《食品科學》：江南大學毛健教授、任青兮博士等：基于代謝組學解析黃酒非揮發性成分的研究進展

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

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

江南大學食品學院的趙詩睿、任青兮*、毛健*等對代謝組學的發展及其在黃酒NVCs分析中的應用進行概述，進一步補充大數據、人工智能技術及網絡藥理學在代謝組學分析中的融合與交叉，并總結黃酒主要NVCs的研究進展，以期為進一步應用組學方法解析黃酒NVCs組成及特性提供思路。

01

代謝組學的發展及其在黃酒NVCs分析中的應用

1.1 代謝組學的形成及發展

Nicholson等于1999年提出了代謝組學技術，該技術最先用于對生物體組織或細胞中的小分子代謝物進行定性、定量和動態研究，是對基因組學和蛋白質組學的進一步發展和補充。近年來，代謝組學在食品領域的應用逐漸成熟，在食品成分分析、質量控制、加工過程、污染物檢測、毒理學和微生物學等方面展現出巨大的應用潛力。

根據研究目標和分析思路的不同，代謝組學又發展為3 個方向：靶向代謝組學、非靶向代謝組學和廣泛靶向代謝組學，3 種方法各具特點（表1）。整體來講，靶向代謝組學專注于預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的化合物，該方法對物質純化的水平要求高，物質鑒定時只采集與目標代謝物相關的離子譜圖信息，通過建立和優化MS或NMR方法，依賴目標代謝物標準品實現特定代謝物的準確定量，適用于一些特定代謝途徑的研究。非靶向代謝組學主要追求檢測更全面的代謝物質，不進行任何物質預設，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譜儀，優先檢測樣本中豐度較高的代謝離子，該方法數據量龐大，適用于新生物標志物的挖掘。廣泛靶向代謝組學則是結合了前兩者的特點，既關注已知代謝物，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，同時高分辨率質譜儀在匹配的監測模式下對代謝物進行靶向采集，同時實現了“廣泛性”和“準確性”，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

靶向代謝組學的思路最早被應用于醫學研究和藥物治療，該手段十分依賴于已知代謝物或預設代謝物信息，通過分離靶標并排除無關信號，可選擇性檢測目標代謝物，并通過內標法實現相對定量或外標法實現絕對定量，同時基于KEGG等富集分析可將代謝物映射在相關的代謝途徑中。然而，代謝物覆蓋率低、已知化合物數量較少或標準品制備困難是其存在的主要問題。總之，靶向代謝組學需要依靠特定的分析標準對一種或一組已知代謝物進行精準定量，這些代謝物通常與特定途徑或生物活性相關，并且靶向研究更傾向于關注定量代謝物的含量變化。

1.1.2 非靶向代謝組學

非靶向代謝組學對小分子代謝物進行無偏向性全面檢測，側重于檢測盡可能多的代謝物組，以獲得“圖譜”或“指紋”特征，而無需識別或定量預設化合物。指紋分析和輪廓分析是非靶向方法中常用的兩種策略。指紋分析可識別譜圖中最重要的區域，利用化學計量學工具（如主成分分析（PCA））對不同區域中獲得的組分進行分類，以獲得樣品的特征指紋圖譜。輪廓分析則是基于數據庫或軟件工具，在限定條件下對代謝產物進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。非靶向代謝組學優點是對代謝物的評估相對廣泛，物質覆蓋率相對較廣，可用于初步的定性，但由于標準品受限，可能還會出現假陽性信號干擾，無法提供物質的絕對定性定量數據。此外，非靶向代謝組學的挑戰還在于如何確定譜峰中對應代謝物的“身份”，為解決這一問題，需要不斷更新與擴大相應數據庫，如Tautenhahn等推出METLIN4代謝物數據庫，大幅提高了二級質譜離子碎片數據匹配的速度，簡化了非靶向代謝組學流程。在應用方面，Cao Xuedan等基于超高效液相色譜-串聯質譜（UPLC-MS/MS）的非靶向代謝組學方法，在葡萄柚雞尾酒中鑒定出1 015 種植物化學物質，探究了發酵前后代謝物的變化特點；錢敏等采用非靶向代謝組學結合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及含量提供了科學依據。與靶向代謝組學對比，非靶向代謝組學提供的代謝物信息更為豐富全面，不會遺漏樣品代謝組的大部分分子信息，而黃酒發酵正是一個復雜代謝物體系動態變化的過程，該方法可為研究黃酒釀造過程代謝物整體變化規律提供有力工具。

