风味是食物品质的核心评价维度，不仅直接影响消费决策，更是食品工业中产品差异化竞争的关键要素。在未来食品设计开发中，风味创新已成为推动产品开发与消费升级的重要驱动力。近年来，随着风味研究的不断深入，人们对于风味的认知，尤其是风味感知机制的理解，正在发生深刻变化。传统风味组学虽在关键风味物质识别、感官相关性建立等方面取得了显著进展，但随着多学科交叉融合的发展，特别是群落代谢、生态位构建等生态学概念的引入，原有的研究范式在解释微生物群落、酶、生态环境因子等生态要素驱动的风味形成机制方面逐渐显现出局限性，如Dugourd等提出的多组学空间因果导向搜索工具通过耦合信号通路、代谢物与蛋白活性提出潜在机制假设，但在模型可解释性、生态适用性及生态位层级建模能力等方面仍面临挑战。此外，用于代谢分析的基因组规模代谢模型（GSMM）多应用单菌建模，忽略了群落代谢及微生物互作在风味形成中的协同作用；同时，其对稳态环境的依赖也限制了其在动态、多变的真实食品体系中的适用性。在此背景下，越来越多研究者开始关注生态风味组学的研究视角，生态风味组学是整合系统生物学、环境生态学与食品风味化学理论的新兴交叉研究视角，其核心目标是系统解析微生物群落、酶系及生态环境因子等生态要素驱动的食品风味形成过程，从宏观和微观尺度揭示生物介导的食品风味物质形成的生态学本质（图1）。
生态风味组学提供了一种全新的研究视角，北京工商大学食品与健康学院的王启昊、刘子豪和曾黉*等人系统梳理了近年来生态风味组学在微观和宏观层面的研究进展，旨在揭示食品风味形成背后的生物和生态学本质及其多层级、多尺度调控机制，为未来食品风味精准调控提供理论依据，同时也为未来食品风味创新创制提供方法学参考。
01
微观生态风味组学
1.1 微观生态风味组学的研究进展
微生物（群落）通过代谢食品中的碳水化合物、蛋白质和脂肪生成各种小分子风味物质塑造发酵食品的独特风味。大多数特征风味化合物源于微生物、底物和环境之间的相互作用。因此，解析发酵食品中优势微生物与风味物质的代谢途径和调控方法是微观生态风味组学的研究核心。近年来，已有大量研究聚焦于微生物群落在发酵食品风味形成中的具体作用机制，尝试从群落结构、动态演替与代谢特征等多个角度进行解析。Unno等采用代谢组学、宏基因组学与风味组学联合分析结合主成分分析（PCA）、Spearman相关性分析等方法，探究了软质成熟奶酪中微生物群落与风味代谢物的对应关系。研究表明，布里奶酪中青霉菌、克鲁维酵母菌和假丝酵母菌主导仲醇和酮类物质的生成；在细菌涂抹成熟的奶酪中，德巴利酵母成为真菌优势种，其代谢活动与有机酸及吡嗪类化合物相关；海洋细菌则与酯类和吡嗪类风味物质呈正相关。Zhang Xin等通过代谢组学、16S rRNA测序及风味组学技术，结合偏最小二乘判别分析（PLS-DA）、方差分析（ANOVA）、双向层次聚类分析（HCA）和拓扑分析等方法，系统研究了内蒙古手工奶酪中风味物质与菌落演替的动态关系。研究识别出37 种与风味变化相关的差异代谢物和6 条潜在关键代谢通路，揭示了9 个核心菌属在发酵不同阶段的功能作用，并明确了其与特定风味物质的时空关联性。在发酵乳研究中，Gu Yuxiang等利用发酵表型分析、代谢组学及风味组学，结合ANOVA、PCA、正交偏最小二乘判别分析（OPLS-DA）等方法评估了副干酪乳杆菌IMC502与传统发酵剂共培养对酸奶代谢物的调控作用。结果显示，该共培养体系可显著影响保加利亚乳杆菌的生长状态，调节丙酮、丁酸等关键风味化合物的生成；与单菌体系相比，共培养体系共检测到94 种差异代谢物，主要涉及氨基酸和核苷酸代谢通路，显示出提升风味复杂性的潜力。在发酵肉制品中，细菌、酵母和霉菌可通过不同的代谢途径共同塑造肉制品的风味。