風(fēng)味是食物品質(zhì)的核心評(píng)價(jià)維度，不僅直接影響消費(fèi)決策，更是食品工業(yè)中產(chǎn)品差異化競(jìng)爭(zhēng)的關(guān)鍵要素。在未來(lái)食品設(shè)計(jì)開發(fā)中，風(fēng)味創(chuàng)新已成為推動(dòng)產(chǎn)品開發(fā)與消費(fèi)升級(jí)的重要驅(qū)動(dòng)力。近年來(lái)，隨著風(fēng)味研究的不斷深入，人們對(duì)于風(fēng)味的認(rèn)知，尤其是風(fēng)味感知機(jī)制的理解，正在發(fā)生深刻變化。傳統(tǒng)風(fēng)味組學(xué)雖在關(guān)鍵風(fēng)味物質(zhì)識(shí)別、感官相關(guān)性建立等方面取得了顯著進(jìn)展，但隨著多學(xué)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(xué)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(dòng)的風(fēng)味形成機(jī)制方面逐漸顯現(xiàn)出局限性，如Dugourd等提出的多組學(xué)空間因果導(dǎo)向搜索工具通過耦合信號(hào)通路、代謝物與蛋白活性提出潛在機(jī)制假設(shè)，但在模型可解釋性、生態(tài)適用性及生態(tài)位層級(jí)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(yīng)用單菌建模，忽略了群落代謝及微生物互作在風(fēng)味形成中的協(xié)同作用；同時(shí)，其對(duì)穩(wěn)態(tài)環(huán)境的依賴也限制了其在動(dòng)態(tài)、多變的真實(shí)食品體系中的適用性。在此背景下，越來(lái)越多研究者開始關(guān)注生態(tài)風(fēng)味組學(xué)的研究視角，生態(tài)風(fēng)味組學(xué)是整合系統(tǒng)生物學(xué)、環(huán)境生態(tài)學(xué)與食品風(fēng)味化學(xué)理論的新興交叉研究視角，其核心目標(biāo)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(dòng)的食品風(fēng)味形成過程，從宏觀和微觀尺度揭示生物介導(dǎo)的食品風(fēng)味物質(zhì)形成的生態(tài)學(xué)本質(zhì)（圖1）。

生態(tài)風(fēng)味組學(xué)提供了一種全新的研究視角，北京工商大學(xué)食品與健康學(xué)院的王啟昊、劉子豪和曾黌*等人系統(tǒng)梳理了近年來(lái)生態(tài)風(fēng)味組學(xué)在微觀和宏觀層面的研究進(jìn)展，旨在揭示食品風(fēng)味形成背后的生物和生態(tài)學(xué)本質(zhì)及其多層級(jí)、多尺度調(diào)控機(jī)制，為未來(lái)食品風(fēng)味精準(zhǔn)調(diào)控提供理論依據(jù)，同時(shí)也為未來(lái)食品風(fēng)味創(chuàng)新創(chuàng)制提供方法學(xué)參考。

01

微觀生態(tài)風(fēng)味組學(xué)

1.1 微觀生態(tài)風(fēng)味組學(xué)的研究進(jìn)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(fēng)味物質(zhì)塑造發(fā)酵食品的獨(dú)特風(fēng)味。大多數(shù)特征風(fēng)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(shì)微生物與風(fēng)味物質(zhì)的代謝途徑和調(diào)控方法是微觀生態(tài)風(fēng)味組學(xué)的研究核心。近年來(lái)，已有大量研究聚焦于微生物群落在發(fā)酵食品風(fēng)味形成中的具體作用機(jī)制，嘗試從群落結(jié)構(gòu)、動(dòng)態(tài)演替與代謝特征等多個(gè)角度進(jìn)行解析。Unno等采用代謝組學(xué)、宏基因組學(xué)與風(fēng)味組學(xué)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(fēng)味代謝物的對(duì)應(yīng)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(dǎo)仲醇和酮類物質(zhì)的生成；在細(xì)菌涂抹成熟的奶酪中，德巴利酵母成為真菌優(yōu)勢(shì)種，其代謝活動(dòng)與有機(jī)酸及吡嗪類化合物相關(guān)；海洋細(xì)菌則與酯類和吡嗪類風(fēng)味物質(zhì)呈正相關(guān)。Zhang Xin等通過代謝組學(xué)、16S rRNA測(cè)序及風(fēng)味組學(xué)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?fù)浞治龅确椒?，系統(tǒng)研究了內(nèi)蒙古手工奶酪中風(fēng)味物質(zhì)與菌落演替的動(dòng)態(tài)關(guān)系。研究識(shí)別出37 種與風(fēng)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(gè)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(fēng)味物質(zhì)的時(shí)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(xué)及風(fēng)味組學(xué)，結(jié)合ANOVA、PCA、正交偏最小二乘判別分析（OPLS-DA）等方法評(píng)估了副干酪乳桿菌IMC502與傳統(tǒng)發(fā)酵劑共培養(yǎng)對(duì)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(zhǎng)狀態(tài)，調(diào)節(jié)丙酮、丁酸等關(guān)鍵風(fēng)味化合物的生成；與單菌體系相比，共培養(yǎng)體系共檢測(cè)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(fēng)味復(fù)雜性的潛力。在發(fā)酵肉制品中，細(xì)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(fēng)味。Deng Jieying等通過感官評(píng)價(jià)、16S rRNA測(cè)序、代謝組學(xué)與風(fēng)味組學(xué)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(fēng)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(cè)序及風(fēng)味組學(xué)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(fēng)味物質(zhì)關(guān)聯(lián)，識(shí)別出4 種核心優(yōu)勢(shì)菌屬及7 種主要揮發(fā)性風(fēng)味化合物，證實(shí)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(fēng)味的微生物調(diào)控提供了生態(tài)學(xué)依據(jù)。上述研究集中于多組學(xué)融合策略，通過代謝組學(xué)、風(fēng)味組學(xué)和宏基因組學(xué)等手段結(jié)合感官數(shù)據(jù)，解析優(yōu)勢(shì)微生物與特征風(fēng)味物質(zhì)之間的關(guān)系。盡管當(dāng)前研究進(jìn)展顯著，但研究對(duì)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(shí)間點(diǎn)的數(shù)據(jù)采集，尚未系統(tǒng)構(gòu)建風(fēng)味形成的高精度動(dòng)態(tài)演替模型，對(duì)多種生態(tài)因子與微生物群落間復(fù)雜交互作用的解析仍相對(duì)有限。因此，亟需拓展研究體系的生態(tài)廣度與多樣性，推動(dòng)發(fā)酵食品間的共性機(jī)制識(shí)別，并探索可遷移、可泛化的生態(tài)風(fēng)味組學(xué)分析路徑。表1匯總了近15 a來(lái)微觀生態(tài)風(fēng)味組學(xué)的典型研究案例。

