论文部分内容阅读
白酒发酵过程是一个开放的多菌种固态发酵的过程,在发酵过程中富集了复杂的微生物菌群。这些微生物在不同的季节梯度下又受到不同气候因子的影响,进而影响菌群的代谢能力,造成了白酒在品质上的不稳定性。但目前对于气候因子如何影响酿造菌群,以及酿造菌群的人工合成机制并不清晰,因此解析气候因子如何影响酿造菌群,以及构建一个稳定的合成微生物组对于实现白酒高品质的稳定生产具有重要意义。本研究以四季梯度下中国清香型白酒酿造菌群为研究对象,以实现对酿造微生物菌群的人工构建为目标,以期实现清香型白酒的稳定生产。为此,基于酿造菌群开发了一种基于梯度内标物的绝对丰度定量技术;解析了在不同季节梯度下酿造微生物菌群的组成及其核心微生物组的判定方法;进一步深入解析气候因子对酿造菌群和风味代谢物质的驱动机制;进而提出了合成微生物组的系统构建及评价指标。主要研究结果如下:(1)针对固态酿造基质中细菌和真菌菌群绝对丰度定量困难的问题,建立了一种基于梯度内标物的微生物菌群绝对丰度定量方法(GIS-AQ)。GIS-AQ在同一内标序列上设计细菌和真菌的引物信息,便于细菌和真菌的同时定量。以模拟菌群为基础,对内标定量方程进行校准,消除基因组DNA提取过程中内标物与菌群之间的潜在偏差。通过与已知浓度的人工菌群对比,GIS-AQ的定量方法和使用显微镜定量加入的微生物浓度间没有显著性的差异(P>0.05)。因此该方法能够实现酿造体系中微生物群落的绝对丰度定量。这为研究不同时间和空间梯度下(如季节梯度)微生物菌群间的组成差异提供了技术基础。(2)在绝对丰度定量的基础之上,解析了不同季节梯度下微生物菌群的组成、绝对丰度以及其代谢潜力的差异,基于代谢潜力对酿造过程中的核心微生物类群进行了判定。在细菌菌群中,Lactobacillus、Leuconostoc、Pediococcus、Weissella、Pantoea、Staphylococcus、Bacillus、Escherichia、Brevibacterium、Acetobacter和Pseudomonas为不同季节酿造过程中的优势微生物。其中Lactobacillus在冬季的平均值(7.77×10~4 copies g-1)和最大值(1.71×10~9 copies g-1)均显著(P<0.05)高于其它季节。在真菌菌群中,Pichia、Saccharomyces、Saccharomycopsis、Aspergillus、Kazachstania、Rhizopus、Thermoascus和Candida为不同季节酿造过程中的优势真菌微生物,其中冬季中Pichia和Saccharomyces两种酵母的最大绝对丰度比例约为10~6:10~2 copies g-1。在季节梯度下微生物菌群的代谢潜力(代谢物质种类和含量的归一化处理)从大到小依次为冬季(斜率=0.015)>秋季(斜率=0.008)>春季(斜率=0.003)>夏季(斜率=0.002)。以菌群的代谢潜力为基础,分别从优势微生物、产风味功能微生物、共现性微生物和普遍存在的微生物4个层面对酿造过程中的核心微生物进行了界定。最终Lactobacillus,Saccharomyces,Geotrichum,Candida和Pichia共计5个属的微生物被定义为酿造系统中的核心微生物。(3)在解析了季节梯度下微生物及代谢物组成的基础之上,首先从不同季节梯度、不同发酵阶段揭示了清香型白酒在季节梯度下细菌菌群、真菌菌群和代谢物之间的差异。在四季梯度下,夏季细菌的多样性指数显著(P<0.05)低于其它季节。冬季真菌的多样性指数显著(P<0.05)低于其它季节。在季节梯度下,通过PLS-DA分析发现细菌菌群、真菌菌群和代谢组在不同季节梯度下均显现出了显著性(P=0.001)的差异。其次,对季节梯度下的差异微生物和差异代谢物进行了界定。基于随机森林的机器学习方法判定了3个细菌属(Pantoea、Pediococcus、Leuconostoc)、7个真菌属(Aspergillus、Candida、Hyphopichia、Pichia、Saccharomyces、Saccharomycopsis、Wickerhamomyces)和6种微生物代谢物(isovaleric acid,ethyl hexanoate、2,3-butanediol、1-hexanol、2-butanol、2-octanol)为季节差异物,且10种季节差异微生物与6种季节差异代谢物之间均具有显著(P<0.05)的相关性。再次,判定了日平均温度是16种季节差异物的关键驱动因子(细菌:P=0.001,R.I.=90.07%;真菌:P=0.003,R.I.=51.09%;代谢物:P=0.002,R.I.=51.73%)。最后,基于关键气候因子准确地对季节差异物进行了模型验证,在10种季节差异微生物的自回归移动平均(ARMA)模型中,100%的季节差异微生物的精度高于0.5,70%的季节差异微生物的精度高于0.8。在6种代谢物的ARMA模型中,100%的季节差异代谢物的精度均高于0.8。根据日平均气温驱动的ARMA模型的统计表明,64个季节点中有61个可以被准确预测,准确率为95.31%。这为发酵食品在不同季节梯度下的稳定生产奠定了基础。(4)为了验证白酒酿造过程的可重现性,构建了一个合成微生物组。全面地从菌群组成、演替规律、环境驱动因子、代谢物质组成和代谢物的原位重现5个层面对合成微生物组的效果进行了系统性的评价。在原位体系和合成微生物组体系中,其菌群的变化趋势是一致的,微生物菌群的演替方向均是线性演替,因此合成微生物组体系高度重现了一个原位系统白酒发酵微生物群的演替模式。在原位体系和合成微生物组体系中,乳酸、乙醇、乙酸、水分和p H这5种环境对两个体系的解释度均>50%,因此,它们是两个体系的环境驱动因子。在原位体系和合成微生物组体系中,风味物质的组成均被划分为起始阶段,初始生成阶段和主要生成阶段,其中风味物质形成的主体时间是在第3阶段,两个系统中风味代谢物在时间动力学上的生成阶段是一致的。与原位体系相比,合成微生物组体系中呈现出原位系统中77.27%的相似风味成分。且在两个系统中,醇和酸的比例占总风味化合物的99.85%以上。因此,合成微生物组可以实现白酒发酵过程中风味代谢物的重现。总之,本研究解决了在微生物生态领域人类从认识自然菌群到改造和控制自然菌群的过程中所要面对和克服的四个问题:1)建立了一种适用于固态基质的微生物菌群绝对定量方法;2)在季节梯度下揭示了微生物菌群的组成,并建立了一种核心微生物的判定方法;3)系统地判定了气候因子对微生物菌群和风味代谢的影响;4)建立了合成微生物组的评价标准,全面地对合成微生物组的准确性进行了判定。本研究强调了认识和控制微生物生态系统对人类服务的重要性。这对整个微生物生态领域的研究均具有积极的推动作用。