近日，食品與生物工程學院吳韜教授課題組在食品國際Top期刊Food Chemistry（Q1，IF: 6.5）發表題為“Identifying distinct markers in two Sorghum varieties for baijiu fermentation using untargeted metabolomics and molecular network approaches”的研究論文。食品與生物工程學院吳韜教授為通訊作者。

中國白酒以其獨特的風味享譽世界，其卓越的品質在很大程度上取決于發酵過程中所選用的高粱品種。盡管如此，我們對于糯高粱（川粱紅9號）與粳高粱（北方雜交粳高粱）品種通過發酵過程中的代謝產物如何綜合影響白酒風味形成的具體機制，仍然缺乏深入的理解。為了填補這一知識空白，本研究采用了非靶向代謝組學技術，并結合特征分子網絡分析（Feature-Based Molecular Networking，FBMN），深入探究了這兩種高粱品種在發酵過程中所展現的獨特代謝特性。通過FBMN分析，研究人員在窖池發酵的糯高粱和粳高粱的糟醅中鑒定出了267種代謝物。進一步的多維統計分析揭示了鞘脂、2,5-二酮哌嗪以及蛋氨酸衍生物等關鍵代謝物，它們在白酒品質控制中扮演著至關重要的角色。這些突破性的發現不僅極大地豐富了我們對白酒風味形成機制的認識，也為優化和調控白酒的風味品質提供了重要的科學依據。

亮點：1、本研究將白酒品質與糯高粱及粳高粱品種聯系起來。2、分子網絡分析指導了未知代謝物的推斷。3、通過統計分析識別出101種特征代謝物。4、在鞘脂和2,5-二酮哌嗪中發現了關鍵差異之處。5、這些結果為高粱育種和白酒品質提供了解析。

實驗設計：

實驗結果：

1. 通過基于特征分子網絡（FBMN）探索兩種高粱組的化學空間

在本研究中，我們通過非靶向超高液相色譜-四極桿-飛行時間串聯質譜（UHPLC-Q-TOF-MS/MS）技術，全面分析了糟醅中的所有代謝物。如圖S1所示，優化的總離子色譜圖（TIC）清晰地展示了兩組糟醅樣本在20分鐘內離子的分離情況。特別值得注意的是，TIC圖譜中突出顯示了兩組樣本中不同代謝物的顯著峰值，這表明它們在代謝物分布上存在顯著差異。

研究利用基于特征分子網絡（FBMN）技術，分析了糟醅樣品的化學成分多樣性。在正離子模式下，我們共提取了24,030個節點（化合物），形成了22,666個分子家族（節點數≥2）（見圖S2）。相反，在負離子模式下，共提取了19,956個節點，形成了17,893個分子家族（節點數≥2）（見圖S3）。節點以彩色餅圖的形式呈現，展示了兩組樣本中代謝物的相對豐度——紅色代表糯高粱組，綠色代表粳高粱組。較大的節點對應于在GNPS數據庫中鑒定的化合物，從而總共鑒定出267種化合物（見表S1）。這些代謝物可以廣泛地分為16個類別，包括脂質及其衍生物（81種）、氨基酸及其衍生物（44種）、黃酮類（30種）、肽類（26種）、有機雜環化合物（18種）、酚丙酸類和多酮類（16種）、芳香族化合物（11種）、有機酸及其衍生物（9種）、生物堿及其衍生物（7種）、有機含氮化合物（6種）、有機氧化合物（6種）、其他（6種）、有機氮化合物（2種）、吲哚及其衍生物（1種）、木脂素、新木脂素及其相關化合物（1種）、有機氧化合物（1種）。脂質和氨基酸作為主要代謝物脫穎而出。括號內的數字表示每個類別中化合物的數量。

2. 可視化化學結構相關性

通過應用FBMN算法，具有相似MS²碎裂模式的化合物往往會聚集形成分子家族。因此，本研究進行了深入的手動分析，以探究鞘酯、小肽和黃酮類分子家族內部分子之間的結構聯系，目的是直觀地展示這些分子家族中存在的化學結構相關性。通過這種分析，我們能夠為那些尚未被GNPS數據庫收錄的成分提供一個科學的推斷基礎。