1.2微觀生態(tài)風(fēng)味組學(xué)未來(lái)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(fēng)味形成的關(guān)聯(lián)性，但當(dāng)前的研究范式仍以相關(guān)性分析為主，缺乏對(duì)底層風(fēng)味物質(zhì)代謝機(jī)制的闡釋，尤其對(duì)于風(fēng)味合成的關(guān)鍵代謝節(jié)點(diǎn)、風(fēng)味酶系的調(diào)控機(jī)制等層面鮮有深入討論。近年來(lái)，部分研究嘗試將宏基因組學(xué)與代謝建模技術(shù)相結(jié)合探索微生物的風(fēng)味物質(zhì)代謝通路，為揭示微生物介導(dǎo)的風(fēng)味形成機(jī)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(dá)奶酪中通過纈氨酸等氨基酸交叉喂養(yǎng)機(jī)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(dòng)風(fēng)味物質(zhì)生成的代謝機(jī)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(luò)，闡明了多菌協(xié)同代謝下的風(fēng)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(fēng)味物質(zhì)生成中的協(xié)同效應(yīng)。該研究不僅展示了基于GSMM生態(tài)風(fēng)味組學(xué)中實(shí)現(xiàn)多菌協(xié)同調(diào)控、精準(zhǔn)預(yù)測(cè)風(fēng)味產(chǎn)物構(gòu)建微生物互作網(wǎng)絡(luò)的可行性，也為未來(lái)微觀提供了理論基礎(chǔ)與建模范式。盡管如此，當(dāng)前研究主要聚焦于代謝網(wǎng)絡(luò)的宏觀構(gòu)建，尚缺乏對(duì)代謝通路中關(guān)鍵風(fēng)味形成節(jié)點(diǎn)及其調(diào)控機(jī)制的深入研究。為進(jìn)一步實(shí)現(xiàn)菌群風(fēng)味物質(zhì)代謝的精準(zhǔn)調(diào)控與食品風(fēng)味創(chuàng)新，本研究認(rèn)為風(fēng)味酶系的系統(tǒng)挖掘與功能解析是微觀生態(tài)風(fēng)味組學(xué)未來(lái)的研究熱點(diǎn)。風(fēng)味酶系包括醛酶、酯酶、脫羧酶、萜烯合酶等，作為催化風(fēng)味前體轉(zhuǎn)化、風(fēng)味活性物質(zhì)合成及風(fēng)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(fēng)味密切相關(guān)的代謝通路。風(fēng)味酶系不僅決定了風(fēng)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(diǎn)用于微生物工程化改造與風(fēng)味物質(zhì)合成定向優(yōu)化。目前，已有部分研究從關(guān)鍵風(fēng)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(jī)制。Ott等通過 13 C同 位素標(biāo)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(xué)基礎(chǔ)。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(shí)，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(fēng)味物質(zhì)合成中發(fā)揮關(guān)鍵作用。這進(jìn)一步驗(yàn)證了乳酸菌風(fēng)味代謝中糖酵解與氨基酸降解通路之間的互補(bǔ)關(guān)系。該研究為風(fēng)味酶系的功能解析與驗(yàn)證提供了技術(shù)示范，也為乳制品中關(guān)鍵風(fēng)味物質(zhì)的代謝調(diào)控提供了理論依據(jù)。進(jìn)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(fēng)味物質(zhì)合成的功能酶體系。研究發(fā)現(xiàn)，多個(gè)核心代謝節(jié)點(diǎn)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(dǎo)表達(dá)，顯著影響了乳酸、苯乙醛和乙酸乙酯等典型風(fēng)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(dǎo)地位，凸顯了以功能導(dǎo)向?yàn)楹诵牡陌l(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(yù)測(cè)、分子對(duì)接與定向誘變手段，對(duì)二氯甲烷脫鹵酶進(jìn)行理性改造，顯著提升了其催化效率，盡管該策略尚少應(yīng)用于風(fēng)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(lái)該類方法可拓展用于多樣性風(fēng)味產(chǎn)物的合成與風(fēng)味酶工程的精準(zhǔn)調(diào)控。上述案例共同構(gòu)建了“同位素標(biāo)記-代謝通路解析-功能驗(yàn)證-產(chǎn)香優(yōu)化”的技術(shù)路徑，為風(fēng)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(fēng)味物質(zhì)代謝網(wǎng)絡(luò)中的作用，是推動(dòng)微觀生態(tài)風(fēng)味組學(xué)從“相關(guān)性描述”邁向“機(jī)制驅(qū)動(dòng)”的關(guān)鍵突破點(diǎn)。風(fēng)味酶系的系統(tǒng)解析將為發(fā)酵食品風(fēng)味精準(zhǔn)調(diào)控、微生物群落工程化改造及未來(lái)食品風(fēng)味創(chuàng)新提供核心技術(shù)支撐。