Deng Jieying等通过感官评价、16S rRNA测序、代谢组学与风味组学数据结合PCA、正态性分析及Pearson相关分析，发现金华火腿后熟过程中酵母菌、曲霉菌和葡萄球菌与壬醛、己醛等特征风味物质生成呈正相关关系。Han Jiarun等利用转录间隔区序列（ITS）、16S rRNA测序及风味组学结合ANOVA和PLS-DA方法，解析了银鲳和小黄鱼自然发酵鱼露的微生物演替与风味物质关联，识别出4 种核心优势菌属及7 种主要挥发性风味化合物，证实丁醛、三乙胺与四联球菌、链球菌的相关性，2-甲基丁醛、3-甲基丁醛与四联球菌的关联性以及2-丙硫醇与嗜冷杆菌属、迷走球菌属和乳酸杆菌属的代谢联系，为鱼露风味的微生物调控提供了生态学依据。上述研究集中于多组学融合策略，通过代谢组学、风味组学和宏基因组学等手段结合感官数据，解析优势微生物与特征风味物质之间的关系。尽管当前研究进展显著，但研究对象仍集中于单一或少数几类发酵食品，整体存在研究体系分散、缺乏横向对比与通用性理论框架的问题。此外，大多数研究方法侧重于静态时间点的数据采集，尚未系统构建风味形成的高精度动态演替模型，对多种生态因子与微生物群落间复杂交互作用的解析仍相对有限。因此，亟需拓展研究体系的生态广度与多样性，推动发酵食品间的共性机制识别，并探索可迁移、可泛化的生态风味组学分析路径。表1汇总了近15 a来微观生态风味组学的典型研究案例。
1.2微观生态风味组学未来的发展方向
尽管现有研究已初步揭示了微生物群落与发酵食品风味形成的关联性，但当前的研究范式仍以相关性分析为主，缺乏对底层风味物质代谢机制的阐释，尤其对于风味合成的关键代谢节点、风味酶系的调控机制等层面鲜有深入讨论。近年来，部分研究尝试将宏基因组学与代谢建模技术相结合探索微生物的风味物质代谢通路，为揭示微生物介导的风味形成机制提供了新的研究思路。Melkonian等基于宏基因组数据和GSMM，揭示了嗜热链球菌在切达奶酪中通过缬氨酸等氨基酸交叉喂养机制，作为关键氮源供体维持乳球菌群落稳定性的功能，解析了微生物互作的驱动风味物质生成的代谢机制。Wang Yadong等基于酿酒酵母和乳酸乳球菌乳酸亚种的GSMM，构建了红曲霉奶酪中关键香味化合物的代谢网络，阐明了多菌协同代谢下的风味形成的核心路径，揭示了脂肪酸降解、氨基酸转化等关键代谢模块在风味物质生成中的协同效应。该研究不仅展示了基于GSMM生态风味组学中实现多菌协同调控、精准预测风味产物构建微生物互作网络的可行性，也为未来微观提供了理论基础与建模范式。尽管如此，当前研究主要聚焦于代谢网络的宏观构建，尚缺乏对代谢通路中关键风味形成节点及其调控机制的深入研究。为进一步实现菌群风味物质代谢的精准调控与食品风味创新，本研究认为风味酶系的系统挖掘与功能解析是微观生态风味组学未来的研究热点。风味酶系包括醛酶、酯酶、脱羧酶、萜烯合酶等，作为催化风味前体转化、风味活性物质合成及风味释放的核心功能元件，广泛参与芳香族氨基酸代谢、脂肪酸降解、硫代谢等与食品风味密切相关的代谢通路。风味酶系不仅决定了风味化合物的代谢方向和生成速率，还可能作为关键调控节点用于微生物工程化改造与风味物质合成定向优化。目前，已有部分研究从关键风味化合物出发，探究其合成过程中的核心酶系及其功能机制。Ott等通过 13 C同 位素标记法和气相色谱-质谱联用分析，系统解析了发酵乳制品中乙醛的代谢路径及其酶学基础。结果表明，两种菌株主要通过葡萄糖降解产生乙醛；同时，苏氨酸醛缩酶可将苏氨酸裂解为乙醛和甘氨酸，表明氨基酸代谢亦在风味物质合成中发挥关键作用。这进一步验证了乳酸菌风味代谢中糖酵解与氨基酸降解通路之间的互补关系。该研究为风味酶系的功能解析与验证提供了技术示范，也为乳制品中关键风味物质的代谢调控提供了理论依据。