Food Chemistry：周中凯/赵国华合作揭示同/异型乳酸菌发酵全麦酸面团的多组学代谢特征

多组学与机器学习分析揭示不同乳酸菌发酵酸面团的大分子和代谢特征差异

2026年8月，石河子大学等单位的相关研究人员联合在《Food Chemistry》（IF: 10.4）上发表了题为“Multi-omics and machine learning analysis reveals distinct macromolecular and metabolic features of sourdough fermented with different lactic acid bacteria”的研究论文，通过多组学整合技术阐释全麦酸面团中由乳酸菌（LAB）发酵驱动的大分子结构与代谢重塑过程。

  亮点概述：

• 多组学揭示不同LAB的独特发酵特征。
• 发酵重塑全麦酸面团中淀粉和蛋白质的结构。
• 嘌呤代谢在所有发酵面团样品中普遍富集。
• 异型发酵LAB特异性增强异喹啉生物碱的生物合成。
• 基于图神经网络深度学习方法优先筛选出网络关联的候选代谢物。

  研究背景：

发酵食品依靠微生物代谢物分泌以及微生物与食品基质互作，在营养、健康、安全、消化吸收等多方面具备优势，可调节血液胆固醇、免疫等多项人体生理状态。LAB是发酵食品中功能丰富的微生物，可合成有机酸、胞外多糖、水解酶等物质酸化底物，延长产品货架期并改善产品质构风味。酸面团作为传统谷物发酵制品，独特的微生物生态系统使其成为研究LAB与谷物基质互作的理想模型。其体系内戊糖片球菌、壳状乳杆菌、发酵乳杆菌、食窦魏斯氏菌等LAB均可改善发酵食品品质，但LAB-酵母协同发酵全麦酸面团的内在机制尚不明确。

代谢组学可解析小分子代谢物与代谢网络变化，面对高维复杂数据，传统统计方法存在短板，人工智能成为分析新趋势，但机器学习在酸面团代谢物筛选中的应用价值尚不清晰。为此，研究人员已结合图神经网络嵌入与拓扑分析，依托代谢物关联网络挖掘相互作用，为筛选候选代谢物、阐释发酵带来的代谢重塑提供新型计算策略。

  研究结果：

研究人员首先选取2株同型发酵LAB（戊糖片球菌J28、壳状乳杆菌LMG）、2株异型发酵LAB（发酵乳杆菌YC-22、食窦魏斯氏菌T5）制备LAB发酵剂。并按菌株出现顺序，得到未添加LAB普通全麦面团（UWWD）；仅添加LAB发酵剂的全麦酸面团（UPPD、ULCD、ULFD、UWCD）；仅酵母发酵普通全麦面团（FWWD）；LAB和酵母共发酵全麦酸面团（FPPD、FLCD、FLFD、FWCD）。通过对发酵后面团α‑淀粉酶与转谷氨酰胺酶活力以及淀粉形态的测定，研究人员发现LAB发酵可提高淀粉酶与蛋白酶活性，改变全麦面团淀粉和蛋白质结构。各共发酵组α‑淀粉酶活力均有不同程度提升，促使淀粉颗粒形态不规则、粒径减小，淀粉分子量分布发生菌株依赖性改变；FLCD组淀粉相对结晶度降幅最大，直链淀粉复合物双螺旋结构破坏最显著。同型发酵组慢消化淀粉含量显著升高，而异型发酵组分别拥有最高的快消化淀粉与抗性淀粉。

研究人员通过对面团蛋白组分测定，发现仅添加酸面团可显著提升白蛋白含量；LAB-酵母共发酵会大幅降低醇溶蛋白含量。单纯酵母发酵抑制转谷氨酰胺酶活性，复合发酵对该酶活力的调控具有菌株差异。红外光谱表明发酵未产生新化学基团。同型发酵更容易改变蛋白质二级结构，造成α‑螺旋占比下降；异型发酵对蛋白二级结构扰动较弱；不同共发酵组的α‑螺旋、β-折叠、β-转角及无规卷曲比例呈现明显组别差异。