02

宏觀生態(tài)風(fēng)味組學(xué)

2.1 宏觀生態(tài)風(fēng)味組學(xué)的研究進(jìn)展

生態(tài)環(huán)境因子通過調(diào)控動(dòng)、植物代謝活動(dòng)，可顯著影響其代謝產(chǎn)物的合成路徑與積累水平。動(dòng)、植物代謝產(chǎn)物作為風(fēng)味特征形成的物質(zhì)基礎(chǔ)，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(duì)農(nóng)產(chǎn)品風(fēng)味形成影響是宏觀生態(tài)風(fēng)味組學(xué)的主要研究?jī)?nèi)容，系統(tǒng)探明生態(tài)環(huán)境因子對(duì)農(nóng)產(chǎn)品風(fēng)味形成的影響機(jī)制是宏觀生態(tài)風(fēng)味組學(xué)的核心科學(xué)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(fēng)味特征之間的關(guān)聯(lián)，為解析風(fēng)味表型的生態(tài)驅(qū)動(dòng)機(jī)制提供了理論基礎(chǔ)。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(píng)價(jià)方法，研究了中南美洲阿拉比卡咖啡的風(fēng)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(fēng)味的關(guān)鍵生態(tài)環(huán)境因子，且其影響效應(yīng)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(yáng)照射量、作物蒸散量、灌溉量及逐半小時(shí)氣溫模擬值等氣象數(shù)據(jù)結(jié)合葡萄及葡萄酒的風(fēng)味組學(xué)分析，構(gòu)建了生態(tài)環(huán)境因子與莎草薁酮濃度的動(dòng)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(fù)相關(guān)，由此建立的數(shù)學(xué)模型可基于季節(jié)性氣候參數(shù)預(yù)測(cè)葡萄酒中“胡椒風(fēng)味”化合物的終濃度，為特色風(fēng)味產(chǎn)品的精細(xì)化釀造提供了量化依據(jù)。王佳等對(duì)不同溫度條件下養(yǎng)殖的下紅鰭東方鲀肝臟代謝特征進(jìn)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(fēng)味物質(zhì)的代謝積累過程。Baik等通過整合溫度、濕度與風(fēng)速等氣象因子數(shù)據(jù)，研究了環(huán)境變化對(duì)韓牛肉品質(zhì)的影響，結(jié)果發(fā)現(xiàn)寒冷氣候會(huì)導(dǎo)致牛肉品質(zhì)顯著下降。表2匯總了近年來(lái)宏觀生態(tài)風(fēng)味組學(xué)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(dòng)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(duì)風(fēng)味物質(zhì)形成與積累的影響，初步揭示了風(fēng)味表型的生態(tài)驅(qū)動(dòng)機(jī)制，為建立氣候-代謝-風(fēng)味的關(guān)聯(lián)和預(yù)測(cè)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(fēng)味研究提供了新思路。

2.2宏觀生態(tài)風(fēng)味組學(xué)未來(lái)的研究方向

盡管現(xiàn)有研究初步揭示了農(nóng)產(chǎn)品風(fēng)味形成的生態(tài)學(xué)機(jī)制，但全球氣候變化正持續(xù)對(duì)作物的生長(zhǎng)發(fā)育與產(chǎn)量持續(xù)構(gòu)成威脅。此外，隨著城市化進(jìn)程加速，風(fēng)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(fēng)味組學(xué)既為解析環(huán)境因子對(duì)農(nóng)產(chǎn)品風(fēng)味形成的機(jī)制提供了理論基礎(chǔ)，也為“風(fēng)味導(dǎo)向”的農(nóng)業(yè)系統(tǒng)設(shè)計(jì)提供了實(shí)踐參考。近年來(lái)，精準(zhǔn)農(nóng)業(yè)模式正逐漸展現(xiàn)其優(yōu)勢(shì)，其中代表性的垂直農(nóng)業(yè)為農(nóng)產(chǎn)品風(fēng)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(yíng)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(yīng)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(fēng)味特性。這一發(fā)現(xiàn)驗(yàn)證了垂直農(nóng)業(yè)在風(fēng)味組學(xué)研究中具備兩項(xiàng)突出優(yōu)勢(shì)：一是生長(zhǎng)環(huán)境的穩(wěn)定性有助于隔離單一生態(tài)因子的風(fēng)味效應(yīng)，為構(gòu)建風(fēng)味形成的機(jī)制模型提供基礎(chǔ)數(shù)據(jù)；二是其對(duì)生態(tài)因子的精細(xì)調(diào)控能力可作為風(fēng)味表型調(diào)控的實(shí)驗(yàn)平臺(tái)，助力實(shí)現(xiàn)風(fēng)味設(shè)計(jì)的農(nóng)業(yè)系統(tǒng)轉(zhuǎn)型。未來(lái)可進(jìn)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(fēng)味組學(xué)構(gòu)建“環(huán)境因子-代謝通路-風(fēng)味表型”的整合模型，實(shí)現(xiàn)農(nóng)產(chǎn)品風(fēng)味的精準(zhǔn)預(yù)測(cè)與機(jī)制驅(qū)動(dòng)的干預(yù)優(yōu)化，為智能化、風(fēng)味導(dǎo)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(fēng)味組學(xué)在食品風(fēng)味研究中的挑戰(zhàn)