2.1 鞘脂分子家族的注釋

在本項研究中，共鑒定出81種脂質物質，是糟醅中非揮發性代謝物中數量最多的一類物質。本研究所注釋的脂質均屬于鞘脂類，據我們所知，這是首次在糟醅中探索鞘脂。鞘脂具有高度復雜的結構，通常由三個主要結構部分構成，包括一個鞘氨醇堿基、一個羧酸烷基鏈和一個極性官能團。圖1A展示了分子家族M1，涵蓋了所有從糟醅中鑒定出的鞘脂化合物。圖1B和C分別展示了D-赤型鞘氨醇和植物鞘氨醇的MS²譜圖，突出顯示了從GNPS數據庫中匹配的化合物。在此，我們對不同分子家族的代表性成分進行了手動分析，以提高鑒定結果的可靠性。

圖1. 脂質分子家族及通過MS²質譜法的結構推斷。脂質分子家族（A）；D-赤型鞘氨醇（B）；植物鞘氨醇（C）

在本研究中，化合物B的前體離子在m/z 302.3044 [M+H]⁺處被觀察到，這與D-赤型鞘氨醇（Sphinganine）的質荷比相匹配（見圖1B），其特征碎片離子包括m/z 284.2951、m/z266.2870、m/z 254.2834和m/z 60.0446。其中，m/z 284.2951是由前體離子失去一個水分子([M+H-H₂O]⁺)產生的，而m/z 266.2870來自[M+H-2H₂O]⁺，m/z 254.2834則來源于[M+H-H₂O-CH₂O]⁺。此外，m/z 60是由主鏈斷裂[M+H-C₁₆H₃₃O]⁺產生的，這是D-赤型鞘氨醇的一個特征性碎片離子。鞘氨醇中C₂-C₃鍵的斷裂可確定它們是1-脫氧而不是3-脫氧化合物

化合物C的前體離子在m/z 318.2971 [M+H]⁺處被檢測到，這與植物鞘氨醇（Phytosphingosine）的質荷比相對應（見圖1C）。值得注意的碎片離子包括m/z 300.2865、m/z 282.2762、m/z270.2789和m/z 60.0432。這些碎片離子的發現，為進一步的結構鑒定和分析提供了重要信息。

2.2 肽類分子家族的注釋

2,5-二酮哌嗪（DKPs）是由兩個α-氨基酸縮合形成的環狀二肽，在諸如細菌和真菌等多種天然資源中被發現。

在本研究中，利用特征分子網絡分析（FBMN）平臺，我們鑒定了糟醅中的代表性肽類。圖2A展示了分子家族M2和M3，分別代表環狀肽和線性肽。圖2B中，化合物B的母離子為m/z211.1439 [M+H]⁺。我們觀察到一個特征碎片離子在m/z 183.1482處，這是通過從母離子中消除一個羰基團產生的，從而將其鑒定為環（亮氨酸-脯氨酸）（Cyclo(leucylprolyl），這一結果與先前的報告一致。

圖2. 通過MS²質譜法推斷肽類分子家族的結構。肽類分子家族（A）；環（亮氨酸-脯氨酸）（B）；環（L-纈氨酸-L-脯氨酸）（C）；環（L-苯丙氨酸-D-脯氨酸）（D）；異亮氨酸-脯氨酸-異亮氨酸（E）

遵循相似的模式，化合物C的母離子位于m/z197.1278，通過從母離子丟失一個CO分子，獲得了特征離子m/z 169.1343。根據文獻資料，該成分被鑒定為環（L-纈氨酸-L-脯氨酸）（Cyclo(L-Val-L-Pro)）（見圖2C）。纈氨酸-脯氨酸衍生物通常對苦味有重要貢獻。

化合物D的母離子位于m/z 245.1288，被鑒定為環（苯丙氨酸-脯氨酸）（cyclo(L-Phe-D-Pro)）（見圖2D）。此外，化合物D通過從母離子丟失一個CO分子，生成了碎片離子m/z 217.1378。以往的數據還表明，基于脯氨酸的吡咯酮酮衍生物共享一個主要的產物離子質量m/z 70，與脯氨酸的離子質量相同。此外，二酮哌嗪類化合物以中性丟失為該類化合物的主要質譜裂解方式，主要包括- CO(28Da)和?OH(18Da)的丟失。

