6月28日，天津科技大学张翠英教授团队联合国台数智酒业集团股份有限公司在国际食品Top期刊《Food Chemistry》发表题为“Microbiomics and machine learning-assisted approaches reveal amino acid patterns in high-temperature Daqu”（微生物组学与机器学习辅助方法揭示高温大曲中的氨基酸模式）的研究性论文。

酱香型白酒以其“酱香突出、酒体饱满、空杯留香持久”的独特风味而广受欢迎，其核心发酵剂——高温大曲（HTD）承载着丰富的微生物、功能酶及风味物质。然而，高温大曲的发酵是一个开放、复杂的自发过程，其微生物群落结构的多样性，导致了产品质量的不稳定。

传统上，大曲质量评价多依赖感官经验或关注挥发性风味物质，而对氨基酸等关键非挥发性成分及其形成规律的系统研究相对不足。

事实上，氨基酸是高温大曲中至关重要的氮源，其代谢模式直接影响大曲的外观色泽、风味前体物质的生成，以及最终白酒的品质和风味稳定性。因此，深入解析高温大曲发酵过程中氨基酸的动态变化规律及其驱动机制，对提升大曲生产的可控性和质量水平具有重要意义。

科研团队结合微生物组学与机器学习方法，系统揭示了高温大曲发酵过程中氨基酸模式的动态变化及其与核心微生物群落的紧密关联，并成功构建了基于关键微生物和易测理化参数的氨基酸含量高精度预测模型。这为深入理解高温大曲复杂发酵体系中微生物-代谢物互作机制提供了新视角，同时，也为传统发酵食品的质量评价与控制，提供了一种全新的、基于数据的科学策略。

通过监测关键微生物和少数理化参数，即可预测和调控核心代谢物的生成，这有望显著提升高温大曲生产的标准化水平和产品质量稳定性，推动传统酿造产业的智能化和高质量发展。该研究提出的方法框架，也具有应用于其他复杂发酵体系代谢物模式分析的潜力。