3.1 微生物群落風(fēng)味物質(zhì)代謝機(jī)制的復(fù)雜性

發(fā)酵食品中的微生物通過共生、偏利、競(jìng)爭(zhēng)等相互作用關(guān)系形成動(dòng)態(tài)演替的群落結(jié)構(gòu)，進(jìn)而影響風(fēng)味物質(zhì)的合成與積累。然而，微生物分子層面的互作機(jī)制及群落重塑過程尚未得到系統(tǒng)性闡釋。與此同時(shí)，微生物群落的代謝途徑網(wǎng)絡(luò)復(fù)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(dú)特的風(fēng)味，識(shí)別和解析微生物群落互作網(wǎng)絡(luò)與代謝通路的耦合機(jī)制仍需在后續(xù)的微觀生態(tài)風(fēng)味組學(xué)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(jìn)一步增加了群落代謝的復(fù)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(yíng)養(yǎng)物實(shí)現(xiàn)協(xié)同共存。當(dāng)所有菌株都能從中受益時(shí)，這種現(xiàn)象就被稱為功能專業(yè)化或分工。因此，在復(fù)雜的微生物群系中通常存在著不同功能定位的菌株?；诖耍谖⒂^生態(tài)風(fēng)味組學(xué)研究的背景下，可將微生物群落分為基石功能群和風(fēng)味功能群。前者指的是維持微生物群落穩(wěn)定性、資源初級(jí)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(dǎo)種群；而后者則特指那些在風(fēng)味前體代謝或風(fēng)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(duì)上述功能群體的系統(tǒng)識(shí)別仍面臨挑戰(zhàn)。在經(jīng)典生態(tài)學(xué)理論中，微生物群落的形成受擴(kuò)散、選擇、多樣化和漂移等生態(tài)和進(jìn)化過程的共同驅(qū)動(dòng)，最終塑造出復(fù)雜的種類組成與功能結(jié)構(gòu)。盡管現(xiàn)有技術(shù)已能對(duì)微生物生物量與多樣性進(jìn)行高通量檢測(cè)，但針對(duì)基石功能群與風(fēng)味功能群的精準(zhǔn)識(shí)別仍缺乏分子層面的功能注釋工具，導(dǎo)致發(fā)酵食品體系中微生物多樣性與風(fēng)味功能多樣性的關(guān)聯(lián)研究值得進(jìn)一步挖掘。

在這一背景下，系統(tǒng)生物學(xué)作為微生物群落代謝機(jī)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(bǔ)充，尤其在菌群功能識(shí)別與代謝機(jī)制建模方面展現(xiàn)出獨(dú)特優(yōu)勢(shì)。圍繞微生物群落風(fēng)味物質(zhì)代謝機(jī)制解析，代謝流通量平衡分析（FBA）和GSMM等系統(tǒng)生物學(xué)研究方法引入，為多尺度解析食品體系微生物群落互作機(jī)制、風(fēng)味物質(zhì)代謝流和風(fēng)味物質(zhì)代謝網(wǎng)絡(luò)等方面展現(xiàn)出重要應(yīng)用潛力。相較于傳統(tǒng)代謝組學(xué)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(dòng)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(shí)地反映風(fēng)味物質(zhì)合成的動(dòng)態(tài)過程。FBA基于代謝化學(xué)計(jì)量矩陣，引入質(zhì)量守恒、能量守恒等約束與目標(biāo)函數(shù)，在代謝穩(wěn)態(tài)假設(shè)下求解網(wǎng)絡(luò)中各代謝反應(yīng)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(jì)算乳酸菌代謝流等研究中得到應(yīng)用。然而，當(dāng)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(lái)，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(jī)制。Qiu Sizhe等構(gòu)建了酸奶發(fā)酵劑群落的宏GSMM，動(dòng)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(fēng)味物質(zhì)合成中的協(xié)同作用，明確了如乙酸等風(fēng)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(lái)，微生物群落宏基因組代謝建模有望成為微觀生態(tài)風(fēng)味組學(xué)的研究技術(shù)之一，為解析微生物群落相互作用、群落風(fēng)味物質(zhì)代謝網(wǎng)絡(luò)以及風(fēng)味物質(zhì)代謝精準(zhǔn)調(diào)控提供技術(shù)支持，推動(dòng)發(fā)酵食品的風(fēng)味穩(wěn)定保持與定向設(shè)計(jì)。

