近日，北京工商大学孙宝国院士团队联合四川郎酒在Nature旗下食品TOP期刊《npj Science of Food》（Q1，中科院1区Top，IF=9.7）上发表了题为“Investigating the flavor contributions of sulfur compounds in soy sauce flavor Baijiu using flavoromics and machine learning（风味组学结合机器学习揭示酱香型白酒中含硫化合物风味贡献）”的研究性论文。

该研究构建了高分辨检测、感官组学、多变量统计分析及机器学习算法的关键风味物质筛选策略，突破了传统筛选方法在高贡献含硫风味物质鉴定中的局限，全面解析了酱香型白酒陈酿过程中含硫化合物的动态变化及其对“酱陈香”特征风味的重要贡献。

该研究对不同年份酱酒中的挥发性含硫化合物进行系统解析，成功鉴定出88种含硫化合物。结合OAVs、OPLS-DA及感官属性相关性分析，从化学组成和感官关联两个层面评价其潜在贡献。为突破传统筛选策略在高贡献风味物质鉴定中的局限，该研究进一步引入7种机器学习算法，从不同模型原理和特征选择角度对候选化合物进行交叉验证，明确了苄硫醇、2-甲基-3-呋喃硫醇、甲基2-甲基-3-呋喃基二硫、2,4-二甲基噻唑、2-甲硫基苯并噻唑等8种含硫化合物对酱酒陈酿风味形成的突出贡献。研究建立了基于多指标一致性的关键含硫化合物筛选体系，实现了复杂体系中关键风味物质的精准识别，有效降低了筛选偏差，为复杂食品体系中特征风味物质解析提供了新的研究框架。

值得关注的是，该研究通过双基质验证实验揭示了含硫化合物风味贡献的基质依赖性：在新酒中同步提升酱陈香、花果香，而随着陈酿过程进行，其作用逐渐转向特征强化酱陈香等老熟风味特征。该研究不仅深化了对酱香型白酒陈酿风味形成规律的认识，也为复杂发酵食品体系中低含量、高活性关键风味物质的精准解析提供了新的理论依据和方法学参考。