在分子家族M3中，化合物E（見圖2E）的母離子質量為m/z 342.2383 [M+H]⁺，被鑒定為異亮氨酸-脯氨酸-異亮氨酸（Ile-Pro-Ile）。在m/z 114.091處，我們觀察到可能發生C₂H₅（-29 Da）的中性損失。同時，m/z 86.0961處的離子表明存在異亮氨酸殘基，而m/z 98.0607則對應于脯氨酸殘基。這些觀察到的碎裂模式與先前文獻中報告的結果一致。

2.3 黃酮類分子家族的注釋

在本研究中，我們從兩組糟醅樣品中共鑒定出30種黃酮類化合物。圖3A展示了黃酮類分子家族，而圖4B-G分別展示了柚皮素、芹菜素、木犀草素、(S)-2-(3,4-二羥基苯基)-2,3-二氫-5,7-二羥基-4-苯并吡喃酮、三粒小麥黃酮和高圣草素的MS²質譜圖。這些化合物在黃酮類分子家族中具有顯著的代表性，其結構和生物活性在食品科學和醫藥領域均具有重要的研究價值。

圖3. 通過MS²質譜法推斷黃酮類分子家族的結構。黃酮類分子家族（A）；柚皮素（B）；三粒小麥黃酮（C）；木犀草素（D）；(S)-2-(3,4-二羥基苯基)-2,3-二氫-5,7-二羥基-4-苯并吡喃酮（E）；芹菜素（F）；高圣草素（G）

在圖3所示的質譜分析中，化合物B展現出一個顯著的母離子峰，其質荷比（m/z）為273.0763，經過鑒定確認為柚皮素（naringenin）。此外，該化合物還產生了兩個特征碎片離子，分別位于質荷比153.0181[M+H-C₇H₄O₄]⁺和119.0495[M+H-C₈H₈O]⁺。這些碎片離子的形成可以歸因于逆狄爾斯-阿爾德（Retro-Diels-Alder, RDA）反應，進一步驗證了柚皮素的分子結構。這些發現與先前的研究文獻）的結果相吻合。

在圖3所示的質譜圖譜中，化合物E的質譜分析揭示了一個母離子峰，其質荷比（m/z）為289.0700，對應的分子公式為C₁₅H₁₂O₆。通過二級質譜（MS²）分析，觀察到的碎片離子位于質荷比153.0194和137.0572，這些碎片離子的形成被歸因于RDA反應。這些特征性的質譜數據初步將化合物E鑒定為(S)-2-(3,4-二羥基苯基)-2,3-二氫-5,7-二羥基-4-苯并吡喃酮（(S)-2-(3,4-Dihydroxyphenyl)-2,3-dihydro-5,7-dihydroxy-4-benzopyrone）。這一鑒定結果與前人文獻的研究結論相一致。

在圖3中，化合物F的質譜分析顯示一個顯著的母離子峰，其質荷比（m/z）為271.0586，經鑒定為芹菜素（Apigenin）。該化合物的母離子質量與節點B的母離子質量相差2 Da，且共享了質荷比153.0174和119.0500的碎片離子，這些特征性的質譜數據進一步確認了其為芹菜素。

類似地，化合物D經過鑒定被確認為木犀草素（Luteolin）（見圖3），這一結果與先前的研究一致。

進一步地，化合物C和G作為一對同分異構體，其母離子的質荷比分別為m/z 303.0511 Da和m/z 303.0856。經過鑒定，它們被鑒定為三粒小麥黃酮（tricetin ）或高圣草素（homoeriodictyol）。由于它們連接基團的不同，這些黃酮類化合物在極性上表現出顯著的差異。通過計算親脂性參數（ClogP），可以有效地在反相色譜柱中預測同分異構體的保留時間，進而實現它們之間的區分。普遍規律表明，較高的ClogP值通常與更長的保留時間相聯系。具體來說，三粒小麥黃酮的ClogP值略低于同高圣草素，分別為1.12和1.5。正是基于保留時間的細微差異，化合物C（保留時間RT = 7.89分鐘）和G（保留時間RT = 9.72分鐘）分別被初步推斷為三粒小麥黃酮和高圣草素。

