近日，由江南大学Runjie Cao为第一作者，题为“集成学习联合多组学：一种用于大曲质量评估与验证的新型数据驱动策略”的文章，在国际期刊《Food Research International》（IF=8）上发表。

研究通过整合多组学技术、机器学习与靶向微生物验证，系统揭示了中高温大曲质量形成的核心机制与调控策略。研究发现，驱动大曲质量形成的关键功能微生物并非丰度最高的原核菌群，而是以Rhizomucor和Saccharomycopsis为代表的真核微生物，它们呈现出“低丰度、高表达”的特征，通过高效分泌水解酶系主导发酵过程。

在此基础上，该研究构建了基于集成学习的质量评价模型，融合温度、理化和风味多维数据，首次为传统“看温定质”经验提供了量化实证，并确立了数字化分级阈值（1.897分），测试集分级准确率达97.83%。通过靶向接种上述核心功能真菌，大曲品质得到显著提升，同时验证了模型的有效性与实用性。

该研究还阐明了中高温大曲“结构-功能-质量”的关联，建立了“多组学分析→机器学习建模→靶向验证”的系统研究范式，为传统发酵食品从经验型向科学型质量控制转型提供了可推广的方法学模板。