1.1.3 廣泛靶向代謝組學

廣泛靶向代謝組學結合了靶向代謝組學“準確性”和非靶向代謝組學“廣泛性”的特點，具有高通量、高靈敏度、廣覆蓋率、能夠識別新的代謝區域等優點。該方法最早應用于闡明植物體內代謝物積累模式，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，結合數據庫識別已知代謝物。目前，廣泛靶向代謝組學方法被廣泛應用于檢測分析食品中小分子化合物、識別關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-三重四極桿串聯質譜（UPLC-ESI-Q TRAP-MS/MS）的廣泛靶向代謝組學方法首次從黃酒中鑒定出997 個NVCs，揭示了不同產地黃酒的代謝產物組成差異，為黃酒的質量控制、保健功效及產業化開發提供了理論參考。此外，廣泛靶向代謝組學與網絡藥理學分析、分子對接等技術的結合也備受關注，為識別診斷生物標志物、揭示活性分子作用機制和發掘潛在治療靶點的工作提供了有效手段，廣泛靶向代謝組學未來將有可能繼續與多學科從不同維度結合，在食品功能因子機制解析、疾病靶向治療等方面得以應用。

1.2 代謝組學應用于黃酒NVCs分析的基本步驟

黃酒因其多樣的發酵原料、廣泛的地域分布及獨樹一幟的釀造工藝而形成了風味組成復雜、營養物質豐富、區域性品種繁多等鮮明特點，因此對于不同類型的酒樣需要結合檢測方法與研究對象選擇適當的處理與分析策略。圖2總結了黃酒的代謝組學分析基本流程。

1.2.1 樣品前處理

黃酒樣品前處理包括總樣品收集與預處理、初分離和再分離的基本步驟，以達到除雜純化、適應儀器檢測條件等目的。首先根據需要對黃酒樣品進行過濾、離心、稀釋、濃縮等預處理，以達到除去雜質、調整濃度、初步富集目標物等目的。在初分離階段，需要根據目標成分的理化性質選擇分離方法。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時能有效避免熱敏性物質的分解；同時蒸餾萃取（SDE）能同時分離和收集VOCs，效率更高；溶劑輔助蒸餾（SAFE）通過溶劑與目標物的協同作用，低溫條件下實現高效、廣譜的成分提取，尤其適用于黃酒熱敏性VOCs的分離。總之，蒸餾法利用化合物揮發性的差異，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）、超臨界流體萃取（SFE）、固相萃取（SPE）、浸入式固相微萃取（DISPME）、浸入式攪拌棒吸附萃取（DI-SBSE）等。初分離后，為了進一步提高目標物質的富集度，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進一步純化為糖類、蛋白質類、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、超濾膜萃取等技術提取活性多糖的思路也可借鑒。總之，代謝組學分析的準確性與穩定性很大程度上依賴于樣品前處理，應該以研究目標為導向，結合研究對象特點進行樣品收集與多級分離純化工作。

1.2.2 代謝物分析與檢測

代謝組學數據獲取依賴于高精度分離技術和高靈敏性檢測方法。色譜分離技術、質譜檢測技術和NMR技術在代謝組學研究中應用最為廣泛，也是鑒定物質和明確物質含量變化的有效工具。目前，尚沒有單一分析技術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（包括LC、GC、毛細管電泳（CE））與代謝物鑒定技術（包括MS和NMR技術）相結合，實現先有效分離再準確檢測的目的。VOCs主要通過GC結合MS技術進行分析，傳統的GC-MS技術通過電子轟擊電離生成碎片離子譜圖，結合NIST等數據庫進行物質鑒定。近年來，多維色譜技術（如GC×GC）與高分辨率質譜（如TOF-MS）的聯用顯著提升了分離能力和檢測通量。此外，GC-IMS因無需復雜前處理、快速檢測揮發性指紋圖譜的特點，被廣泛應用于黃酒釀造過程VOCs的實時監測。NVCs主要依賴LC技術進行分離，LC以不同極性的液體為流動相，有正相色譜和反相色譜之分，同時，根據分離機理又分為吸附色譜、分配色譜、離子交換色譜和凝膠色譜。此外，在柱效的改進和柱材的優化下，發展出了高效液相色譜（HPLC）、UPLC等技術，并在非揮發性代謝物的研究中得到廣泛應用。