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

風(fēng)味物質(zhì)具有相對(duì)分子質(zhì)量小、揮發(fā)性強(qiáng)、成分復(fù)雜、含量少且穩(wěn)定性差等特性。除自身的復(fù)雜性外，風(fēng)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(jià)鍵等物理化學(xué)機(jī)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(jìn)而影響其釋放行為和擴(kuò)散速率，最終改變風(fēng)味感知過程與整體風(fēng)味輪廓。盡管風(fēng)味分子的化學(xué)結(jié)構(gòu)與感官效應(yīng)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(tuán)如何影響特定風(fēng)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(fēng)味化合物的氣味閾值、感官特性及其與嗅覺受體的對(duì)映選擇性識(shí)別，在關(guān)鍵結(jié)構(gòu)位點(diǎn)誘導(dǎo)顯著的風(fēng)味差異，然而，目前對(duì)于其作用機(jī)制及量化特征的解析仍較為有限，亟需深入研究。此外，風(fēng)味物質(zhì)之間普遍存在協(xié)同或拮抗作用，感知強(qiáng)度對(duì)濃度變化的非線性響應(yīng)進(jìn)一步增加了風(fēng)味感知建模的復(fù)雜性。因此，構(gòu)建風(fēng)味分子結(jié)構(gòu)特征與風(fēng)味感知的精準(zhǔn)映射模型成味當(dāng)前微觀生態(tài)風(fēng)味組學(xué)面臨的另一大挑戰(zhàn)。

在這一背景下，機(jī)器學(xué)習(xí)（ML）與人工智能（AI）等先進(jìn)數(shù)據(jù)分析工具，正為風(fēng)味解析與預(yù)測(cè)提供重要技術(shù)支撐。作為AI的核心分支，ML通過對(duì)海量數(shù)據(jù)的學(xué)習(xí)，實(shí)現(xiàn)分類、聚類、回歸及模式識(shí)別等任務(wù)，并持續(xù)優(yōu)化模型性能以提升對(duì)未知數(shù)據(jù)預(yù)測(cè)精度。深度學(xué)習(xí)（DL）作為ML的前沿方向，依托神經(jīng)網(wǎng)絡(luò)架構(gòu)，能夠自動(dòng)從復(fù)雜數(shù)據(jù)中提取高層次特征，尤其適用于解析風(fēng)味物質(zhì)間的復(fù)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(luò)在處理食品風(fēng)味等高維異質(zhì)性數(shù)據(jù)時(shí)具有更強(qiáng)的表達(dá)能力和泛化性能，旨在賦予機(jī)器自主識(shí)別文本、圖像、聲音等多模態(tài)數(shù)據(jù)的能力，從而實(shí)現(xiàn)類人化的學(xué)習(xí)與分析。在風(fēng)味研究領(lǐng)域，Lee等基于圖神經(jīng)網(wǎng)絡(luò)開發(fā)了一種主氣味圖（POM），首次實(shí)現(xiàn)了風(fēng)味分子化學(xué)結(jié)構(gòu)與氣味感知維度的精準(zhǔn)映射關(guān)系。相較于既往模型，POM不僅能準(zhǔn)確預(yù)測(cè)氣味強(qiáng)度與感知相似性，且在無(wú)需微調(diào)的情況下表現(xiàn)出卓越的嗅覺預(yù)測(cè)能力。在此基礎(chǔ)上，智慧風(fēng)味設(shè)計(jì)技術(shù)正推動(dòng)風(fēng)味研究實(shí)現(xiàn)從分析與預(yù)測(cè)到“定向設(shè)計(jì)”的跨越。Schreurs等通過梯度提升回歸器算法識(shí)別出啤酒中關(guān)鍵風(fēng)味化合物，并可通過模型定向設(shè)計(jì)和調(diào)控啤酒中的風(fēng)味物質(zhì)含量，顯著提升啤酒感官特性和消費(fèi)者接受度，為未來(lái)食品風(fēng)味的個(gè)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(luò)的結(jié)構(gòu)-風(fēng)味預(yù)測(cè)到食品風(fēng)味的智慧、定向設(shè)計(jì)，數(shù)據(jù)驅(qū)動(dòng)的風(fēng)味建模方法正在不斷豐富食品風(fēng)味科學(xué)的研究工具，推動(dòng)食品工業(yè)邁向結(jié)構(gòu)-風(fēng)味表型關(guān)系精準(zhǔn)建模與風(fēng)味智能化創(chuàng)制的新階段。

3.3 食品風(fēng)味感官評(píng)價(jià)方法的局限性

感官評(píng)價(jià)在食品的設(shè)計(jì)與開發(fā)中發(fā)揮關(guān)鍵作用，典型代表如杯測(cè)技術(shù)已廣泛應(yīng)用于咖啡、茶葉、葡萄酒等農(nóng)產(chǎn)品風(fēng)味標(biāo)準(zhǔn)化評(píng)估。經(jīng)過專業(yè)訓(xùn)練的杯測(cè)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(xì)微差異。然而，傳統(tǒng)感官評(píng)價(jià)存在諸多局限，例如，受試者的生理和心理偏差易影響評(píng)測(cè)結(jié)果；同化效應(yīng)或?qū)Ρ刃?yīng)會(huì)導(dǎo)致產(chǎn)品感知差異的放大或縮小，從而增加評(píng)價(jià)的主觀性與不確定性；感官評(píng)價(jià)高度依賴經(jīng)驗(yàn)豐富的評(píng)測(cè)小組，其訓(xùn)練周期長(zhǎng)、成本高、重復(fù)性差，難以滿足大規(guī)模產(chǎn)品篩選與快速風(fēng)味評(píng)測(cè)的實(shí)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(huì)進(jìn)一步影響感官評(píng)價(jià)結(jié)果的穩(wěn)定性和可重復(fù)性。