进一步地，Zhang Linli等通过结合宏基因组功能注释、代谢通路重构与关键酶分布分析的方法，系统研究了酱油发酵过程中参与特征风味物质合成的功能酶体系。研究发现，多个核心代谢节点上的关键酶，如乳酸脱氢酶、酚酸脱羧酶、三酰基甘油脂肪酶、乙醇脱氢酶等在不同阶段在不同发酵阶段由不同菌属主导表达，显著影响了乳酸、苯乙醛和乙酸乙酯等典型风味化合物的生成。该研究明确了关键酶在代谢通路中的主导地位，凸显了以功能导向为核心的发酵剂菌株筛选策略的重要性。此外，Yu Jianming等基于结构预测、分子对接与定向诱变手段，对二氯甲烷脱卤酶进行理性改造，显著提升了其催化效率，尽管该策略尚少应用于风味相关酶，但其在提升酶功能、解析结构-功能关系等方面展现出显著潜力。未来该类方法可拓展用于多样性风味产物的合成与风味酶工程的精准调控。上述案例共同构建了“同位素标记-代谢通路解析-功能验证-产香优化”的技术路径，为风味酶系的系统挖掘与功能研究提供了范式模板。深入解析其在风味物质代谢网络中的作用，是推动微观生态风味组学从“相关性描述”迈向“机制驱动”的关键突破点。风味酶系的系统解析将为发酵食品风味精准调控、微生物群落工程化改造及未来食品风味创新提供核心技术支撑。
02
宏观生态风味组学
2.1 宏观生态风味组学的研究进展
生态环境因子通过调控动、植物代谢活动，可显著影响其代谢产物的合成路径与积累水平。动、植物代谢产物作为风味特征形成的物质基础，直接参与农产品的味觉与嗅觉感知过程。因此，探究不同生态环境因子对农产品风味形成影响是宏观生态风味组学的主要研究内容，系统探明生态环境因子对农产品风味形成的影响机制是宏观生态风味组学的核心科学问题。目前，相关研究已初步揭示多种生态环境变量与植物风味特征之间的关联，为解析风味表型的生态驱动机制提供了理论基础。Läderach等使用热带农作物生态位选择（CaNaSTA）工具、地理加权回归（GWR）以及感官评价方法，研究了中南美洲阿拉比卡咖啡的风味品质与生态环境因子的空间异质性关联。结果表明，平均干旱月份数与年均昼夜温差是影响咖啡风味的关键生态环境因子，且其影响效应具有显著的地理空间依赖性。Zhang Panzhen等基于15 a葡萄园日太阳照射量、作物蒸散量、灌溉量及逐半小时气温模拟值等气象数据结合葡萄及葡萄酒的风味组学分析，构建了生态环境因子与莎草薁酮浓度的动态关联模型。研究发现，转色期至采收期的气温与莎草薁酮积累量呈显著负相关，由此建立的数学模型可基于季节性气候参数预测葡萄酒中“胡椒风味”化合物的终浓度，为特色风味产品的精细化酿造提供了量化依据。王佳等对不同温度条件下养殖的下红鳍东方鲀肝脏代谢特征进行了分析，结果显示甘油磷脂代谢、蛋白质消化吸收、α-亚麻酸代谢及亚油酸代谢等代谢通路中关键代谢物含量存在显著差异，表明水温变化影响水产品脂质与风味物质的代谢积累过程。Baik等通过整合温度、湿度与风速等气象因子数据，研究了环境变化对韩牛肉品质的影响，结果发现寒冷气候会导致牛肉品质显著下降。表2汇总了近年来宏观生态风味组学代表性研究案例，这些研究涵盖了茶叶、咖啡、葡萄等植物性农产品，以及鱼类、牛等动物性农产品，系统探讨了气候、土壤、区位差异等生态环境因子对风味物质形成与积累的影响，初步揭示了风味表型的生态驱动机制，为建立气候-代谢-风味的关联和预测模型提供了重要数据支撑，也为区域特色农产品风味研究提供了新思路。
2.2宏观生态风味组学未来的研究方向