1.2.3 數據處理與可視化

代謝組學得到的數據量通常比較龐大，涉及大量代謝物及多種因素影響，因此數據處理是非常重要的環節，包括預處理、代謝物定性定量、數據統計學分析、下游生物信息學預測基本步驟。首先，數據預處理包括數據優化、歸一化、標準化和數據轉換，數據優化目的在于增強“信號”和減少“噪音”，例如基于MS平臺數據的峰對齊、基線校準和反卷積，或是基于NMR平臺數據的信號消除、化學位移校準、分檔等；數據歸一化與標準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，不同的預處理方法會影響變量統計結果。其次，代謝物的定性和定量是研究差異性的數據基礎，靶向代謝組學可以通過標準品準確定量或半定量，并通過標準品數據庫直接定性，非靶向或廣泛靶向代謝組學可以通過公共數據庫及自建數據庫對物質定性，并根據峰面積對物質進行相對定量。此外，生物信息學和數學統計工具是分析和注釋數據集的關鍵，目的在于以龐大的代謝物體系為多變量，確定與所研究現象相關的代謝物、得選出關鍵的候選生物標志物或明確樣品間代謝物的差異變化，最后通過數據可視化呈現結果。

基于統計學方法可以對數據進行初步解釋，例如單變量分析、多變量統計分析、網絡分析等。其中，單變量分析方法（如描述性分析、顯著性檢驗、t檢驗、Mann-Whitney U檢驗等）較為直觀，其核心原理是通過獨立檢驗代謝物的組間差異，從而快速考察各個代謝物在不同樣品類別之間的差異，在數據量較小或目標明確時，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同變化，突出變量間的關聯性，適用于數據降維可視化、樣本聚類趨勢分析和多變量標志物得選，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督學習和有監督學習兩類，核心區別在于數據是否具有標簽，兩者互為補充，實際應用中常結合使用。在無監督學習中應用較為廣泛的是PCA，針對黃酒樣本的高維代謝組數據，PCA通過數據降維以有限變量總結數據主要特征，使代謝物形成相互區分的板塊即“聚類”，以此觀察數據是否具有組間分類趨勢或數據離群點，從而判斷各變量之間的差異關系或尋找標志物，但局限在于無法直接與分組表型關聯，適用于無標簽或探索性研究。有監督學習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，在降維的基礎上利用標簽構建預測模型，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，適用于分類預測、標志物得選或建立代謝物與表型的關聯，但需明確分類標簽（如產地、年份等），且需充足樣本量，過擬合風險高，通常需要對模型進行驗證與檢驗。總之，在實際應用中，可以基于數據特征（維度、分布、標簽完整性）及研究目標綜合運用多種統計學方法，或對現有方法進行改進。

1.3 人工智能算法與大數據技術在代謝組學數據挖掘中的應用

近年來，人工智能算法與大數據技術的發展為黃酒代謝組學數據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用于原始質譜數據處理、特征提取、標志物識別與分類、預測建模、構建網絡分析等諸多方面。在原始質譜處理方面，基于深度神經網絡架構（如卷積神經網絡、圖卷積網絡、U-Net等）開發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據質量。在特征提取環節，機器學習和深度學習算法通過特征提取與數據降維，可以精準鎖定關鍵代謝物，預測代謝物變化趨勢。例如，利用基于決策樹的機器學習模型（如XGBoost和隨機森林）可高效分析黃酒陳釀過程中的代謝物變化，并預測關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數據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志物識別與分類，得選出與黃酒品質密切相關的生物標志物，在黃酒功能性組分的預測和分類中展現出巨大潛力。例如，支持向量機和長短期記憶網絡被用于不同陳釀年份黃酒的質量評價和成分預測，能夠快速識別代謝物并構建預測模型，充分展現出人工智能在代謝組學數據分析中的優勢。在預測模型搭建工作中，將長短期記憶網絡、圖神經網絡等機器學習應用于時序代謝動態預測和功能活性推斷，可為發酵優化或功能成分開發提供理論支持。不僅如此，基于人工智能的風味組學分析技術可實現關鍵風味物質的智能得選，將自然語言處理與感官評價結合，為黃酒風味的定向富集調控提供新的思路。大數據技術為代謝組學研究提供了強大的數據存儲和處理能力。例如，通過構建黃酒代謝組學數據庫整合多源數據（如GC-MS、LC-MS和NMR數據），可以實現對代謝物的全面注釋以及代謝網絡的構建。此外，大數據分析還能進一步揭示黃酒組分與環境因素之間的關聯，幫助闡明黃酒組分的來源與影響因素，從而為黃酒生產工藝的優化提供理論支持。人工智能算法的核心優勢在于其高維度數據處理能力、非線性模式識別及自動化流程，其與大數據技術的交互合作使代謝組學從“數據密集型”邁向“智能驅動型”，但亦面臨數據質量依賴、數據標準化與共享機制不足、模型性能不齊及可解釋性存在差異、樣本數量限制等挑戰。未來動態代謝網絡建模、可解釋性人工智能算法與多組學數據融合將成為突破方向，以不斷提高組學數據分析的高效性和精確性，深入揭示黃酒發酵過程中多因素與代謝物變化之間的關系，推動黃酒研究從成分表征向機制解析跨越，為黃酒的品質提升和個性化開發提供科學依據，也為傳統釀造工藝的精準調控與功能因子開發提供科學范式。人工智能、大數據與代謝組學間的聯系如圖3所示。

