系統(tǒng)融合，有望實現(xiàn)機器輔助的高通量風味感知與評價。此外，該研究方向不僅有潛力在發(fā)酵食品智能制造中實現(xiàn)風味的精準調(diào)控與品質(zhì)穩(wěn)態(tài)控制，也為在低添加劑、低能耗條件下實現(xiàn)自然風味的優(yōu)化提供了可行策略，助力構(gòu)建更具生態(tài)友好的食品系統(tǒng)。綜上所述，生態(tài)風味組學作為食品風味科學的全新研究視角，具有廣闊的發(fā)展?jié)摿εc重要的應用價值。其發(fā)展不僅有望突破當前風味形成機制解析的瓶頸，同時在推動食品工業(yè)智能化、綠色化與個性化發(fā)展方面發(fā)揮關(guān)鍵作用。通過不斷完善技術(shù)體系與強化跨領(lǐng)域協(xié)同創(chuàng)新，生態(tài)風味組學有望為未來食品產(chǎn)業(yè)向更智能、更綠色、更可持續(xù)、更個性化方向轉(zhuǎn)型升級提供技術(shù)支持。

作者簡介

通信作者：

曾黌，牛津大學系統(tǒng)生物學博士，曼徹斯特大學生物技術(shù)研究院博士后，北京工商大學副教授，碩士生導師，北京市第十五批人才項目“海外英才聚集工程”、北京市科協(xié)青年人才托舉工程入選者，兼任國際期刊《Journal of Future Foods》青年編委會委員、全國生化檢測標準化技術(shù)委員會生物體活性物質(zhì)含量檢測工作組成員、中國農(nóng)學會食物與營養(yǎng)委員會委員等。長期從事食品風味與健康領(lǐng)域研究，主持國家自然科學基金青年基金項目、國家重點研發(fā)計劃項目子課題等國家級和省部級項目5 項，發(fā)表學術(shù)論文20余篇，參與出版學術(shù)著作2 部，參與制定國家標準1 項，籌建全球食品風味與人類健康科技創(chuàng)新中心等。

第一作者：

王啟昊，北京工商大學食品與健康學院2025級碩士研究生，主要研究方向為食品生物成味。

引文格式：

王啟昊, 劉子豪, 李文璐, 等. 生態(tài)風味組學在食品風味科學中的應用[J]. 食品科學, 2025, 46(21): 293-303. DOI:10.7506/spkx1002-6630-20250612-084.

WANG Qihao, LIU Zihao, LI Wenlu, et al. Application of ecological flavoromics in food flavor and sensory science[J].Food Science, 2025, 46(21): 293-303. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-20250612-084.

實習編輯：俞逸嵐；責任編輯：張睿梅。點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)

為匯聚全球智慧共探產(chǎn)業(yè)變革方向，搭建跨學科、跨國界的協(xié)同創(chuàng)新平臺，由北京食品科學研究院、中國肉類食品綜合研究中心、國家市場監(jiān)督管理總局技術(shù)創(chuàng)新中心（動物替代蛋白）、中國食品雜志社《食品科學》雜志（EI收錄）、中國食品雜志社《Food Science and Human Wellness》雜志（SCI收錄）、中國食品雜志社《Journal of Future Foods》雜志（ESCI收錄）主辦，西南大學、 重慶市農(nóng)業(yè)科學院、 重慶市農(nóng)產(chǎn)品加工業(yè)技術(shù)創(chuàng)新聯(lián)盟、重慶工商大學、 重慶三峽科技大學 、西華大學、成都大學、四川旅游學院、北京聯(lián)合大學、 中國-匈牙利食品科學“一帶一路”聯(lián)合實驗室（籌） 共同主辦 的“ 第三屆大食物觀·未來食品科技創(chuàng)新國際研討會 ”， 將于2026年4月25-26日 （4月24日全天報到） 在中國 重慶召開。

長按或微信掃碼進行注冊

為系統(tǒng)提升我國食品營養(yǎng)與安全的科技創(chuàng)新策源能力，加速科技成果向現(xiàn)實生產(chǎn)力轉(zhuǎn)化，推動食品產(chǎn)業(yè)向綠色化、智能化、高端化轉(zhuǎn)型升級，由北京食品科學研究院、中國食品雜志社《食品科學》雜志（EI收錄）、中國食品雜志社《Food Science and Human Wellness》雜志（SCI收錄）、中國食品雜志社《Journal of Future Foods》雜志（ESCI收錄）主辦，合肥工業(yè)大學、安徽農(nóng)業(yè)大學、安徽省食品行業(yè)協(xié)會、安徽大學、合肥大學、合肥師范學院、北京工商大學、中國科技大學附屬第一醫(yī)院臨床營養(yǎng)科、安徽糧食工程職業(yè)學院、安徽省農(nóng)科院農(nóng)產(chǎn)品加工研究所、安徽科技學院、皖西學院、黃山學院、滁州學院、蚌埠學院共同主辦的“第六屆食品科學與人類健康國際研討會”，將于 2026年8月15-16日（8月14日全天報到）在中國 安徽 合肥召開。

長按或微信掃碼進行注冊

會議招商招展

聯(lián)系人：楊紅；電話：010-83152138；手機：13522179918（微信同號）