為應(yīng)對(duì)上述挑戰(zhàn)，近年來(lái)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(hào)并結(jié)合ML模型進(jìn)行數(shù)據(jù)解析與優(yōu)化反饋，實(shí)現(xiàn)對(duì)目標(biāo)變量的高效感知、判別與預(yù)測(cè)。其核心特征包括：1）多通道感知與信號(hào)復(fù)用；2）學(xué)習(xí)模型驅(qū)動(dòng)的感知結(jié)果預(yù)測(cè)；3）基于成本函數(shù)的模型評(píng)估與性能反饋；4）感知器結(jié)構(gòu)的自適應(yīng)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(yù)等優(yōu)勢(shì)，為傳統(tǒng)感官評(píng)價(jià)提供有力補(bǔ)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(shí)現(xiàn)虛擬世界與現(xiàn)實(shí)世界之間的數(shù)據(jù)交互，并對(duì)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(píng)價(jià)與電子鼻、電子舌在冷泡咖啡風(fēng)味判別中的表現(xiàn)，結(jié)果顯示感官評(píng)價(jià)在6 項(xiàng)風(fēng)味指標(biāo)中有4 項(xiàng)未能識(shí)別樣品間顯著差異，而電子系統(tǒng)可捕捉到微小風(fēng)味變化，提示人工感知在風(fēng)味識(shí)別靈敏度方面具有人類感官難以企及的優(yōu)勢(shì)AI在該系統(tǒng)中同樣發(fā)揮了關(guān)鍵作用，實(shí)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(jī)制處理復(fù)雜感官任務(wù)，可增強(qiáng)系統(tǒng)對(duì)動(dòng)態(tài)環(huán)境下多維信號(hào)的理解與響應(yīng)能力。Jung等基于用戶感官評(píng)論與電子舌系統(tǒng)對(duì)6 種葡萄酒進(jìn)行味覺特征對(duì)比，結(jié)果顯示電子舌可識(shí)別出與用戶評(píng)價(jià)一致的酸度和甜度趨勢(shì)，盡管在澀味與個(gè)別樣品的酸味感知上存在細(xì)微偏差；進(jìn)一步結(jié)合深度神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)了對(duì)多種葡萄酒準(zhǔn)確率達(dá)90.91%的高精度分類。AI輔助的感官系統(tǒng)在實(shí)現(xiàn)復(fù)雜風(fēng)味表型高通量識(shí)別與個(gè)性化應(yīng)用場(chǎng)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(luò)模型，可準(zhǔn)確預(yù)測(cè)啤酒10 項(xiàng)感官描述符評(píng)分，其相關(guān)系數(shù)（r）＝0.93，表現(xiàn)出對(duì)風(fēng)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(dòng)的人工感知系統(tǒng)在風(fēng)味質(zhì)量快速評(píng)估中的實(shí)際應(yīng)用潛力。另一方面，AI可有效增強(qiáng)人工感知技術(shù)對(duì)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(luò)系統(tǒng)可在氣體濃度低于常規(guī)檢測(cè)限的條件下識(shí)別氫氣信號(hào)，并在多種金屬傳感器中實(shí)現(xiàn)高達(dá)84%的識(shí)別準(zhǔn)確率，顯著優(yōu)于傳統(tǒng)方法在低濃度下接近隨機(jī)水約50%識(shí)別準(zhǔn)確率的表現(xiàn)，展示了AI模型在識(shí)別風(fēng)味微小區(qū)別方面的獨(dú)特優(yōu)勢(shì)。Leong等則構(gòu)建了ML驅(qū)動(dòng)的多受體表面增強(qiáng)拉曼散射品嘗器，整合不同受體的振動(dòng)光譜數(shù)據(jù)并結(jié)合支持向量機(jī)判別分析，實(shí)現(xiàn)了對(duì)5 種葡萄酒風(fēng)味分子的定量識(shí)別準(zhǔn)確率高達(dá)100%，而傳統(tǒng)單受體方法準(zhǔn)確率不足33%，顯著提高了復(fù)雜基質(zhì)中微量風(fēng)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(tái)。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(hào)，通過類神經(jīng)傳導(dǎo)機(jī)制觸發(fā)中樞響應(yīng)。多模態(tài)感知不僅有助于AI模擬人腦的學(xué)習(xí)和記憶過程，深化對(duì)風(fēng)味感知神經(jīng)機(jī)制的解析，還可通過跨物理/化學(xué)信號(hào)關(guān)聯(lián)間接預(yù)測(cè)食品風(fēng)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(dòng)當(dāng)前目前智慧感官儀器向智能感官系統(tǒng)演化，實(shí)現(xiàn)風(fēng)味信息的高維感知、智能解析與類腦響應(yīng)，為未來(lái)食品風(fēng)味個(gè)性化識(shí)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(fēng)味數(shù)據(jù)的異質(zhì)性