1.4 網絡藥理學在代謝組學中的應用

網絡藥理學起源于中醫藥研究，并由系統生物學和生物網絡分析技術推動發展而來，旨在通過構建藥物-靶點網絡、基因-疾病網絡等生物網絡模型，預測藥物成分的潛在作用靶點，并探討其與病癥的相關性，從而系統地揭示藥、食源功能因子的作用機制。

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、多途徑的生物活性，與中藥特性高度相似。因此，網絡藥理學方法可應用于揭示黃酒功能性成分的多靶點作用機制，為黃酒功能性成分的分析提供有力補充。具體而言，代謝組學技術用于鑒定黃酒中的代謝組分，而網絡藥理學則用于預測這些代謝組分的潛在靶點，并構建代謝組分-靶點-疾病網絡，通過這種交叉應用，能夠快速、高效地識別黃酒藥效成分，從而深入理解黃酒的保健功能。目前，通過網絡藥理學研究，已成功預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 種中藥關鍵有效成分和78 種抗病有效成分。此外，網絡藥理學在黃酒成分研究中還具有更大的應用潛力，例如可用于黃酒活性成分的得選與靶點預測、黃酒功能性成分的作用機制研究及多成分協同分析等，從而為黃酒的質量控制及保健功效提供豐富的理論依據。然而，代謝組學和網絡藥理學的結合仍面臨一些挑戰，例如缺乏對外源性成分及相關靶點的全面獲取，容易出現假陽性結果，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性分析。因此，未來的研究還需進一步完善從代謝組學數據到網絡藥理學模型的對接模式。

總之，代謝組學的分析手段仍在不斷完善和發展中，隨著新統計方法、分析平臺的發展和多學科技術的交叉應用，代謝組學將進一步提高數據的準確性和可靠性，為生物信息學和相關領域的研究提供更有力的支持。未來將代謝組學技術應用于黃酒發酵過程檢測、黃酒NVCs代謝途徑研究或建立黃酒-疾病之間的代謝物網絡聯系，可為深入挖掘黃酒特殊功能因子、推動黃酒生物改造技術進步、改善或治療酒精損傷性疾病等提供理論基礎。

02

黃酒NVCs的主要類型及其功能研究進展

代謝組學的發展和應用揭示了黃酒NVCs的復雜性，其中糖類、含氮化合物類、有機酸類、酚類及其他微量元素在黃酒中發揮了特殊的生物活性，是黃酒中的主要功能性組分，目前相關研究主要圍繞其物質含量、組成、來源、功能機制等角度展開。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，大部分產生于谷物原料的酶解，還來源于未完全發酵的殘糖和糊精，這些糖類不僅為黃酒提供甜味，還是發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味。受釀酒原料、產地、釀造工藝等影響，不同類型黃酒糖含量差異顯著，干黃酒糖分質量濃度小于15.0 g/L（以葡萄糖計），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、核糖和乳糖的質量濃度較低，基本低于1 g/L（表2）。黃酒低聚糖由3～10 個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）的分支結構簡單，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構，難以直接在消化道內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糖苷合成，質量濃度約為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。這些低聚糖不被機體消化吸收而直接進入大腸，不僅可以直接調節腸道菌群結構，間接促進一些營養物質（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、提高機體免疫力、預防癌癥等方面發揮作用。為了增加功能性低聚糖含量，可從原料、工藝和菌種方面進行優化，例如采用支鏈淀粉含量高的糯米或添加小麥麩皮，延長糖化時間促進支鏈淀粉的酶解與轉糖苷反應或進行菌種改造，為功能性黃酒的開發提供思路。此外，低聚糖還可與蛋白質、酚類物質等形成聚集或沉淀復合物，其與多糖的交互作用也可能潛在影響黃酒的穩定性。黃酒多糖主要由原料酶解、乳酸菌合成、酵母細胞自溶等途徑產生，其鏈長差異很大，由幾十個至成百上千個單糖聚合而成。Yang Yi等經結構解析與預測，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，多項研究通過有機溶液沉淀、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行提取分析，并從自由基清除、巨噬細胞分泌、信號傳導等角度對黃酒多糖的抗氧化活性、體外免疫調節活性、抑制氧化應激、抗炎、腸道微生物調節等功能進行了驗證。

