基于随机森林优化的乳酸植物杆菌(Lactiplantibacillus plantarum SJ-L-1)发酵枣汁中粗外多糖产量的提升及风味特性的改善

《International Journal of Gastronomy and Food Science》:Enhanced Crude Exopolysaccharide Production and Flavor Profile of Lactiplantibacillus plantarum SJ-L-1 Fermented Jujuba Juice with Random Forest-Based Optimization

【字体: 大 中 小 】 时间:2026年05月28日 来源:International Journal of Gastronomy and Food Science 3.6

编辑推荐:

  陈畅|张颖琪|朱巧蕾|王晓迪|朱云萍|周晨中国通用商会食品与健康学院绿色制造与食品生物活性物质生物合成重点实验室,北京工业大学,北京100048,中国摘要在复杂的食品基质中,通过乳酸发酵提高粗多糖(EPS)的产量仍然具有挑战性,因为多个过程变量之间存在非线性相互作用。此外,发酵优

  
陈畅|张颖琪|朱巧蕾|王晓迪|朱云萍|周晨
中国通用商会食品与健康学院绿色制造与食品生物活性物质生物合成重点实验室,北京工业大学,北京100048,中国

摘要

在复杂的食品基质中,通过乳酸发酵提高粗多糖(EPS)的产量仍然具有挑战性,因为多个过程变量之间存在非线性相互作用。此外,发酵优化如何影响产品相关属性(如抗氧化活性和挥发性成分)尚未得到充分理解。本研究使用了我们实验室之前分离出的高EPS产量菌株Lactiplantibacillus plantarum SJ-L-1(在de Man, Rogosa and Sharpe (MRS)培养基中的产量为0.4 mg/mL)。为了进一步提高食品基质中的粗EPS产量,使用该菌株对枣汁进行发酵,并通过随机森林(RF)模型优化了发酵条件。RF模型确定了关键因素并建立了最佳发酵条件,使得粗EPS产量达到了11.2 mg/mL,相比未优化的对照组(3.5 mg/mL)提高了220%。除了产量的显著提高外,优化的发酵过程还改善了饮料的功能性和挥发性风味。具体来说,羟基自由基清除能力提高了66.7%,而挥发性成分发生了变化,某些醛类的相对含量降低,几种酯类和酮类的相对含量增加,表明香气相关化合物发生了变化。本研究证明,RF模型可以有效地模拟发酵变量与粗EPS产量之间的关系,并可用于指导研究条件下的过程优化。

引言

枣是一种传统的药用和可食用水果,富含生物活性化合物,但在低附加值产品中往往未被充分利用(Liu等人,2014;Yuan等人,2026)。这些环境有利于乳酸菌(LAB)的生长,因为它们富含糖、维生素、矿物质和其他活性化合物(Da Silva等人,2025;Liu等人,2022)。此外,由于其丰富的营养保留能力和独特的清爽口感,枣汁是生产益生菌果汁的理想原料(Ali等人,2025;Cai等人,2025)。
使用乳酸菌(如Lactiplantibacillus plantarum)进行发酵,通过生物合成外多糖(EPS)来增强产品功能特性是一种有前景的方法。这些化合物既有助于改善口感,也有益于健康。我们之前的研究确定L. plantarum SJ-L-1是一种具有较强EPS生产能力的菌株,在MRS培养基中的EPS产量为0.4 mg/mL(未发表数据)。
尽管对L. plantarum在标准实验室培养基中的EPS生产进行了大量研究,但在复杂食品基质中实现高EPS产量仍然具有挑战性(Ding等人,2024;Zhang等人,2023)。发酵系统本质上是非线性的(Wu等人,2025),pH值、温度、基质组成和接种量等多个相互作用因素共同影响微生物代谢和产物形成(Ding等人,2025)。此外,大多数现有研究主要关注最大化EPS产量,而发酵优化对产品相关属性(如抗氧化活性和挥发性成分)的更广泛影响尚未得到充分探索(Hao等人,2025)。
为了进一步探索L. plantarum在枣汁中粗EPS生物合成的规律并最大化其含量,有必要对其发酵条件进行系统研究。然而,发酵过程的复杂性和非线性意味着许多环境因素——包括pH值、基质水平、氧气可用性、温度、微生物菌株和时间——以及它们之间的相互关系,对关键状态变量(如基质浓度、细胞生物量和产物浓度)有重大影响(Guan,2015;Xiong等人,2020;Yang等人,2024)。在生物过程中实时监测代谢物的变化并及时调整发酵条件是困难的。这一限制迫切需要优化策略和对发酵过程进行相对准确的建模。
传统的优化方法,如响应面方法(RSM),已在发酵研究中得到广泛应用,但在捕捉多个相互作用变量之间的高度非线性关系方面可能存在局限性(Singh等人,2018)。在这种情况下,机器学习方法(如随机森林(RF)提供了一种数据驱动的方法,能够在没有预先定义的数学假设的情况下模拟复杂相互作用。在本研究中,RF被用作辅助工具,帮助识别关键变量并优化发酵条件(Afzal等人,2020;Pacheco等人,2023;Thinakaran等人,2025)。
本研究的假设是:优化发酵条件可以重塑L. plantarum在枣汁基质中的代谢输出,从而共同影响EPS的积累和质量相关属性(挥发性成分和抗氧化活性)。因此,我们的目标是:(1)使用RF和RSM作为并行建模方法,确定最大化粗EPS产量的发酵条件;(2)研究优化后的发酵条件如何改变挥发性成分和抗氧化活性,同时不假设EPS本身是这些变化的唯一原因。