GIS作為生態(tài)環(huán)境監(jiān)測(cè)的核心技術(shù)，已被廣泛應(yīng)用于繪制高時(shí)空分辨率作物類型圖、追蹤田間尺度物候變化以及預(yù)測(cè)氣候與生態(tài)系統(tǒng)變化對(duì)農(nóng)業(yè)生產(chǎn)的復(fù)雜影響。然而，生態(tài)環(huán)境數(shù)據(jù)普遍存在時(shí)空分布不均、時(shí)間序列不連續(xù)及季節(jié)性數(shù)據(jù)缺失等問題。此外，機(jī)載與星載傳感器的大規(guī)模應(yīng)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(fēng)味感官表型數(shù)據(jù)，成為當(dāng)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(yīng)指標(biāo)，缺乏以風(fēng)味表型優(yōu)化為目標(biāo)的區(qū)位優(yōu)化模型。因此，宏觀生態(tài)風(fēng)味組學(xué)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(fēng)味感官數(shù)據(jù)的跨模態(tài)關(guān)聯(lián)機(jī)制，開發(fā)基于風(fēng)味為導(dǎo)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(zhǔn)生產(chǎn)與可持續(xù)供應(yīng)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(fēng)味數(shù)據(jù)多層次、多模態(tài)復(fù)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(gè)異質(zhì)數(shù)據(jù)源中提取互補(bǔ)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(yù)測(cè)建模的準(zhǔn)確性。以生態(tài)環(huán)境監(jiān)測(cè)為例，遙感領(lǐng)域通常需整合不同遙感設(shè)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(shí)現(xiàn)對(duì)生態(tài)系統(tǒng)變化更全面的檢測(cè)與判斷。近年來(lái)，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(biāo)識(shí)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(shì)。此外，AI模型在小尺度氣象數(shù)據(jù)預(yù)測(cè)、水質(zhì)硝酸鹽來(lái)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(dāng)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(jìn)展，但生態(tài)環(huán)境數(shù)據(jù)與農(nóng)產(chǎn)品風(fēng)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(jī)制尚缺乏針對(duì)性的算法框架支撐。值得關(guān)注的是，已有學(xué)者借助可模擬真實(shí)氣候條件的植物表型設(shè)施PhenoSphere，初步揭示了氣候因子對(duì)植物生長(zhǎng)過程的調(diào)控機(jī)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(dòng)下的風(fēng)味預(yù)測(cè)研究提供了可行的實(shí)驗(yàn)平臺(tái)與數(shù)據(jù)來(lái)源。未來(lái)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(fēng)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(fēng)味數(shù)據(jù)集，有望建立風(fēng)味形成路徑的生態(tài)驅(qū)動(dòng)模型，并進(jìn)一步開發(fā)以風(fēng)味為導(dǎo)向的地理區(qū)位優(yōu)選系統(tǒng)。這將為實(shí)現(xiàn)“環(huán)境-風(fēng)味”精確預(yù)測(cè)與風(fēng)味導(dǎo)向型種植與養(yǎng)殖策略提供重要的技術(shù)支撐，推動(dòng)風(fēng)味科學(xué)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(yǔ)

生態(tài)風(fēng)味組學(xué)作為融合系統(tǒng)生物學(xué)、環(huán)境生態(tài)學(xué)與食品風(fēng)味化學(xué)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(fēng)味形成機(jī)制研究思路。不同于傳統(tǒng)從單一菌種或風(fēng)味物質(zhì)出發(fā)的還原路徑，生態(tài)風(fēng)味組學(xué)強(qiáng)調(diào)在多尺度生態(tài)背景下識(shí)別生物群體與環(huán)境因子如何協(xié)同塑造風(fēng)味物質(zhì)的動(dòng)態(tài)演化路徑。這一研究思路的提出不僅彌補(bǔ)了經(jīng)典研究在復(fù)雜系統(tǒng)解析方面的不足，也為風(fēng)味科學(xué)引入了更具整體性、系統(tǒng)性與可預(yù)測(cè)性的研究框架。

目前，生態(tài)風(fēng)味組已在多個(gè)典型食品體系中得到初步驗(yàn)證，顯示出對(duì)復(fù)雜風(fēng)味形成機(jī)制的解析能力。在奶酪中，研究者通過多組學(xué)融合揭示了乳酸乳球菌等優(yōu)勢(shì)微生物驅(qū)動(dòng)醇類、酮類生成的關(guān)鍵代謝通路，構(gòu)建了風(fēng)味物質(zhì)的形成通路；在發(fā)酵肉制品中，證實(shí)了酵母、霉菌與葡萄球菌協(xié)同生成醛類、含硫化合物的機(jī)制，為風(fēng)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(fēng)味組學(xué)整合遙感、氣象與風(fēng)味組學(xué)數(shù)據(jù)，建立了生態(tài)因子與特征風(fēng)味的對(duì)應(yīng)關(guān)系，有望從氣候參數(shù)反推風(fēng)味表達(dá)的初步能力。