尽管现有研究初步揭示了农产品风味形成的生态学机制，但全球气候变化正持续对作物的生长发育与产量持续构成威胁。此外，随着城市化进程加速，风味品质的稳定性与可控性正面临前所未有的挑战。在这一背景下，宏观生态风味组学既为解析环境因子对农产品风味形成的机制提供了理论基础，也为“风味导向”的农业系统设计提供了实践参考。近年来，精准农业模式正逐渐展现其优势，其中代表性的垂直农业为农产品风味的稳定与提升提供了新的可能。该模式可通过精确控制光照、温度、湿度、二氧化碳、水分和营养，在不依赖自然气候的前提下保障种植类农产品质量与一致性。该方法在水产养殖领域同样展现出应用潜力。Saengsuk等在罗氏沼虾垂直养殖系统中观察到，自溶速率的降低改善了质构表现，提示环境的可控性可反馈调节产品的风味特性。这一发现验证了垂直农业在风味组学研究中具备两项突出优势：一是生长环境的稳定性有助于隔离单一生态因子的风味效应，为构建风味形成的机制模型提供基础数据；二是其对生态因子的精细调控能力可作为风味表型调控的实验平台，助力实现风味设计的农业系统转型。未来可进一步聚焦上述所示关键环境因子的定向调控，结合宏观生态风味组学构建“环境因子-代谢通路-风味表型”的整合模型，实现农产品风味的精准预测与机制驱动的干预优化，为智能化、风味导向型农业发展提供理论支撑与技术路径。
03
生态风味组学在食品风味研究中的挑战
3.1 微生物群落风味物质代谢机制的复杂性
发酵食品中的微生物通过共生、偏利、竞争等相互作用关系形成动态演替的群落结构，进而影响风味物质的合成与积累。然而，微生物分子层面的互作机制及群落重塑过程尚未得到系统性阐释。与此同时，微生物群落的代谢途径网络复杂多样，氨基酸代谢、脂肪酸代谢、碳水化合物代谢等各通路交叉互作，共同塑造成发酵食品独特的风味，识别和解析微生物群落互作网络与代谢通路的耦合机制仍需在后续的微观生态风味组学深入探索。此外，发酵食品中普遍存在的交叉喂养现象进一步增加了群落代谢的复杂性。交叉喂养是微生物间交换代谢物的重要模式，主要表现为不同物种或菌株的微生物之间通过共享能量和营养物实现协同共存。当所有菌株都能从中受益时，这种现象就被称为功能专业化或分工。因此，在复杂的微生物群系中通常存在着不同功能定位的菌株。基于此，在微观生态风味组学研究的背景下，可将微生物群落分为基石功能群和风味功能群。前者指的是维持微生物群落稳定性、资源初级降解、pH值调控等方面具有核心作用的类群，通常包括部分乳酸菌、酵母或霉菌中的主导种群；而后者则特指那些在风味前体代谢或风味化合物合成过程中发挥直接作用的功能性微生物。然而，目前对上述功能群体的系统识别仍面临挑战。在经典生态学理论中，微生物群落的形成受扩散、选择、多样化和漂移等生态和进化过程的共同驱动，最终塑造出复杂的种类组成与功能结构。尽管现有技术已能对微生物生物量与多样性进行高通量检测，但针对基石功能群与风味功能群的精准识别仍缺乏分子层面的功能注释工具，导致发酵食品体系中微生物多样性与风味功能多样性的关联研究值得进一步挖掘。
在这一背景下，系统生物学作为微生物群落代谢机制的解析的潜在工具，有望在研究思路层面为现有研究体系提供补充，尤其在菌群功能识别与代谢机制建模方面展现出独特优势。围绕微生物群落风味物质代谢机制解析，代谢流通量平衡分析（FBA）和GSMM等系统生物学研究方法引入，为多尺度解析食品体系微生物群落互作机制、风味物质代谢流和风味物质代谢网络等方面展现出重要应用潜力。相较于传统代谢组学仅提供的代谢图谱，FBA技术结合常微分方程组可动态模拟微生物在特定环境下的代谢行为和代谢流分布，更真实地反映风味物质合成的动态过程。FBA基于代谢化学计量矩阵，引入质量守恒、能量守恒等约束与目标函数，在代谢稳态假设下求解网络中各代谢反应的通量值。该方法常与GSMM协同，适用于大规模基因组水平的微生物代谢模拟，已在提高蛋白质产量、计算乳酸菌代谢流等研究中得到应用。然而，当前研究主要聚焦于单菌株水平的GSMM构建，缺乏群落水平的系统建模。近年来，微生物群落宏基因组规模代谢建模逐渐兴起，旨在揭示发酵体系中微生物的资源分配与相互作用机制。Qiu Sizhe等构建了酸奶发酵剂群落的宏GSMM，动态模拟了嗜热链球菌与保加利亚乳杆菌的交叉喂养行为，揭示了二者在维持群落稳定性及风味物质合成中的协同作用，明确了如乙酸等风味物质的合成代谢途径依赖丙酮酸甲酸裂解酶的调控。未来，微生物群落宏基因组代谢建模有望成为微观生态风味组学的研究技术之一，为解析微生物群落相互作用、群落风味物质代谢网络以及风味物质代谢精准调控提供技术支持，推动发酵食品的风味稳定保持与定向设计。
