一种酒醅馊味判别模型构建以及采用该模型判别酒醅馊味的方法技术

本发明专利技术属于生物技术领域，具体涉及一种酒醅馊味鉴别方法，其通过随机森林算法建立酒醅馊味判别模型，然后根据酒醅样品中的微生物数据信息依据所述判别模型的鉴别依据对酒醅样品进行馊味鉴别，从而得到酒醅样品的馊味鉴别结果，其不仅可以准确及时的判定酒醅是否产生馊味，而且还可以对酒醅是否产生馊味进行预判，相对于传统的酒醅馊味鉴别方法而言，更为客观。

【技术实现步骤摘要】
一种酒醅馊味判别模型构建以及采用该模型判别酒醅馊味的方法
本专利技术属于生物
，特别涉及一种酒醅馊味判别模型构建方法，以及采用该构建的模型进行酒醅馊味判别的方法。
技术介绍
酱香型白酒采用堆积发酵，其是将下甑后糟醅摊晾拌曲后堆积在晾堂中，使酒醅富集环境中的特定微生物为窖内厌氧发酵做准备。但是，当工艺操作或管理不当时，会使堆积的酒醅产生馊味，进而最终导致基酒的品质下降。为保证基酒的品质，常需要提前对酒醅的工艺操作或管理进行防范控制，或者当工艺操作或管理出现失误时能够采取有效的解决办法，而判断工艺操作或管理失误是否会影响基酒的品质，首先需要能够及时、准确的判定酒醅是否已经产生馊味。而现有的用于判定酒醅是否产生馊味是主要是基于体验者的感官进行评价，其受体验者的经验、身体状态的影响，而且也不能提前预判酒醅是否异常。因此，需要一种客观、简便且准确率高的判别方法。
技术实现思路
本专利技术的目的在于提供一种酒醅馊味判别模型构建的方法。本专利技术的目的还在于提供一种可以准确判别酒醅是否产生馊味的方法。本专利技术的目的还在于提供一种可以提前预判酒醅是否产生馊味的方法。为达到上述目的，本专利技术采用的技术方案为：一方面，本专利技术提供了一种构建酒醅馊味判别模型的方法，其包含以下步骤：(1)信息提取：利用高通量测序技术获取酒醅样品的微生物信息。所述微生物信息包括微生物的属分类，以及属对应的微生物含量。通过高通量测序技术，可以准确且全面地获取微生物信息。对于高通量测序技术的选择，则无特别的限制，现有技术中，可用于获取微生物属分类，及对应含量的高通量测序技术均可，如IlluminaMiseq测序平台、罗氏454测序平台或IonTorrent测序平台等等。(2)酒醅分类：通过感官评测步骤(1)中酒醅样品的馊味类型，将酒醅样品分为无馊味、馊味轻、馊味重三种类型。感官分类为目标主要的酒醅馊味分类的方法，该方法主观性较强。为了提感官分类的准确性，本专利技术中，成立了5人的感官评判小组，对馊味进行了专业训练与评判。其中，步骤(1)和步骤(2)的顺序可互换或者同时进行。(3)变量优化：根据步骤(1)中的微生物信息和步骤(2)中的馊味类型，采用随机森林算法中变量重要性度量对酒醅样品的微生物组成变量进行优化筛选，获取对酒醅样品馊味分类贡献大的微生物组成变量。步骤(3)中，森林算法中，变量重要性度量选自平均精度下降MeanDecreaseAccuracy；所述的微生物组成变量为微生物的属分类。作为优选的实施方式，步骤(2)中，优化筛选的原则为变量的平均精度下降MeanDecreaseAccuracy变量占到80％以上，80％表示80％的样品中都含有该微生物，从而可以保证大部分样品都含有该微生物，从而使后续的模型更具有普遍性。最终，经过步骤(3)，优化筛选得到的微生物组成变量为乳杆菌属Lactobacillus、芽孢杆菌属Bacillus、片球菌属Pediococcus、不动杆菌属Acinetobacter、葡萄球菌属Staphylococcus、魏斯氏属Weissella、克雷伯菌属Klebsiella、高温放线菌属Thermoactinomyces、肠杆菌属Enterobacter、假单胞菌属Pseudomonas以及醋酸杆菌属Acetobacter。作为优选的实施方式，该步骤采用R语言软件实现变量优化。