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。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酵過程中對單糖進行還原生成。目前關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、微生物群落和優勢菌種、發酵工藝和條件等方面的差異。

結合代謝組學方法，已經可以對黃酒中大部分糖類和糖醇類物質進行鑒定，探究發酵條件的影響及部分糖類的健康效應。然而，目前對單一糖組分純化、精細結構解析、分子作用機制等認識水平仍然有限。因此，未來黃酒糖類物質的研究趨向于應用新分離分析技術進行單一組分純化與復雜結構解析，加強與化學、醫學、生物信息學等多學科交叉合作，共同推動黃酒中糖類物質的研究進程。

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、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，與酒曲混合后進行雙邊發酵，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。據報道，黃酒中蛋白質和肽的平均質量濃度約為（4 210±430）mg/L，遠高于葡萄酒（蛋白質量濃度15～230 mg/L）和日本清酒（總氮質量濃度250～1 190 mg/L）。多肽賦予了黃酒獨特的感官特征，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和血管緊張素轉換酶活性抑制肽QSGP、VEDGGV、PST、NT、LY，采用膜分離、分子印跡等技術，可從黃酒中富集某些活性多肽，為功能性黃酒開發提供原料基礎。然而，對于黃酒多肽的研究是在最近幾十年才開始得到關注，主要圍繞肽的風味功能、抗氧化、降血壓、降膽固醇、調節脂質代謝和腸道菌群等活性展開。由于現有技術很難從黃酒中提取到純度可觀的目標多肽，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與特性研究仍十分有限，許多肽的有益活性仍待發掘。

黃酒中氨基酸大致可分為蛋白質類游離氨基酸和非蛋白質類氨基酸。蛋白質類游離氨基酸質量濃度約為1 634～5 923 mg/L，是發酵過程中酵母的主要氮源，也是黃酒風味物質或風味物質的前體，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。苦味氨基酸主要包括亮氨酸、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黃酒苦味的主要貢獻物質之一，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中間體Fru-Glu也是黃酒中新發現的重要鮮味物質，其鮮味強度可達谷氨酸的1.6 倍。目前，通過精細化調控氨基酸組成（如促進鮮味氨基酸積累或抑制苦味氨基酸生成），已成為優化黃酒滋味的手段之一。黃酒中還富含γ-氨基丁酸，質量濃度約為27.42～70.51 mg/L，作為一種非蛋白質類氨基酸，γ-氨基丁酸是動物體內一種重要的中樞神經系統抑制性神經遞質，具有抗抑郁、抗腫瘤、恢復腦細胞功能、改善神經機能、降血壓和抑制肥胖等功能。同時，黃酒在貯存過程中受環境影響會產生膠體渾濁蛋白，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化合物，通過相應氨基酸脫羧合成。適量生物胺有益于人體健康，但是過量攝入會引起頭痛、嘔吐、心悸、呼吸紊亂等嚴重危害。黃酒中生物胺質量濃度約為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尚無生物胺限量的規定。EC是黃酒在發酵過程中由含氮化合物不完全代謝產生的氨甲酰化合物（如尿素和瓜氨酸）與乙醇反應產生的，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、風味、酒體穩定性、健康功效等方面發揮了重要作用。然而，目前研究熱點主要聚焦于肽類物質的分離鑒定，對其他氮類化合物的認識與發掘都很有限，需要進一步提高功能探究的深度，拓展含氮類物質認知的廣度。