3.2 风味分子结构-风味表型关联的模糊性
风味物质具有相对分子质量小、挥发性强、成分复杂、含量少且稳定性差等特性。除自身的复杂性外，风味物质在食品基质中常通过疏水作用、静电作用、氢键及共价键等物理化学机制与蛋白质、脂肪、碳水化合物等成分发生可逆或不可逆的相互作用，进而影响其释放行为和扩散速率，最终改变风味感知过程与整体风味轮廓。尽管风味分子的化学结构与感官效应之间存在潜在关联，但目前这一关系尚未被系统揭示，尤其在关键官能团如何影响特定风味感知属性方面仍缺乏深入解析。其中，立体异构可通过影响风味化合物的气味阈值、感官特性及其与嗅觉受体的对映选择性识别，在关键结构位点诱导显著的风味差异，然而，目前对于其作用机制及量化特征的解析仍较为有限，亟需深入研究。此外，风味物质之间普遍存在协同或拮抗作用，感知强度对浓度变化的非线性响应进一步增加了风味感知建模的复杂性。因此，构建风味分子结构特征与风味感知的精准映射模型成味当前微观生态风味组学面临的另一大挑战。
在这一背景下，机器学习（ML）与人工智能（AI）等先进数据分析工具，正为风味解析与预测提供重要技术支撑。作为AI的核心分支，ML通过对海量数据的学习，实现分类、聚类、回归及模式识别等任务，并持续优化模型性能以提升对未知数据预测精度。深度学习（DL）作为ML的前沿方向，依托神经网络架构，能够自动从复杂数据中提取高层次特征，尤其适用于解析风味物质间的复杂的非线性关系。相较于传统ML方法，深度神经网络在处理食品风味等高维异质性数据时具有更强的表达能力和泛化性能，旨在赋予机器自主识别文本、图像、声音等多模态数据的能力，从而实现类人化的学习与分析。在风味研究领域，Lee等基于图神经网络开发了一种主气味图（POM），首次实现了风味分子化学结构与气味感知维度的精准映射关系。相较于既往模型，POM不仅能准确预测气味强度与感知相似性，且在无需微调的情况下表现出卓越的嗅觉预测能力。在此基础上，智慧风味设计技术正推动风味研究实现从分析与预测到“定向设计”的跨越。Schreurs等通过梯度提升回归器算法识别出啤酒中关键风味化合物，并可通过模型定向设计和调控啤酒中的风味物质含量，显著提升啤酒感官特性和消费者接受度，为未来食品风味的个性化开发提供了创新技术路径。由此可见，从图神经网络的结构-风味预测到食品风味的智慧、定向设计，数据驱动的风味建模方法正在不断丰富食品风味科学的研究工具，推动食品工业迈向结构-风味表型关系精准建模与风味智能化创制的新阶段。
3.3 食品风味感官评价方法的局限性
感官评价在食品的设计与开发中发挥关键作用，典型代表如杯测技术已广泛应用于咖啡、茶叶、葡萄酒等农产品风味标准化评估。经过专业训练的杯测师能够敏锐捕捉产品在香气轮廓、滋味层次及口感质地等维度的细微差异。然而，传统感官评价存在诸多局限，例如，受试者的生理和心理偏差易影响评测结果；同化效应或对比效应会导致产品感知差异的放大或缩小，从而增加评价的主观性与不确定性；感官评价高度依赖经验丰富的评测小组，其训练周期长、成本高、重复性差，难以满足大规模产品筛选与快速风味评测的实际需求。此外，感官知觉是多维的，涵盖香气、味道和质地感知，这些跨模态的信息会进一步影响感官评价结果的稳定性和可重复性。
