综述:基于机器学习的微生物群落合成:实现食品发酵智能升级的新范式

时间:2026年1月19日
来源:TRENDS IN FOOD SCIENCE & TECHNOLOGY

编辑推荐:

微生物代谢驱动发酵食品生产,但存在产品同质化、质量不稳定及低效生产等挑战。本文提出ML-ASM流程,通过机器学习算法指导合成微生物群落设计,优化发酵过程控制与资源利用,实现产品功能与感官特性的精准调控。

广告
   X   

何小伟|胡晓然|毛克敏|张金伟|高杰|Bimal Chitrakar|程红红|桑雅欣
河北农业大学食品科学与技术学院,保定071000,中国

摘要

背景

微生物的代谢活动是发酵食品生产的核心驱动力。然而,这些动态过程受到底物类型、环境条件以及微生物群落内部物种间相互作用等因素的影响。发酵食品行业面临的挑战包括生产效率低、产品质量不稳定,以及产品在功能和感官特性方面的同质性较高,这凸显了创新解决方案的必要性。

范围和方法

将机器学习(ML)算法与合成微生物群落(SynComs)相结合,在数据特征的指导下,为解决这些问题提供了有前景的途径。本文全面分析了SynComs的策略和局限性,探讨了适用于微生物群落数据的ML方法,并提出了一种基于ML的合成微生物群落组装流程,称为“机器学习辅助合成微生物群落”(ML-ASM)。

主要发现

将ML与SynComs结合使用可以有效提高发酵效率和产品稳定性。推进SynComs与ML的集成,实施数据驱动的方法,并促进跨学科创新是关键步骤。这种与循环生物经济原则的战略对齐将推动发酵食品生产系统的系统性、智能化转型。

引言

发酵食品作为一种结合了文化价值和营养功能的行业,在消费升级和技术创新的双重影响下面临着转型和升级的挑战。通过控制微生物生长和食品成分的酶促转化来生产发酵食品,它们在全球食品系统中占据重要地位(Marco等人,2021年)。从东亚的酱油、泡菜和白酒到欧洲的奶酪和葡萄酒,发酵食品展现了多样的地域特征和功能特性(张凯等人,2023年)。近年来,益生菌在药用和可食用食品的发酵(崔瑞等人,2024年)或可食用薄膜的生产(卢等人,2025年)中得到了创新应用,进一步扩展了发酵食品的市场潜力。
然而,发酵食品行业目前正面临许多关键挑战。图1展示了从传统限制向智能化标准化生产的转变,说明了ML-SynComs如何解决这些关键问题。主要问题是产品同质性较高,这表现为产品在功能和感官特性上的差异减少,这主要是由于该行业过度依赖有限的标准化菌种库中的起始菌株。这一问题源于工业实践过度依赖少数商业菌株以确保一致性,从而排除了微生物多样性,导致产品功能和感官特性的趋同(Hernández-Velázquez等人,2024年;Muhammed等人,2025年)。解决这一限制需要转向一个系统的菌种开发框架,从传统资源中合理选择多样化的菌株以支持产品创新(Gänzle等人,2024年)。推动这一转型的关键市场驱动力是未来个性化的营养需求,预计这将具有很高的盈利能力(Delalay等人,2024年),而这主要依赖于丰富的微生物资源来实现产品的真正定制和差异化。其次,发酵食品生产过程中标准化的不足直接导致了产品质量的批次间差异。这种不稳定性源于两个核心问题:一方面,发酵食品生产主要依赖于自然的多物种联合体(Del Frari & Ferreira,2021年)。这些联合体具有复杂的内部生态相互作用,其组成会随着原材料或工艺参数的变化而动态变化(Yuan等人,2024年),这为生产标准化带来了内在的生物学障碍(Gänzle等人,2023年)。另一方面,当从实验室规模扩大到工业发酵罐时,影响微生物联合体的环境因素的梯度会加剧。例如,底物、溶解氧和pH值的梯度变得更加明显(Blöbaum等人,2023年)。这种异质的宏观环境与微生物联合体所需的均匀稳定微环境不匹配,破坏了群落的稳定性和代谢一致性,最终加剧了发酵食品质量的不稳定性(陈丽等人,2023年)。此外,不充分的连续自动化过程控制导致生产效率低下。传统发酵食品的生产仍然依赖于手工、经验驱动的过程,这与连续操作不兼容(Luo等人,2024年)。扩散、选择、多样化和漂变是驱动发酵食品中微生物群落非稳态动态的核心生态过程(Louw等人,2023年)。与表征发酵食品区域差异的生物标志物相比,与关键产品属性相关的实时生物标志物仍然非常稀缺(Xian等人,2025年)。此外,某些食品生产系统中采用的传统发酵容器带来了固有的工程限制(Sessou等人,2023年)。总的来说,所有这些挑战都与精确控制微生物代谢活动密切相关。这种变异性最终阻碍了发酵的标准化,凸显了需要一种综合解决方案。
SynComs和ML技术的最新进展为解决这些挑战开辟了新的途径。例如,AI驱动的发酵系统可以实现蛋白质产量的300%增长,将生物反应器故障率降低60%,并将儿童贫血率降低25%(Priyadharshini等人,2025年)。SynComs是通过在精确定义的培养基中控制共培养选定的(两种或更多)微生物物种而人工创建的群落(至少在初始建立阶段)(Großkopf & Soyer,2014年)。它们的精确设计提高了生产效率,并能够实现产品的定制开发。例如,它有助于复制优质巧克力的关键风味(Gopaulchan等人,2025年)和优化白酒的感官特性(高杰等人,2022年)。迄今为止,大量研究记录了SynComs构建方面的进展(图2)。从SynComs的技术进步时间线来看,微生物群落的构建变得越来越精细和智能化。因此,其应用范围也显著扩大,不再局限于传统的发酵食品生产,还包括功能性副产品的开发和发酵废物的增值利用。ML在这一过程中发挥了关键作用。ML技术能够有效解码复杂的微生物组相互作用并预测群落动态,从而改进SynComs的设计(Asnicar等人,2024年)。此外,它们还有助于阐明微生物组成、群落动态和最终产品质量之间的关系,为合理的SynCom设计提供了科学基础(龚晓等,2026年;余等人,2025年)。值得注意的是,将ML增强的SynComs与生物传感器和物联网等互补技术相结合,加速了智能发酵系统的发展(Yee等人,2025年)。通过集成精确的联合体控制、工艺优化和数据驱动的决策制定,这些系统协同提高了产品质量和生产效率(Vera-Guerrero等人,2025年)。这种融合建立了一个新的操作框架,将制造从基于经验的实践转变为数据驱动的实践(Yakoubi,2025年)。
本文系统回顾了ML驱动的合成微生物群落在发酵食品应用中的研究进展,同时分析了其挑战和机遇。这些见解为推动发酵食品领域的技术创新和产业转型提供了理论和实践价值。

