导读
山西老陈醋（SAV）作为中国著名的地理标志产品，其生产工艺极为复杂，包括糖化、酒精发酵、醋酸发酵、熏醅及陈酿等多个阶段。其中，长达一年甚至更久的陈酿过程对最终产品的风味和品质提升至关重要。尽管已有研究表明醋酸发酵和熏醅是香气活性化合物（OACs）的主要来源，且陈酿前后风味差异显著，但现有研究仍存在不足：例如，未能通过香气活性值（OAV）和香气重组实验来精确验证关键香气成分，也缺乏对陈酿过程中具有标志性的化学物质进行系统性表征。
本研究旨在弥补上述研究空白，通过结合分子感官科学与机器学习技术，全面深入地探索山西老陈醋的关键香气活性化合物及陈年特征化合物。研究首先整合了前期的气相色谱-嗅闻（GC-O）、香气提取物稀释分析（AEDA）结果及相关文献数据，对老陈醋中的关键香气活性化合物进行了准确定量。接着，通过计算香气活性值（OAV），并结合香气重组与感官验证实验，精确筛选并验证了对整体风味贡献最大的核心香气成分。
在明确了关键香气物质的基础上，本研究进一步利用机器学习算法，对不同陈酿年份的山西老陈醋样品数据进行分析，旨在高通量地筛选出能够有效区分和表征不同陈酿阶段的特征性标志物。本研究不仅为精确筛选食醋中的关键香气活性化合物提供了标准化的方法论，也为山西老陈醋的产品质量控制和年份鉴定提供了可靠的科学依据和技术参考。
该研究的重要观点如下:
1. 结合分子感官科学与机器学习，系统鉴定出山西老陈醋中 152 种气味活性化合物（OACs），明确 47 种为关键风味物质。
2. 酮类、吡嗪类、内酯类和酸类是贡献山西老陈醋核心香气的主要化合物类别，其缺失会连锁影响多种感官属性。
3. 山西老陈醋陈酿后香气更丰富，硫味、酸味、坚果味和焦香味增强，而果香和焦糖味减弱，风味特征变化显著。
4. 机器学习筛选出甲硫基丙醛、十二醇、乙酰甲基原醇等 6 种陈酿特征标志物，可用于山西老陈醋陈酿等级判定。
5. 四甲基吡嗪是山西老陈醋的特征风味与功能成分，陈酿过程中含量大幅提升，且需满足国标最低 30 mg/L 的要求。
结果与分析
图 1 的山西老陈醋主要气味活性化合物轮图系统呈现了其核心风味物质的类别与特征，涵盖酯类、酸类、酚类、醇类、硫化合物、吡嗪类、醛类、内酯类、酮类等多个类别共 47 种关键气味活性化合物（OACs），这些化合物均通过香气提取物稀释分析（FD≥400）或气味活性值（OAV≥1）筛选并经重组与缺失实验验证。其中，酯类以甜香、果香或花香中和酸味，酸类（尤其是乙酸）奠定醋的基础风味，酚类贡献草本、木质等复杂香气，吡嗪类带来标志性的坚果香与焦香味，硫化合物、醇类、醛类等则丰富了香气层次，各类化合物协同作用构成了山西老陈醋独特且丰富的香气轮廓，直观反映了关键气味活性化合物的类别分布与风味贡献特征。
图1.山西老陈醋主要气味活性成分轮。
图 2 对新醋与山西老陈醋（SAV）的描述性香气轮廓对比显示，陈酿过程显著改变了醋的香气特征：新醋的果香和焦糖味强度更为突出，而山西老陈醋经陈酿后，香气丰富度、硫味、酸味、坚果味和焦香味均明显增强，二者在这些核心香气属性上形成鲜明差异；同时， floral、辛辣味、木质味和草本味在新醋与陈酿醋中无显著差异，整体表明陈酿通过强化特征性风味、弱化部分原始香气，塑造了山西老陈醋更具辨识度的风味轮廓。
图2.新鲜醋和SAV样品的描述性香气特征。
图 3 对山西老陈醋（SAV）与重组样品的描述性香气轮廓对比表明，基于关键气味活性化合物（FD≥400 或 OAV≥1）构建的重组样品，在酸味、果香、坚果味、焦糖味、 floral 和草本味等核心香气属性上与天然山西老陈醋表现出高度相似性，验证了筛选出的关键气味活性化合物对老陈醋特征香气的重要贡献；同时，重组样品的木质味和硫味显著增强，而天然老陈醋在焦香味、香气丰富度和辛辣味上略占优势，这些细微差异可能源于未完全覆盖的微量风味物质或化合物间的协同 / 掩蔽效应，整体仍证实了关键气味活性化合物对山西老陈醋香气轮廓的有效重构能力。
图3.SAV和重组样品的描述性香气特征。
图 4 的感官属性间相关性分析结果显示，山西老陈醋的各香气属性并非相互独立，而是存在显著的关联性：焦香味与坚果味、木质味呈极显著正相关（p<0.001），与果香呈显著负相关（p<0.05），酸味与香气丰富度呈极显著正相关（p<0.001），其他多个感官属性间也存在不同程度的显著相关关系。这些相关性表明，山西老陈醋的感官体验是多种香气属性协同作用的结果，正相关属性间可能存在香气叠加或协同效应，负相关属性间可能存在香气掩蔽效应，为深入理解其风味构成机制及精准调控风味提供了重要依据。
图4.感官属性与感官属性之间的相关性分析。
图 5 基于关键气味活性化合物的山西老陈醋不同陈酿时间判别分析显示，在 KNN、SVM、NB、DT、MLP 五种机器学习模型中，KNN 模型表现最优，对不同陈酿阶段老陈醋的判别性能最佳，其准确率、特异性、精确率等指标均处于领先水平；通过对 KNN 模型的 SHAP 分析，进一步筛选出甲硫基丙醛、十二醇、乙酰甲基原醇、乙酸苄酯、丙酸和三甲基吡嗪 6 种对陈酿时间判别贡献最大的特征化合物，这些化合物可作为山西老陈醋陈酿进程的标志性物质，为实现老陈醋陈酿等级的精准判定及产品质量控制提供了可靠的技术支撑与理论依据。
图5.不同老化时间SAV的区分度。
研究结论
本研究通过分子感官科学结合机器学习技术，系统鉴定出山西老陈醋中 152 种气味活性化合物，筛选出 47 种关键风味物质（FD≥400 或 OAV≥1），明确酮类、吡嗪类、内酯类和酸类是核心香气贡献类别，且各感官属性间存在显著协同或掩蔽效应；陈酿过程使老陈醋香气丰富度、硫味、坚果味等特征风味增强，果香和焦糖味减弱，风味轮廓显著优化；在五种机器学习模型中，KNN 模型对不同陈酿时间老陈醋的判别性能最优，经 SHAP 分析确定甲硫基丙醛、十二醇等 6 种陈酿特征标志物，可为老陈醋陈酿等级判定与质量控制提供科学依据。
原文链接： https://doi.org/10.1038/s41538-026-00772-0
原文引用：Wang, J., Zhu, B.,Wang, X. et al. Molecular sensory science combined with machine learning for exploring key odoractive compounds and aging-feature compounds of Shanxi aged vinegar. npj Sci Food (2026).
来源：公众号-发酵食研精粹
原文链接：https://mp.weixin.qq.com/s/_8DlInJVk8Cv0lw8k7VsxQ