为应对上述挑战，近年来发展出智慧感官仪器集成了人工感知技术与AI结合的传感系统通过采集多通道传感信号并结合ML模型进行数据解析与优化反馈，实现对目标变量的高效感知、判别与预测。其核心特征包括：1）多通道感知与信号复用；2）学习模型驱动的感知结果预测；3）基于成本函数的模型评估与性能反馈；4）感知器结构的自适应优化与更新。这类仪器已广泛用于食品领域，具备高通量、可重构和低人为干预等优势，为传统感官评价提供有力补充。在该系统中，人工感知技术发挥了关键作用，其通过模拟人类的视觉、嗅觉、味觉、听觉和触觉5 种感官功能，实现虚拟世界与现实世界之间的数据交互，并对外界刺激作出智能反馈，在一定程度上克服了传统感官分析的主观性短板。Liu Kaihao等比较了感官评价与电子鼻、电子舌在冷泡咖啡风味判别中的表现，结果显示感官评价在6 项风味指标中有4 项未能识别样品间显著差异，而电子系统可捕捉到微小风味变化，提示人工感知在风味识别灵敏度方面具有人类感官难以企及的优势AI在该系统中同样发挥了关键作用，实现了人工感知技术到智慧感官仪器的跨越。一方面，AI通过模拟人类的感知机制处理复杂感官任务，可增强系统对动态环境下多维信号的理解与响应能力。Jung等基于用户感官评论与电子舌系统对6 种葡萄酒进行味觉特征对比，结果显示电子舌可识别出与用户评价一致的酸度和甜度趋势，尽管在涩味与个别样品的酸味感知上存在细微偏差；进一步结合深度神经网络模型，实现了对多种葡萄酒准确率达90.91%的高精度分类。AI辅助的感官系统在实现复杂风味表型高通量识别与个性化应用场景中具有广阔前景。Gonzalez Viejo等开发电子鼻结合人工神经网络模型，可准确预测啤酒10 项感官描述符评分，其相关系数（r）＝0.93，表现出对风味化合物含量与感官特征的双重感知能力，展现了AI驱动的人工感知系统在风味质量快速评估中的实际应用潜力。另一方面，AI可有效增强人工感知技术对特定刺激的灵敏性和抗干扰能力。Cho等构建的深度神经网络系统可在气体浓度低于常规检测限的条件下识别氢气信号，并在多种金属传感器中实现高达84%的识别准确率，显著优于传统方法在低浓度下接近随机水约50%识别准确率的表现，展示了AI模型在识别风味微小区别方面的独特优势。Leong等则构建了ML驱动的多受体表面增强拉曼散射品尝器，整合不同受体的振动光谱数据并结合支持向量机判别分析，实现了对5 种葡萄酒风味分子的定量识别准确率高达100%，而传统单受体方法准确率不足33%，显著提高了复杂基质中微量风味物质的分辨能力。此外，人工感知技术正与AI算法深度融合，催生出多模态与跨模态的仿神经系统感知平台。此类仿生神经系统通常由集成人工突触的仿生受体构成，可感知压力、声音、光、热等多维刺激并将其转化为电信号，通过类神经传导机制触发中枢响应。多模态感知不仅有助于AI模拟人脑的学习和记忆过程，深化对风味感知神经机制的解析，还可通过跨物理/化学信号关联间接预测食品风味属性。因此，具备多模态与跨模态感知能力的仿生神经系统有望推动当前目前智慧感官仪器向智能感官系统演化，实现风味信息的高维感知、智能解析与类脑响应，为未来食品风味个性化识别与高通量筛选提供有力支撑。
3.4 生态环境数据与风味数据的异质性
GIS作为生态环境监测的核心技术，已被广泛应用于绘制高时空分辨率作物类型图、追踪田间尺度物候变化以及预测气候与生态系统变化对农业生产的复杂影响。然而，生态环境数据普遍存在时空分布不均、时间序列不连续及季节性数据缺失等问题。此外，机载与星载传感器的大规模应用催生了海量遥感数据，如何高效整合生态维度信息与农产品食品群系的风味感官表型数据，成为当前研究亟需突破的技术瓶颈。此外，现有基于GIS的农业区位选择工具多以产量、抗逆性等为核心响应指标，缺乏以风味表型优化为目标的区位优化模型。因此，宏观生态风味组学面临的关键挑战在于构建遥感影像、气象参数等生态环境数据与风味感官数据的跨模态关联机制，开发基于风味为导向的地理区位选择模型，为高品质农产品的地域精准生产与可持续供应提供理论支撑与技术路径。