2.3 有機酸類

黃酒pH值約為3.5～4.8，有機酸種類豐富，質量濃度約為6 300～12 300 mg/L，包括揮發性有機酸（如乙酸、丙酸、戊酸等）與非揮發性有機酸（如乳酸、蘋果酸、丁二酸、丙酮酸、草酸等）。這幾十種有機酸來源于微生物分泌和乙醇發酵過程，約70%的有機酸在初級發酵過程中產生，因此通過控制發酵條件能夠調節黃酒中有機酸含量。揮發性有機酸在一定程度上貢獻了香氣復雜度，非揮發性有機酸則決定了黃酒總體酸度和酒體酸堿穩定性，并具有抑制雜菌生長的作用，同時酸也是醇酯的前體，為酒的呈香呈味做出了貢獻。乳酸是黃酒的主體有機酸，余松柏等采用HPLC法測定不同種類酒樣中的13 種有機酸含量，發現黃酒中乳酸含量遠高于其他酒類，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酸為指標的指紋圖譜，結合化學計量學分析，建立黃酒的識別與質量評價方法。應用非靶向代謝組學的GC-MS法也可用于探究黃酒中有機酸的相對含量與組成差異。隨著代謝組學的應用成熟，可為解決黃酒酸敗、監測控制有機酸比例等問題提供幫助。

2.4 酚類

酚類物質是指芳香烴苯環上的氫原子被羥基取代而成的化合物。黃酒酚類物質主要包括酚酸類、黃酮類、單寧類、酚醛類等。部分酚類物質（一般為一元酚）具有揮發性，如愈創木酚和4-乙基愈創木酚，是黃酒中的痕量揮發性物質，以下主要圍繞非揮發性酚類物質進行總結。在較長的發酵周期中，麩皮中大量酚類物質會溶于酒體，同時微生物代謝作用促進了酚類物質積累。除了受酚類物質標準品種類的制約，不同測定方法也在很大程度上影響了酒中酚類物質測定的準確性。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量濃度（以沒食子酸計）為137.37～308.14 mg/L，平均質量濃度為211.76 mg/L。HPLC-MS法結合多酚物質標準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法結合外標定量可以同時測定市售黃酒中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，但是這些結果遠不能覆蓋黃酒中的多酚類物質。廣泛靶向代謝組學方法覆蓋率高，可以最大程度上提供黃酒中酚類物質信息，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，但是難以進行準確定量。

黃酒多酚對維持酒體的非生物穩定性具有重要意義。一方面，多酚作為抗氧化劑能夠保護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。更為關鍵的是，黃酒多酚由于其獨特的酚羥基結構，能夠清除體內活性氧和氧自由基，減少或抑制機體組織中氧化反應過程，具有抗衰老、抗糖尿病、抗癌和預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，黃酒多酚可以保護蛋白質、脂質和核酸等關鍵細胞成分免受氧化損傷，從而降低與氧化應激相關疾病的發病率。此外，黃酒多酚能抑制同型半胱氨酸誘導的血管平滑肌細胞遷移和增殖，調節相關酶的表達平衡，減緩高脂飲食模型下的動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的大鼠心臟成纖維細胞的激活和心臟纖維化，從而減輕阿霉素的心臟毒性。進一步研究發現，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揮重要的健康功效，目前研究不僅受限于酚類物質定性的覆蓋率和定量的準確性，還受到糖、蛋白等組分締合的干擾，酚類物質的提取分離仍有較大難度。圍繞以上問題進行思考和突破，才能進一步推動黃酒酚類物質的功效探究，拓寬健康黃酒的發展前景。

2.5 其他

黃酒中還存在一定含量的維生素、礦物質、雜環類化合物、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質量濃度可達5.71～43.20 mg/L，但其會隨著貯藏時間的延長而下降。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節人體新陳代謝、增強免疫系統等方面發揮重要作用，VB6和VB12還具有降低血漿同型半胱氨酸、減輕大鼠動脈粥樣硬化的效果。

黃酒中礦物質種類同樣豐富，含有Ca、Mg、K、P、Fe、Cu、Zn、Se、Mn、Cr等30余種礦物元素，這些無機物以離子形式被人體吸收，并在生長發育和其他生命活動中發揮重要作用（表5）。早期楊國軍等發現黃酒中K、Mg、Ca、Zn、Se含量豐富，它們是心血管系統的重要保護因子。錢俊青等發現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。礦物質含量受到釀酒原料、地域、水質和貯存方式等的影響，駱思銘等通過一種ICP-MS法測定不同產地的市售黃酒中無機元素含量，發現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。