不同LAB及发酵对全麦面团中大分子结构的影响

不同LAB发酵可使全麦酸面团代谢谱产生明显差异。以未发酵面团UWWD为参照，4组酸面团均检出大量差异代谢物，上调代谢物数量多于下调，同型发酵组UPPD、ULCD差异代谢物数量更多。四组共有的79种差异代谢物以脂质类、苯丙烷类占比最高，所有组别均扰动黄酮生物合成通路，芹菜素含量显著提升，牡荆素等物质含量下降。LAB-酵母共发酵样品代谢谱与单酵母发酵组FWWD区分显著。各组均产生数百个差异代谢物，共有210种差异代谢物，以有机酸衍生物、苯丙烷类、脂质类为主。所有共发酵组均富集嘌呤代谢通路，表现为腺嘌呤积累，黄苷、鸟嘌呤等物质减少。而异喹啉生物碱生物合成通路仅在异型发酵共发酵组发生显著变化，该通路变化或与苯丙氨酸前体相关。LAB-酵母共发酵可提升面团氨基酸、有机酸与黄酮类物质水平，代谢物变化受菌株发酵模式与酶系调控。

不同LAB与酵母共发酵对代谢物的影响

脂质组学共鉴定出458种脂质代谢物，分属34大类。单独添加不同LAB发酵剂后，各组脂质谱与未发酵对照组明显分离，磷脂酰胆碱、磷脂酰甘油等脂质普遍上调，溶血磷脂酸、鞘氨醇整体下降，且不同菌株存在特异性脂质变化，同型发酵组单半乳糖二酰甘油升高，异型发酵组溶血磷脂酰乙醇胺升高。7种脂质在所有实验组均显著上调，各组还存在特有上调脂质，可作为发酵特征潜在生物标志物。LAB-酵母共发酵对脂质的扰动更强，各组均表现磷脂酰胆碱上升、鞘氨醇下降的共同特征，但不同组别脂质变化各有差异。共筛选得到20种差异脂质，70%为磷脂酰胆碱类。LAB-酵母共发酵主要改变全麦酸面团的磷脂与溶血磷脂组分，菌株类型决定脂质代谢的变化特征。

不同LAB与酵母共发酵对脂质谱的影响

研究人员搭建对比学习与图神经网络模型，训练损失逐步平稳，模型实现收敛；置换检验表明样本分组分离并非随机，Bootstrap重采样证明部分候选代谢物稳定性较好，整套AI分析流程在此数据集具备可复现性，但仍需外部实验进一步验证。AI筛选得到的核苷酸类候选代谢物，与传统代谢组嘌呤代谢结果相互印证，从网络层面提供补充视角。层次聚类热图显示发酵前后代谢谱明显区分，发酵使代谢模式由碳水、氨基酸主导转向脂质富集。构建代谢物关联网络发现整体结构均衡，无明显核心-外围拓扑；子网络分析筛选出3-脱氢桦木酮酸等高中心性枢纽候选代谢物，部分代谢物存在协同变化关系，而脱氢抗坏血酸等物质处于网络外围，关联程度较低。

基于图神经网络与深度学习的代谢组学数据探索性分析

综上，该研究利用多组学整合技术发现，同型与异型发酵LAB均能重塑全麦酸面团中淀粉和蛋白质的大分子结构，嘌呤代谢为共有调控通路，而异型发酵特有异喹啉生物碱合成，且脂质组学揭示细胞膜脂质剧烈重构，并筛选出单半乳糖二酰甘油和溶血磷脂酰乙醇胺作为区分两类发酵的潜在标志物。同时，研究引入人工智能图基分析，对网络关联候选代谢物进行筛选，刻画了全局代谢关联模式，为传统代谢组提供了新视角。