未來(lái)，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(fēng)味組學(xué)有望邁向更精細(xì)化和可預(yù)測(cè)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(chǔ)上預(yù)測(cè)風(fēng)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(shí)現(xiàn)機(jī)器輔助的高通量風(fēng)味感知與評(píng)價(jià)。此外，該研究方向不僅有潛力在發(fā)酵食品智能制造中實(shí)現(xiàn)風(fēng)味的精準(zhǔn)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(shí)現(xiàn)自然風(fēng)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(fēng)味組學(xué)作為食品風(fēng)味科學(xué)的全新研究視角，具有廣闊的發(fā)展?jié)摿εc重要的應(yīng)用價(jià)值。其發(fā)展不僅有望突破當(dāng)前風(fēng)味形成機(jī)制解析的瓶頸，同時(shí)在推動(dòng)食品工業(yè)智能化、綠色化與個(gè)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(qiáng)化跨領(lǐng)域協(xié)同創(chuàng)新，生態(tài)風(fēng)味組學(xué)有望為未來(lái)食品產(chǎn)業(yè)向更智能、更綠色、更可持續(xù)、更個(gè)性化方向轉(zhuǎn)型升級(jí)提供技術(shù)支持。

作者簡(jiǎn)介

通信作者：

曾黌，牛津大學(xué)系統(tǒng)生物學(xué)博士，曼徹斯特大學(xué)生物技術(shù)研究院博士后，北京工商大學(xué)副教授，碩士生導(dǎo)師，北京市第十五批人才項(xiàng)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(guó)際期刊《Journal of Future Foods》青年編委會(huì)委員、全國(guó)生化檢測(cè)標(biāo)準(zhǔn)化技術(shù)委員會(huì)生物體活性物質(zhì)含量檢測(cè)工作組成員、中國(guó)農(nóng)學(xué)會(huì)食物與營(yíng)養(yǎng)委員會(huì)委員等。長(zhǎng)期從事食品風(fēng)味與健康領(lǐng)域研究，主持國(guó)家自然科學(xué)基金青年基金項(xiàng)目、國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目子課題等國(guó)家級(jí)和省部級(jí)項(xiàng)目5 項(xiàng)，發(fā)表學(xué)術(shù)論文20余篇，參與出版學(xué)術(shù)著作2 部，參與制定國(guó)家標(biāo)準(zhǔn)1 項(xiàng)，籌建全球食品風(fēng)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(xué)食品與健康學(xué)院2025級(jí)碩士研究生，主要研究方向?yàn)槭称飞锍晌丁?/p>

引文格式：

王啟昊, 劉子豪, 李文璐, 等. 生態(tài)風(fēng)味組學(xué)在食品風(fēng)味科學(xué)中的應(yīng)用[J]. 食品科學(xué), 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(shí)習(xí)編輯：俞逸嵐；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(lái)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(xué)科、跨國(guó)界的協(xié)同創(chuàng)新平臺(tái)，由北京食品科學(xué)研究院、中國(guó)肉類食品綜合研究中心、國(guó)家市場(chǎng)監(jiān)督管理總局技術(shù)創(chuàng)新中心（動(dòng)物替代蛋白）、中國(guó)食品雜志社《食品科學(xué)》雜志（EI收錄）、中國(guó)食品雜志社《Food Science and Human Wellness》雜志（SCI收錄）、中國(guó)食品雜志社《Journal of Future Foods》雜志（ESCI收錄）主辦，西南大學(xué)、 重慶市農(nóng)業(yè)科學(xué)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(xué)、 重慶三峽科技大學(xué) 、西華大學(xué)、成都大學(xué)、四川旅游學(xué)院、北京聯(lián)合大學(xué)、 中國(guó)-匈牙利食品科學(xué)“一帶一路”聯(lián)合實(shí)驗(yàn)室（籌） 共同主辦 的“ 第三屆大食物觀·未來(lái)食品科技創(chuàng)新國(guó)際研討會(huì) ”， 將于2026年4月25-26日 （4月24日全天報(bào)到） 在中國(guó) 重慶召開。

長(zhǎng)按或微信掃碼進(jìn)行注冊(cè)

為系統(tǒng)提升我國(guó)食品營(yíng)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(shí)生產(chǎn)力轉(zhuǎn)化，推動(dòng)食品產(chǎn)業(yè)向綠色化、智能化、高端化轉(zhuǎn)型升級(jí)，由北京食品科學(xué)研究院、中國(guó)食品雜志社《食品科學(xué)》雜志（EI收錄）、中國(guó)食品雜志社《Food Science and Human Wellness》雜志（SCI收錄）、中國(guó)食品雜志社《Journal of Future Foods》雜志（ESCI收錄）主辦，合肥工業(yè)大學(xué)、安徽農(nóng)業(yè)大學(xué)、安徽省食品行業(yè)協(xié)會(huì)、安徽大學(xué)、合肥大學(xué)、合肥師范學(xué)院、北京工商大學(xué)、中國(guó)科技大學(xué)附屬第一醫(yī)院臨床營(yíng)養(yǎng)科、安徽糧食工程職業(yè)學(xué)院、安徽省農(nóng)科院農(nóng)產(chǎn)品加工研究所、安徽科技學(xué)院、皖西學(xué)院、黃山學(xué)院、滁州學(xué)院、蚌埠學(xué)院共同主辦的“第六屆食品科學(xué)與人類健康國(guó)際研討會(huì)”，將于 2026年8月15-16日（8月14日全天報(bào)到）在中國(guó) 安徽 合肥召開。

長(zhǎng)按或微信掃碼進(jìn)行注冊(cè)

會(huì)議招商招展

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