3. 推斷數據庫中不存在的鞘脂

特征分子網絡（FBMN）技術通過將已知的分子結構作為“種子”，在相同分子家族中推導出未知脂質的結構，展現出其獨特的優勢。這種方法利用了相似的質譜裂解模式來進行結構推斷。我們通過分析鞘脂類家族的質譜裂解模式，成功推斷出了化合物B、C和D的結構。值得注意的是，盡管這些結構在全局天然產物社交分子網絡（GNPS）數據庫中尚未被記錄，但通過這種方法，我們能夠對它們進行準確的結構鑒定（參見圖4）。

化合物B的母離子在質譜分析中鑒定的質荷比為316.2830 [M+H]⁺，并且顯示出特征離子峰位于m/z298.273和m/z 280.263（見圖4B）。在鞘脂家族（第3.2節）觀察到的特定裂解模式表明，母離子可能連續失去水分子，從而生成m/z 298.273和m/z 280.263的碎片離子。此外，與植物鞘氨醇（phytosphingosine）的2 Da質量差異表明化合物B可能含有一個雙鍵，初步鑒定為4-羥基鞘氨醇（4-hydroxysphingosine）。

化合物C在質譜分析中顯示一個母離子峰，其質荷比為316.3188 [M+H]⁺，其特征碎片離子包括m/z 298.312和m/z 280.302（見圖4C），這些離子源自母離子分別失去一個和兩個水分子的裂解過程。此外，與D-赤型鞘氨醇相比，母離子的質荷比顯示出14 Da的偏差，這表明該化合物可能含有一個額外的-CH₂基團。通過參考相關文獻，該化合物被初步鑒定為(2S,3R)-2-氨基-1,3-二羥基壬酸（(2S,3R)-2-aminononadecane-1,3-diol）。

化合物D的母離子在質譜中表現為m/z 300.2886 [M+H]⁺，其特征性碎片離子出現在m/z 282.28、m/z 264.27、m/z252.272和m/z 60.0439（見圖4D），其裂解模式與植物鞘氨醇的裂解模式相似。因此，根據先前的文獻資料，我們推斷該化合物為鞘氨醇。

圖4. 數據庫中未被記錄的推斷脂質(A)；4-羥基鞘氨醇(B)；(2S,3R)-2-氨基-1,3-二羥基壬酸(C)；鞘氨醇(D)

4. 多元統計分析

主成分分析（PCA）作為一種無監督的數據分析技術，其核心功能在于通過構建一組新的綜合變量來實現數據降維。根據PCA分析的成果（參見圖S4A），該模型展現出了顯著的樣本分類能力，成功地將樣本劃分為兩個主要的聚類，充分體現了其卓越的區分效果。為了更精確地識別出造成兩組樣本差異的關鍵變量，我們進一步引入了正交偏最小二乘判別分析（OPLS-DA）模型進行分析（參見圖S4B），該OPLS-DA模型的R²Y和Q²值分別達到了0.976和0.948，顯示出其在模型擬合和預測方面的卓越性能。我們通過實施1000次的置換檢驗來評價OPLS-DA模型的預測力和穩定性，得到的p值顯著小于0.001，表明該模型在區分樣本組方面具有顯著的能力，并且具有出色的擬合和預測性。

本研究采用VIP值大于1的標準，通過熱圖（見圖5）識別出101種差異代謝物，這些代謝物在兩個高粱品種的代謝組（FGs）中的影響被清晰地展現出來。這些代謝物被歸類為13個類別：脂質及類似脂質分子（26種）、肽類（23種）、黃酮類（13種）、氨基酸及其衍生物（12種）、苯丙素和聚酮類（7種）、有機酸及其衍生物（5種）、有機雜環化合物（5種）、苯類化合物（2種）、有機含氮化合物（2種）、有機含氧化合物（2種）、其他（2種）、生物堿及其衍生物（1種）、木脂素、新木脂素及其相關化合物（1種）。括號內的數字代表每個類別中的化合物數量。這種詳盡的分類提供了對不同代謝物的復雜分解，突出了它們在兩個高粱品種的代謝組中的化學組分分布。

