近日，贵州大学邱树毅教授团队联合贵州国台数智酒业集团股份有限公司在国际食品TOP期刊《Food Chemistry》发表题目为“机器学习增强的风味组学：识别酱香型白酒中的关键香气化合物并预测感官质量等级”的研究性论文。

本研究通过风味组学结合机器学习方法，系统探索了不同轮次基酒感官特征及其香气化合物变化，应用3种聚类算法结合10种机器学习模型，构建了基酒的感官质量等级预测模型。结果表明，不同轮次基酒的感官特征，先从前期1-2轮次的酸涩味，逐渐转变为中期3-5轮次的酱香味，再被后期6-7轮次的焦糊香取代。

通过AEDA和OAV分析，进一步确定了包括Ethyl butyrate、Ehyl isovalerate、Phenethyl acetate在内的18种关键香气活性化合物（FD>10和OAV>1）。本研究不仅为酱香型白酒的风味调控和品质优化提供理论指导，也为白酒品质的智能化评估提供了前沿创新的方法理论。

另外，今年1月，团队在国际食品期刊《Foods》发表题目为“机器学习结合多组学揭示酱香型白酒堆积发酵中关键生物标志物及其微生物群落组装机制差异”的研究性论文。

该研究通过宏基因组学和风味组学手段，结合多种机器学习算法（随机森林、KNN、逻辑回归），构建酱香型白酒堆积发酵分类模型，采用可解释机器学习的SHAP方法，筛选出Komagataeibacter、Gluconacetobacter、Ligilactobacillus和Lactobacillus等微生物是区分不同类型堆积发酵酒醅的关键生物标志物。

研究旨在解析酱香型白酒不同类型堆积发酵过程中微生物群落的组装机制及其对风味物质形成的影响，为优化堆积发酵工艺和提升酿造过程的稳定性提供科学理论依据，同时也为酱香型白酒的品质调控和智能化酿造奠定理论基础。