数据融合与AI作为数据分析的重要手段，在解析生态环境数据与风味数据多层次、多模态复杂特性方面展现出一定潜力。多模态数据融合策略是指从多个异质数据源中提取互补信息，并将其整合至统一的数据框架中，从而提高数据的利用效率与预测建模的准确性。以生态环境监测为例，遥感领域通常需整合不同遥感设备获取的多源图像，通过提取空间与光谱特征生成综合分析图像，以实现对生态系统变化更全面的检测与判断。近年来，DL等AI算法已深度融入多模态遥感数据融合流程，在图像特征提取、目标识别与信息分类等关键环节取得显著技术突破。典型案例包括基于多源遥感数据的伊朗洛雷斯坦地区干旱程度空间分析，研究通过整合综合干旱指数，有效揭示了区域生态压力的演变趋势。此外，AI模型在小尺度气象数据预测、水质硝酸盐来源追踪等领域亦表现出优异的建模能力与数据适配性。尽管当前数据融合与AI技术在生态环境数据融合领域已取得显著进展，但生态环境数据与农产品风味数据之间的跨模态整合仍处于起步阶段，二者潜在关联机制尚缺乏针对性的算法框架支撑。值得关注的是，已有学者借助可模拟真实气候条件的植物表型设施PhenoSphere，初步揭示了气候因子对植物生长过程的调控机制。这一仿真模拟系统的构建为开展生态环境驱动下的风味预测研究提供了可行的实验平台与数据来源。未来研究可依托此类高通量可控环境仿真系统，通过多模态数据融合与AI建模，构建生态环境因子与植物风味之间的量化映射关系，通过集成气候变量、土壤条件、遥感图像与风味数据集，有望建立风味形成路径的生态驱动模型，并进一步开发以风味为导向的地理区位优选系统。这将为实现“环境-风味”精确预测与风味导向型种植与养殖策略提供重要的技术支撑，推动风味科学在生态农业与区域特色食品开发的深度融合与跨领域创新。
04
结语
生态风味组学作为融合系统生物学、环境生态学与食品风味化学的新兴交叉领域，提供了一种生态驱为核心视角的食品风味形成机制研究思路。不同于传统从单一菌种或风味物质出发的还原路径，生态风味组学强调在多尺度生态背景下识别生物群体与环境因子如何协同塑造风味物质的动态演化路径。这一研究思路的提出不仅弥补了经典研究在复杂系统解析方面的不足，也为风味科学引入了更具整体性、系统性与可预测性的研究框架。
目前，生态风味组已在多个典型食品体系中得到初步验证，显示出对复杂风味形成机制的解析能力。在奶酪中，研究者通过多组学融合揭示了乳酸乳球菌等优势微生物驱动醇类、酮类生成的关键代谢通路，构建了风味物质的形成通路；在发酵肉制品中，证实了酵母、霉菌与葡萄球菌协同生成醛类、含硫化合物的机制，为风味调控菌株的筛选提供了依据；在葡萄酒与咖啡等农产品中，生态风味组学整合遥感、气象与风味组学数据，建立了生态因子与特征风味的对应关系，有望从气候参数反推风味表达的初步能力。
未来，随着AI和多模态数据融合等技术的不断发展，生态风味组学有望迈向更精细化和可预测的发展阶段。例如微生物群落宏GSMM与群落生态模型耦合，可在模拟微生物演替基础上预测风味形成路径；通过人工感知技术与多模态感官系统融合，有望实现机器辅助的高通量风味感知与评价。此外，该研究方向不仅有潜力在发酵食品智能制造中实现风味的精准调控与品质稳态控制，也为在低添加剂、低能耗条件下实现自然风味的优化提供了可行策略，助力构建更具生态友好的食品系统。综上所述，生态风味组学作为食品风味科学的全新研究视角，具有广阔的发展潜力与重要的应用价值。其发展不仅有望突破当前风味形成机制解析的瓶颈，同时在推动食品工业智能化、绿色化与个性化发展方面发挥关键作用。通过不断完善技术体系与强化跨领域协同创新，生态风味组学有望为未来食品产业向更智能、更绿色、更可持续、更个性化方向转型升级提供技术支持。