黃酒中還有一定含量的雜環類化合物，包括內酯類（如γ-內酯）、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，但能賦予黃酒獨特的品質和口感。例如，γ-內酯具有椰香和果香，δ-內酯具有奶油香和焦糖香，這些內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，具有改善微循環和腦血流、抑制血小板聚集和血栓形成、保肝護肝、抗腫瘤等功效，古越龍山加飯酒中四甲基吡嗪質量濃度為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-環檸檬醛、銀線草內酯醇、木香烴內酯、異香附醇、β-桉葉醇、坡模酸等在內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、鎮痛等活性。

03

結 語

黃酒作為中國國酒，以“用曲制酒、雙邊發酵”的獨特釀造工藝形成了包括糖類、肽和氨基酸類、酚類、有機酸類等多種成分在內的復雜基質與體系。其中，NVCs賦予了黃酒獨特的滋味、營養價值及潛在健康功效，其多樣性和復雜性也是區別于其他酒類的關鍵特征。因此，深入解析黃酒NVCs的組成及功能特性，并以此設計工藝優化或定向調控技術，是提升黃酒品質及其健康價值的關鍵，對于推動黃酒產業創新發展具有重要意義。代謝組學技術的引入和發展為黃酒NVCs分析提供了強大工具和數據基礎，通過靶向、非靶向和廣泛靶向代謝組學策略，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、變化規律、代謝機制和生物功能。此外，人工智能、大數據與多組學技術的融合進一步實現了代謝標志物的智能得選與機制預測，推動了黃酒基礎理論的系統解析。

然而，目前研究仍存在諸多問題：技術層面受限于難分離或微量成分的準確定量、組學檢測技術靈敏度和準確性仍需平衡、未知代謝物解析不足等；功能機制方面缺乏對多組分協同效應、體內代謝路徑及分子靶點的系統性解析；還存在數據庫與標準化評價體系不足、成果產業化銜接尚不完善等問題。未來研究需以技術創新和跨學科融合為核心，以功能為導向挖掘黃酒活性成分的調控靶點，并推動傳統釀造技藝的科學化轉型，構建“成分-風味-功效”三位一體的評價體系，以促進黃酒從傳統釀造向精準健康產業跨越，推動黃酒產業的可持續發展。

第一作者：

趙詩睿，江南大學食品學院碩士研究生，研究方向為黃酒組分及其功能。

通信作者：

毛健教授，江南大學食品學院教授，工學博士，博士生導師。中組部“國家高層次人才特殊支持計劃”領軍人才，科技部中青年科技創新領軍人才，中國酒業科技領軍人才，科技部傳統發酵食品首席科學家。享受國務院政府特殊津貼，江南大學“至善特聘教授”，江南大學傳統釀造食品研究中心主任，國家黃酒工程技術研究中心副主任，江南大學（紹興）產業技術研究院院長，海洋生物資源高值化利用與裝備開發廣東省工程研究中心主任。

毛健教授長期從事傳統釀造食品、功能食品及海洋食品的微生物、風味、功能化和工程化研究，及其相關產品的深度開發與應用。首次提出通過“酒體設計”及“微生物代謝”調控技術調控黃酒中易深醉物質的含量，成功提高黃酒的飲用及飲后舒適度，并實現工業化應用，在黃酒風味研究、黃酒機械化新工藝體系重塑實踐上取得了突破性成果。以第一完成人獲得國家技術發明獎二等獎、中國專利銀獎。主持完成國家863計劃、十三五國家重點研發計劃項目、十四五國家重點研發計劃、國家自然科學基金重點項目、面上項目等20余項。已發表學術論文260余篇，其中SCI論文100余篇。申請國家發明專利200余項，已授權100余項，其中授權國際發明專利6項。獲省部級以上科技獎勵30余項，完成科技鑒定35 項。主編《黃酒釀造關鍵技術與工程應用》、《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》。團隊與加州大學戴維斯分校（UC DAVIS）建有“江南大學-加州大學戴維斯分校發酵食品與飲品聯合研究中心”。

本文《基于代謝組學解析黃酒非揮發性成分的研究進展》來源于《食品科學》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。點擊下方閱讀原文即可查看文章相關信息。

實習編輯：李雄；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