食品工业科技

作者：邹文惠, 潘飞, 易俊洁, 周林燕

关键词：石榴,突尼斯,发酵,机器学习,Shapley可加性特征解释,挥发性风味化合物,

本研究选取90款发酵石榴汁（Fermented pomegranate juice，FPJ）中加权偏好得分最高（Highest weighted preferences score，HWPS）和最低（Lowest weighted preferences score，LWPS）的样品，分析其活菌数、糖和酸、色泽属性等指标，并进一步利用顶空固相微萃取-气相色谱-质谱（Headspace solid phase micro-extraction gas chromatography-mass spectrometry，HS-SPME-GC-MS）结合机器学习（Machine learning，ML）预测影响感官偏好的关键挥发性风味化合物。经对比分析发现，HWPS的活菌数更高表明消费者更偏好活菌数高的FPJ，而2种FPJs的色泽属性和抗氧化物质并无显著差异。在2种FPJs中共鉴定出33种挥发性风味化合物，HWPS中酸类、醇类等物质分别比LWPS高37.74%和32.90%，消费者更偏好风味化合物丰富的产品。利用ML筛选出19种关键差异挥发性风味化合物，随后通过随机森林（Random forest，RF）和自适应增强（Adaptive boosting，AdaBoost）算法建立了HWPS和LWPS的二分类模型，RF算法具有较高的预测精确度和准确性。通过Shapley可加性特征解释（Shapley Additive exPlanations，SHAP）分析得出乙酸、癸酸、肉豆蔻酸异丙酯等前9种挥发性风味化合物是影响HWPS和LWPS得分差异的关键风味化合物，其中乙酸和癸酸有利于积极的感官偏好，而肉豆蔻酸异丙酯有负面的感官影响。KEGG通路分析得到丙酮酸代谢和硫代谢途径是影响挥发性风味化合物差异的主要代谢途径。本论文利用ML结合SHAP分析预测影响感官偏好的关键挥发性风味化合物，可以为食品行业利用人工智能辅助开发具有典型发酵风味和符合消费者感官偏好的FPJs奠定理论基础。

来源：2025年第15期

《食品工业科技》期刊编辑部

查看食品工业科技杂志2025年第15期