章节片段

微生物和接种物制备

在我们之前的研究中,从发酵豆乳中分离出了L. plantarum SJ-L-1(CGMCC编号25209),该菌株在模拟的胃肠道液体中表现出良好的存活能力。该菌株在37 °C下使用de Man, Rogosa and Sharpe (MRS)培养基进行培养。细胞通过离心(2000 ×g,5分钟,4 °C)收集。然后将菌株重新悬浮在无菌生理盐水中,得到备用细菌悬浮液(Chen等人,2024)。

枣汁制备

枣汁样品来自Gulibag(北京)食品投资有限公司

不同发酵条件对粗EPS的影响

系统地进行了单因素实验,以评估关键发酵参数对粗EPS产量的单独影响。如图1所示,在测试的碳源(葡萄糖、麦芽糖、乳糖、蔗糖)中,麦芽糖补充产生了最高的粗EPS产量,因此确定为后续实验的最佳碳源。进一步研究麦芽糖的浓度(图2)发现,粗EPS产量显著增加

结论

本研究系统地研究了L. plantarum SJ-L-1在枣汁中提高粗EPS产量的发酵条件。应用数据驱动的RF模型来识别关键变量并优化复杂发酵系统中的过程参数。结果表明,实验设计与机器学习的结合可以有效捕捉发酵变量与粗EPS产量之间的关系,并支持过程优化

美食学的意义

本研究通过使用随机森林模型优化Lactiplantibacillus plantarum SJ-L-1对枣汁的发酵,探索了食品科学、人工智能和美食学的交叉领域。除了显著提高外多糖(EPS)产量外,该研究还显著改善了饮料的风味和功能特性。
从美食学的角度来看,优化的发酵过程使果汁富含令人愉悦的奶油味和果香

CRediT作者贡献声明

王晓迪:研究、数据整理。朱巧蕾:验证、方法学、研究。张颖琪:验证、方法学、研究、概念化。陈畅:撰写——初稿、可视化、正式分析。周晨:项目管理、资金获取。朱云萍:撰写——审稿与编辑、监督、项目管理、资金获取

Han等人,2022a;Xiong等人,2020a。

作者声明没有竞争性财务利益。

? 作者声明以下财务利益/个人关系可能被视为潜在的竞争利益:朱云萍报告称获得了中国国家自然科学基金会的财务支持。如果有其他作者,他们声明没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

本工作得到了中国国家自然科学基金会(资助编号32272253)的支持。我们还要感谢Gulibag(北京)食品投资有限公司提供的枣料。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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