圖5. 在兩個高粱品種的糟醅中檢測到的差異性非揮發性化合物的可視化（VIP > 1）

本項研究深入探討了兩種高粱品種在發酵過程中脂質及其衍生物的變化，發現共26種相關化合物表現出顯著差異。特別值得關注的是，15種脂質及其衍生物在糯高粱的糟醅中含量顯著高于粳高粱品種。在這些化合物中，磷脂酰膽堿（PC）類化合物，如PC (0:0/16:0)、PC (0:0/18:1)、PC (16:1/0:0)、PC (18:2/0:0)、PC (20:5/0:0)、PC (22:4/0:0)，以及磷脂酰乙醇胺（PE）類化合物，如PE (16:0/0:0)、PE (18:2/0:0)、PE (20:4/0:0)、PE (22:4/0:0)，均顯示出顯著的增加。與此同時，11種脂質及其衍生物在粳高粱品種中的含量則相對更高，尤其是植物鞘氨醇和鞘氨醇。此外，第二大類顯著不同的代謝物中，環(L-苯丙氨酸-D-脯氨酸)、環(L-纈氨酸-L-脯氨酸)和環(L-脯氨酸-L-酪氨酸)等這些特定的化合物形成了一個引人注目的子類。

具體而言，糯高粱品種中的鞘脂、2,5-二酮哌嗪和蛋氨酸衍生物的水平比粳高粱品種高出1.21至1.71倍。理解這些變化可以為不同高粱品種釀造的白酒的獨特風味特征提供寶貴的洞見。

5. 富集分析和KEGG通路分析

為了揭示潛在的差異代謝途徑，并深入理解這些高粱品種如何影響代謝產物的生成機制，我們以釀酒酵母為參考物種，進行了KEGG通路分析。在圖6A中，每個氣泡代表一個特定的代謝途徑，氣泡的大小表示其影響因子的大小。同時，顏色越深表示p值越小，表明該途徑的富集程度更為顯著。鑒定出的關鍵代謝物主要參與了16個代謝途徑：氨酰-tRNA生物合成、鞘脂類代謝、精氨酸生物合成、苯丙氨酸、酪氨酸和色氨酸生物合成、輔酶Q和其他萜類-醌類生物合成、甘氨酸、絲氨酸和蘇氨酸代謝、單環內酰胺生物合成、半胱氨酸和甲硫氨酸代謝、氰基氨基酸代謝、β-丙氨酸代謝、酪氨酸代謝、賴氨酸生物合成、硫胺素代謝、丙氨酸、天冬氨酸和谷氨酸代謝、色氨酸代謝以及嘌呤代謝。

圖6. KEGG通路分析展示關鍵代謝途徑（A）；糟醅中代謝途徑示意圖（B）

討論：

糯高粱品種在白酒釀造中歷來被認為能夠帶來比粳高粱品種更豐富的風味特征。基于此，我們提出了一個假設：在發酵過程中，糯高粱能夠產生一系列獨特的非揮發性代謝物，這些物質對白酒的風味有著顯著的影響。揭示這些代謝物與白酒香氣之間的具體聯系，對于理解影響白酒品質的關鍵機制具有極其重要的意義。然而，由于這些代謝物的復雜性，目前科學界對它們在白酒釀造中的作用尚缺乏深入的認識。本研究首次運用數據驅動的計算方法，對高粱棗皮中的這些難以捉摸的“暗物質”代謝物進行了系統注釋，從而為深入探究其在白酒釀造過程中的生化作用提供了新的科學見解。

1. FBMN在代謝物注釋中的應用

本研究中引入FBMN技術，相較于傳統的局部數據庫檢索方法，顯著提升了糟醅代謝物分析的效率和準確性。首先，FBMN技術通過分子家族分析，提供了對代謝物全景的宏觀視角，我們根據共享的結構特征對代謝物進行分類。這種策略不僅簡化了復雜的代謝物譜圖，還促進了代謝模式的識別，極大地增強了代謝物注釋的準確性和效率。

其次， FBMN技術突破了傳統鑒定方法的局限，允許我們僅利用反應中的一個已知代謝物作為參照，來識別未知的代謝物。這種方法避免了對龐大數據庫或多個已知標準品的依賴，標志著在代謝物鑒定領域的一個重大進步。FBMN技術通過分析二級質譜（MS²）譜圖中的共有特征，極大地拓寬了我們探索未知化學領域的能力，提升了我們對新穎或稀有代謝物的發現和理解。這種創新方法不僅提高了鑒定的準確性，也為代謝物研究領域帶來了新的視角和可能性。