(4)模型构建：基于步骤(3)所优化筛选的微生物组成变量及其对应的微生物含量与步骤(2)获得的样品类型，采用随机森林算法，构建堆积酒醅是否产馊味的判别模型。其中，步骤(4)中，森林算法中mtry值为整个变量个数的1/3取整(如步骤(3)中，优化筛选得到的微生物组成变量数为11个，则mtry值＝[11*1/3]＝4)，nodesize＝1，ntree＝500。该判别模型构建完成，以后在用该模型判别酒醅馊味时，可以随时调用，无需再进行重复构建。基于该模型，得到了对酒醅样品馊味分类贡献最大的微生物组成变量为乳杆菌属Lactobacillus和芽孢杆菌属Bacillus，其中，乳杆菌属Lactobacillus含量越高，则馊味越重，而芽孢杆菌属Bacillus越低，馊味越轻。作为优选的实施方式，该步骤采用R语言软件实现模型构建。作为优选的实施方式，本专利技术的构建酒醅馊味判别模型的方法还包括：步骤(5)方法验证：其基于步骤(4)的判别结果，对构建模型的样品进行微生物纯化分离，将分离纯化得到的微生物加入到酒醅样品中，进行发酵试验，并检测发酵液中双乙酰的含量。馊味主要来源成分为双乙酰，双乙酰超过一定的浓度，就会产生馊味。根据验证结果，仅本专利技术判别后的酒醅样品，其分离得到的微生物与馊味产生具有强相关性，这与变量重要性度量(MeanDecreaseAccuracy)判别一致；同时说明了随机森林算法对样品类型判别结果准确。另外一方面，本专利技术基于上述构建的模型，还提供了一种酒醅馊味的鉴别方法，其包含以下步骤：S1.获取待测酒醅样品中微生物的信息；作为一种可选的实施方式，所述的微生物信息选自乳酸杆菌Lactobacillus或/和芽孢杆菌Bacillus的及其对应的相对含量。该两种菌为对酒醅样品馊味分类贡献最大的两种菌，其基本信息可以满足鉴别需求。作为另外一种可选的实施方式，所述的微生物信息选自乳杆菌属Lactobacillus、芽孢杆菌属Bacillus、片球菌属Pediococcus、不动杆菌属Acinetobacter、葡萄球菌属Staphylococcus、魏斯氏属Weissella、克雷伯菌属Klebsiella、高温放线菌属Thermoactinomyces、肠杆菌属Enterobacter、假单胞菌属Pseudomonas以及醋酸杆菌属Acetobacter及其对应的相对含量。当选取的微生物信息越多时，鉴定结果准确。S2.将步骤(1)获取的微生物信息输入上述构建的判别模型中，输出待测酒醅样品的馊味分类。在步骤S1中，获取待测酒醅样品中微生物的信息，可以通过高通量测序技术获取。作为较经济的方式，可通过可培养分离计数技术或荧光定量PCR技术等技术获得。本专利技术中，微生物的“相对含量”是指，酒醅样品中，某种微生物的量在酒醅中总微生物量所占的比例。相比现有技术，本专利技术的有益效果在于：(1)本专利技术所述的酒醅馊味鉴别方法是通过随机森林算法建立酒醅样品的馊味判别模型，然后根据酒醅样品中的微生物数据信息依据所述判别模型的鉴别依据对酒醅样品进行馊味鉴别，从而得到酒醅样品的馊味鉴别结果，其不仅可以准确及时的判定酒醅是否产生馊味，而且还可以对酒醅是否产生馊味进行预判，相对于传统的酒醅馊味鉴别方法而言，更为客观。(2)本专利技术所述的酒醅馊味鉴别方法还包括结果验证的步骤，其是采用微生物纯化方法提取酒醅样品中的微生物并进行发酵试验，然后根据试验结果对鉴别结果进行验证，结果表明，本专利技术所述的酒醅馊味鉴别方法具有较高的可靠性。(3)本专利技术的方法可以对酒醅馊味类型进行提前预判：因为是基于微生物的信息进行酒醅馊味判定，而非感官判定，因此本专利技术可以提前对酒醅样品的馊味进行预判，当样品中特定微生物含量过高或过低时即可预判在发酵进程中酒醅是否产生馊味，从而可提前采取措施进行干预。附图说明图1为MDA占到80％本文档来自技高网...