部分摘录

微生物群落组装策略概述

随着传统发酵食品的现代化,针对微生物生态系统的定向设计和控制引起了越来越多的学术兴趣。基于现有的非基因编辑微生物工程文献,我们将合成微生物群落构建方法系统地分为四种方法:自上而下策略、自下而上策略、群落聚合策略和系统集成框架(图3)。每种方法为发酵食品提供了独特的优势

发酵食品微生物组的合成工程:数据特征驱动的ML算法和案例研究分析

在传统发酵食品的工业化和全球化过程中,ML已成为精确控制发酵微生物组的关键技术(Galimberti等人,2021年)。作为微生物群落工程的关键技术,ML使得合成群落的合理设计成为可能。它简化了从组装到验证和优化的整个工作流程(Khan等人,2022年),并为传统发酵的现代化提供了系统化的解决方案。

挑战与未来趋势

在工业4.0时代,将合成微生物群落技术与现代科学技术相结合为传统发酵食品行业带来了前所未有的发展机遇。这种整合将推动该行业向精确化、个性化和可持续性方向发展(Hassoun等人,2024年)。然而,这一领域存在一些技术挑战,明确这些挑战及其相应的未来趋势对于进一步发展至关重要

结论性评论

ML辅助的微生物群落合成正成为现代化传统发酵食品生产的一种变革性方法。通过深入的微生物组数据挖掘,这种方法能够实现合成微生物联合体的精确组装和发酵过程的智能控制。因此,它显著提高了产品质量、生产效率和过程稳定性。未来的发展预计将集中在建立全面的菌种数据库上

未引用的参考文献

陈等人,2024年;崔等人,2024年;高等人,2025年;康等人,2024年;李等人,2025年;李等人,2024年;刘等人,2025年;刘等人,2025年;唐等人,2025年;王等人,2022年;王等人,2023年;王等人,2023年;吴等人,2024年;杨等人,2024年;张等人,2023年;张等人,2023年;张等人,2025年;张等人,2024年;张等人,2025年;赵等人,2025年。

CRediT作者贡献声明

何小伟:撰写-审稿与编辑、撰写原始草案、验证、方法论、调查、正式分析、数据管理、概念化。胡晓然:调查、数据管理、概念化。毛克敏:撰写原始草案、调查、数据管理、软件。张金伟:调查、撰写-审稿与编辑。高杰:概念化、概念验证、科学建议和写作支持。Bimal Chitrakar:正式分析、方法论、正式

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

数据可用性

本文描述的研究没有使用任何数据。

利益冲突声明

☒ 作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

本研究得到了国家自然科学基金(资助编号32272274)的财政支持。我们感谢Vecteezy.com为本文的图表制作提供的图形资源。

生物通微信公众号
微信
新浪微博


生物通 版权所有