FBMN技術，不僅優化了我們的分析流程，也拓展了化學探索的視野。這一技術使我們能夠更深入地研究糟醅的代謝物特征，為發酵食品化學領域的未來研究奠定了堅實的基礎。通過利用FBMN，我們得以細致解析糟醅復雜的代謝物譜，為相關領域的科學探索提供了強有力的支撐。

2. 關鍵差異代謝物的作用：鞘脂類、二酮哌嗪和氨基酸衍生物

在眾多鑒定出的代謝物中，本研究特別關注了白酒糟醅中三種關鍵的差異代謝物：鞘脂類、2,5-二酮哌嗪（DKPs）和氨基酸衍生物。這些代謝物在糟醅的代謝特征中扮演著至關重要的角色，它們的特定變化可能對白酒的風味和品質產生顯著影響。

2.1 鞘脂類

鞘脂類脂質是一類在結構上與磷脂相似但不含甘油主鏈的獨特脂質。它們的生物合成過程以鞘氨醇作為關鍵起始分子（參見圖6B）。這類脂質的特征在于酰胺鍵和較長的脂肪酸鏈（C20至C26），賦予它們與其他脂質類別不同的特性。研究指出，糖基鞘氨醇對酵母發酵特性有顯著影響，尤其是在調節細胞膜的流動性方面。細胞膜流動性的增加與乙酸乙酯的生成減少相關聯，乙酸乙酯是構成白酒香氣特征的關鍵化合物之一。此外，鞘脂骨架中的9-甲基基團的存在可能抑制揮發性風味物質的形成，這表明鞘脂類在風味形成過程中可能發揮著復雜的調控作用。

2.2 2,5-二酮哌嗪（DKPs）

2,5-二酮哌嗪（DKPs）的生物合成是由非核糖體肽合成酶（non-ribosomal peptide synthetase,NRPS）這一復雜而專業的酶系統所催化的。NRPS通過一系列精心協調的步驟促進DKPs的合成，每個步驟均由特定的酶域控制。DKPs展現出獨特的化學性質，特別是它們擁有兩個氫鍵供體和兩個氫鍵受體位點，這使得它們能夠參與氫鍵的形成。這一結構特性賦予了DKPs與多種生物靶標相互作用的能力，進而影響它們的生物學功能和感官屬性。

在白酒的風味構成中，2,5-二酮哌嗪（DKPs）被認為對酒體的復雜風味特征有顯著貢獻，常常賦予白酒苦味、金屬味或澀味等口感特征。這些感官屬性在塑造白酒的整體風味感知中起著至關重要的作用，突顯了DKPs在風味化學中的重要性。

高粱中的一種主要貯藏蛋白--高粱醇溶蛋白（kafirin），含量在DKPs的生物合成過程中起著關鍵作用。高粱的基因型和環境條件等因素會顯著影響高粱中高粱醇溶蛋白的含量，進而影響糟醅中 DKPs 的含量，基因型的差異會導致蛋白質組成和表達的不同，而土壤成分、氣候和農業實踐等環境因素則會影響蛋白質的穩定性和可獲得性。這些變化直接影響發酵過程，因為發酵過程中高粱醇溶蛋白的分解或釋放是 DKP 形成的前體。

鑒于 DKPs 源自高粱醇溶蛋白，且對風味有顯著影響，因此是白酒生產中進行質量控制的一個很有前景的途徑。監測糟醅中DKPs的含量和水平可以作為一個可靠的指標，用于選擇和篩選最適合白酒生產的高粱品種。通過建立DKP與白酒質量之間的相關性，生產商可以改進其發酵工藝，以提高風味的一致性和質量。這種方法不僅能改善白酒的感官屬性，還能為培育和選育具有理想發酵特性的高粱品種提供科學依據。