【技术保护点】
1.一种构建酒醅馊味判别模型的方法，其特征在于：包括以下步骤：(1)信息提取：利用高通量测序技术获取酒醅样品的微生物信息；(2)酒醅分类：通过感官评测步骤(1)中酒醅样品的馊味类型，将酒醅样品分为无馊味、馊味轻、馊味重三种类型；(3)变量优化：根据步骤(1)中的微生物信息和步骤(2)中的馊味类型，采用随机森林算法中变量重要性度量对酒醅样品的微生物组成变量进行优化筛选，获取对酒醅样品馊味分类贡献大的微生物组成变量；所述的微生物组成变量为微生物的属分类；(4)模型构建：基于步骤(3)所优化筛选的微生物组成变量及其对应的微生物含量与样品类型，采用随机森林算法，构建堆积酒醅是否产馊味的判别模型；其中，步骤(1)和步骤(2)的顺序可互换或者同时进行。

【技术特征摘要】
1.一种构建酒醅馊味判别模型的方法，其特征在于：包括以下步骤：(1)信息提取：利用高通量测序技术获取酒醅样品的微生物信息；(2)酒醅分类：通过感官评测步骤(1)中酒醅样品的馊味类型，将酒醅样品分为无馊味、馊味轻、馊味重三种类型；(3)变量优化：根据步骤(1)中的微生物信息和步骤(2)中的馊味类型，采用随机森林算法中变量重要性度量对酒醅样品的微生物组成变量进行优化筛选，获取对酒醅样品馊味分类贡献大的微生物组成变量；所述的微生物组成变量为微生物的属分类；(4)模型构建：基于步骤(3)所优化筛选的微生物组成变量及其对应的微生物含量与样品类型，采用随机森林算法，构建堆积酒醅是否产馊味的判别模型；其中，步骤(1)和步骤(2)的顺序可互换或者同时进行。2.根据权利要求1所述的方法，其特征在于，所述的方法还包括：(5)方法验证：基于步骤(4)的判别结果，对样品进行微生物纯化分离，并进行分离纯化出来的微生物进行发酵试验，检测发酵样品中双乙酰的含量。3.如权利要求1所述的方法，其特征在于，步骤(1)中，所述微生物信息包括微生物的属分类，以及属对应的微生物含量。4.如权利要求1所述的方法，其特征在于，步骤(1)中，高通量测序技术采用IlluminaMiseq测序平台、罗氏454测序平台或IonTorrent测序平台。5.如权利要求1所述的方法，其特征在于，步骤(3)中，变量重要性度量选自平均精度下降MeanDecreaseAccuracy；优选地，优化筛选的原则为变量的平均精度下降MeanDecreaseAccuracy变量占到80％以上；更优选地，步骤(3)中，优化筛选得到的微生物组成变量为乳杆菌属Lactobacillus、芽孢杆菌属Bacillus、片球菌属Pediococcus、不动杆菌属Acinetobacter、葡萄球菌属Staphylococcus、魏斯氏属Weissella、...

【专利技术属性】
技术研发人员：王和玉，杨帆，林琳，刘延峰，陈良强，王莉，陈坚，
申请(专利权)人：贵州茅台酒股份有限公司，
类型：发明
国别省市：贵州,52