作者简介
通信作者：
曾黉，牛津大学系统生物学博士，曼彻斯特大学生物技术研究院博士后，北京工商大学副教授，硕士生导师，北京市第十五批人才项目“海外英才聚集工程”、北京市科协青年人才托举工程入选者，兼任国际期刊《Journal of Future Foods》青年编委会委员、全国生化检测标准化技术委员会生物体活性物质含量检测工作组成员、中国农学会食物与营养委员会委员等。长期从事食品风味与健康领域研究，主持国家自然科学基金青年基金项目、国家重点研发计划项目子课题等国家级和省部级项目5 项，发表学术论文20余篇，参与出版学术著作2 部，参与制定国家标准1 项，筹建全球食品风味与人类健康科技创新中心等。
第一作者：
王启昊，北京工商大学食品与健康学院2025级硕士研究生，主要研究方向为食品生物成味。
引文格式：
王启昊, 刘子豪, 李文璐, 等. 生态风味组学在食品风味科学中的应用[J]. 食品科学, 2025, 46(21): 293-303. DOI:10.7506/spkx1002-6630-20250612-084.
WANG Qihao, LIU Zihao, LI Wenlu, et al. Application of ecological flavoromics in food flavor and sensory science[J].Food Science, 2025, 46(21): 293-303. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-20250612-084.
实习编辑：俞逸岚；责任编辑：张睿梅。点击下方阅读原文即可查看全文。图片来源于文章原文及摄图网
为汇聚全球智慧共探产业变革方向，搭建跨学科、跨国界的协同创新平台，由北京食品科学研究院、中国肉类食品综合研究中心、国家市场监督管理总局技术创新中心（动物替代蛋白）、中国食品杂志社《食品科学》杂志（EI收录）、中国食品杂志社《Food Science and Human Wellness》杂志（SCI收录）、中国食品杂志社《Journal of Future Foods》杂志（ESCI收录）主办，西南大学、 重庆市农业科学院、 重庆市农产品加工业技术创新联盟、重庆工商大学、 重庆三峡科技大学 、西华大学、成都大学、四川旅游学院、北京联合大学、 中国-匈牙利食品科学“一带一路”联合实验室（筹） 共同主办 的“ 第三届大食物观·未来食品科技创新国际研讨会 ”， 将于2026年4月25-26日 （4月24日全天报到） 在中国 重庆召开。
长按或微信扫码进行注册
为系统提升我国食品营养与安全的科技创新策源能力，加速科技成果向现实生产力转化，推动食品产业向绿色化、智能化、高端化转型升级，由北京食品科学研究院、中国食品杂志社《食品科学》杂志（EI收录）、中国食品杂志社《Food Science and Human Wellness》杂志（SCI收录）、中国食品杂志社《Journal of Future Foods》杂志（ESCI收录）主办，合肥工业大学、安徽农业大学、安徽省食品行业协会、安徽大学、合肥大学、合肥师范学院、北京工商大学、中国科技大学附属第一医院临床营养科、安徽粮食工程职业学院、安徽省农科院农产品加工研究所、安徽科技学院、皖西学院、黄山学院、滁州学院、蚌埠学院共同主办的“第六届食品科学与人类健康国际研讨会”，将于 2026年8月15-16日（8月14日全天报到）在中国 安徽 合肥召开。
长按或微信扫码进行注册
会议招商招展
联系人：杨红；电话：010-83152138；手机：13522179918（微信同号）
热门跟贴