2.3 氨基酸及其衍生物

在糯高粱與粳高粱的糟醅中開展的代謝物差異性分析，揭示了氨基酸及其衍生物在含量上存在顯著差異，尤其是蛋氨酸的顯著變化。蛋氨酸在風味形成中扮演著多面角色，它通過二羰基化合物的氧化作用，觸發了Strecker降解反應，這一反應是生成具有強烈香氣活性的醛類化合物（例如苯甲醛和甲基丁醛）的關鍵途徑。這些化合物以其獨特的花香、蜜香、麥芽香和巧克力香等特征香氣，為白酒的香氣譜增添了“迷人的色彩”。此外，Strecker降解與美拉德反應的相互作用，對于白酒風味的形成至關重要。美拉德反應是一系列復雜的非酶促褐變反應，是食品風味發展的基礎。這種相互作用對于形成吡嗪類化合物尤為重要，這些化合物為白酒增添了泥土、堅果和烘烤的香氣。

酵母中蛋氨酸的合成與硫酸鹽同化途徑緊密相關。這一過程需要大量的能量投入，體現了蛋氨酸在生物學上的重要性。硫酸鹽轉化為亞硫酸鹽，再進一步轉化為硫化物，涉及多個酶促反應，最終生成同型半胱氨酸，這是蛋氨酸的直接前體。同型半胱氨酸的甲基化過程，由葉酸循環促進，是蛋氨酸生物合成中的關鍵步驟，這突顯了代謝途徑與白酒中最終呈現的風味化合物之間的相互作用。

在糯高粱與粳高粱的糟醅中，蛋氨酸含量的顯著差異可能源于硫酸鹽同化途徑的效率差異或參與蛋氨酸合成的關鍵酶活性的變化。深入探究這些代謝過程中的微妙變化，對于精細調控白酒生產中的風味形成至關重要。這種理解不僅有助于我們優化生產過程，還可能引領我們開發出具有特定香氣特征的定制白酒。通過精確調節這些代謝途徑，我們能夠為白酒的風味設計提供堅實的科學基礎。這不僅能夠豐富白酒的風味多樣性，還能夠滿足消費者對特定風味白酒的需求，推動白酒產業的創新與發展。

結論：

本項研究揭示了一系列創新性的發現，顯著推進了我們對白酒釀造過程中生化機制的認識。借助先進的數據驅動計算技術——基于特征的分子網絡分析（FBMN），我們成功地對267種先前未被識別的代謝物進行了注釋，其中大部分是在高粱發酵過程中首次被發現。通過FBMN技術的應用，我們精準地識別出了對白酒風味特征形成具有決定性影響的關鍵代謝物。特別值得關注的是，鞘脂類、2,5-二酮哌嗪以及蛋氨酸等氨基酸衍生物在不同類型高粱中的差異化表現，這些發現為深入理解糯高粱如何增強白酒的風味特性提供了全新的科學視角。這些研究成果不僅豐富了我們對白酒風味形成機制的科學認知，也為白酒的風味優化和品質提升提供了寶貴的科學依據，進一步推動了白酒產業的科技創新和高質量發展。

考慮到代謝物、微生物和酶之間相互作用的復雜性，開展進一步的研究顯得尤為迫切且具有時效性。特別值得關注的是，研究高粱中鞘脂類在發酵過程中對酵母的影響，這一課題無疑將成為未來研究的熱點。通過深入探究這一領域，我們不僅能夠更深入地理解鞘脂類在白酒風味形成中的關鍵作用，而且還能進一步揭示發酵食品風味發展的整體機制。這種研究將有助于我們全面揭示白酒釀造過程中的生化奧秘，尤其是鞘脂類對酵母發酵行為的調控作用。通過解析這些復雜的生物化學相互作用，我們能夠為白酒的風味優化和品質提升提供更為科學和系統的理論支持，這對于推動白酒產業的科技創新和產品多樣化具有深遠的意義，同時也為發酵食品的風味調控提供了新的視角和方法。

這些研究成果為白酒生產領域提供了更為精準的質量控制策略，有望顯著提升白酒的風味一致性和整體品質。通過深入挖掘那些錯綜復雜的代謝途徑及其對風味形成的深遠影響，我們不僅能夠對白酒的生產流程進行優化，更在發酵食品的風味化學研究中作出了重要貢獻。這種深入的科學探索不僅有助于提升白酒的生產工藝，確保其風味的穩定性和獨特性，也為發酵食品的風味調控提供了寶貴的理論支持和實踐指導。這對于推動整個食品科學領域，尤其是發酵食品產業的技術進步和產品創新，具有不可估量的價值。

原文鏈接：https://doi.org/10.1016/j.fochx.2024.101646