年份对Tokaj葡萄园乙醇生产菌株依赖动力学的影响

摘要：在两个托卡伊酒厂检测了三种酵母菌种及其三元混合物的当地菌株的乙醇生产动态。虽然，它们的表现在最初的酿造阶段存在显着差异——最多使用葡萄汁中一半的糖分——但每个年份的变化超过了依赖于菌株的变化。后一个方面的差异在最后一个 etap 期间减少了，由Saccharomyces cerevisiae、S. uvarum和Starmerella bacillaris（每种 2 个本地菌株）及其混合物发酵的年轻葡萄酒中的乙醇浓度没有显着变化（cv 4.2%）。葡萄汁的酿造在接种了酿酒酵母菌株的发酵罐中进行得更快, S. uvarum和St. bacillaris以及它们的混合物比在每个年份由野生菌群自发引发的混合物。这些菌株以不同的方式对每个年份的条件做出反应，但是，它们的三元混合物总是比单独的菌株更强烈地发酵葡萄汁。菌株在不同程度上影响了酒精生产的动态，但它们之间的变化超过了物种平均效应之间的变化。酿造环境显着影响随后的发酵事件，但乙醇生产的最大强度与开始生产酒精所需的时间成反比（p > 0.05)，与在实验室严格控制的微量酿造实验中观察到的结果相似。乙醇生产 (MIE) 的最大强度在每小时0.64 - 2.59 mM 乙醇之间变化。描述实验室微型和中等规模酒窖实验中酒精生产动力学的二阶多项式方程的系数揭示了关于调节过程的因素组相互作用的类似相关性：常数（时间- 这些多项式的独立）和次要（时间相关）系数严格地以应变相关的方式抵消了主要（时间相关）的系数，并且这三个因素组的作用在酿造过程中也以应变相关的方式独立变化三个年份的不同情况。

关键词

酵母,酿造,混合 发酵,乙醇 生产,动力学,托卡伊

一、简介

以前，我们在高度受控的实验室条件下进行的微型酿酒模型中揭示了在葡萄汁发酵过程中调节乙醇产量的因素组 [ 1 ]。尽管在这些模型实验中检测到的葡萄酒酵母的乙醇生产动态对于酿酒酵母、葡萄葡萄球菌和芽孢杆菌（分别为21、2和2 个菌株）有显着差异（cv 25%），但发酵​​的年轻葡萄酒中的乙醇浓度确实存在差异。变化不大（cv 1.9%）。与酿酒酵母的典型菌株 [ATCC 26108] 相比，它们都产生了显着更高量的乙醇. 滞后期在 33 到 123 小时之间变化，而产生一半最终乙醇浓度所需的时间在 67 到 294 小时之间变化。此外，最大乙醇产量 (MIE) 的强度在每天 0.81% - 4.56% 乙醇之间变化。目前，葡萄葡萄球菌和圣杆菌菌株在酿酒技术中的应用已定位在与酿酒酵母菌株相似的范围内[ 1 ]。

乙醇生产的动态可以通过二阶多项式函数来描述，在计算发酵的滞后期和终点时具有预测能力 (p < 0.001)。这些函数的常数和次要系数以应变依赖的方式严格地抵消了主系数，并且这三个因子组的作用在酿造过程中也以应变依赖的方式变化。当比较这些调节因子组的相互作用时，表现出接近线性的趋势，并且菌株的位置很好地独立于它们的起源和分类位置。

这项工作的主要目的是在半工业条件下测试上述发现，并研究环境条件对每个年份的影响。

2。材料和方法

报告了模型实验中使用的葡萄酒酵母菌株的维持、来源和鉴定方法数据（表1）和实验方法。

物种

乙醇生产

糖利用

菌株_

代码b

LPc

高温高压

HLd

西电

R^2f

西北大学

高温_

SISf

R^2f

新世界报

酿酒酵母(Desm.) Meyen, 1838

10-489α

C10

54

111

57

1.05

0.996

11.60

104

6.20

0.995

6.70

10-489α

C11

66

159

93

0.64

0.999

12.56

145

3.59

0.998

10.20

10-489α

C12a

33

67

34

1.97

0.940

12.73

79

12.98

0.980

2.05

10-493β

C12b

53

105

52

1.29

0.996

12.99

103

7.88

0.996

2.75

葡萄酵母菌Beij。1898年

10-486χ

U10

49

107

58

1.00

0.994

11.75

102

6.21

0.993

3.10

10-486χ

U11

55

129

74

0.82

0.999

12.73

132

5.11

0.997

3.50

10-486χ

U12a

78

107

29

2.59

0.949

12.24

105

15.00

0.951

1.75

10-499δ

U12b

65

97

32

2.32

0.979

12.60

97

13.35

0.979

1.70

Starmerella bacillaris(Kroemer & Krumbholz) FL Duarte & A. Fonseca, 2012

10-374ε

Z10

102

169

67

0.99

0.962

11.79

157

4.24

0.950

2.20

10-374ε

Z11

73

165

92

0.68

0.999

12.80

150

4.02

0.999

10.50

10-374ε

Z12a

98

144

46

1.65

0.982

12.78

144

9.47

0.983

2.50

10-5.11φ

Z12b

88

132

44

1.71

0.981

12.47

131

9.94

0.981

1.50

混合物

α+χ+ε

M10

46

86

40

1.57

0.998

11.63

82

9.34

0.997

2.30

α+χ+ε

M11

74

145

71

0.92

0.994

12.88

145

5.49

0.984

3.60

α+χ+ε

M12a

42

76

34

2.02

0.905

12.81

89

13.83

0.971

1.40

β+δ+φ

M12b

54

93

39

1.76

0.936

12.79

93

10.23

0.939

3.00

自发的

荒野

S10

72

140

68

0.92

0.950

11.83

137

5.54

0.952

2.60

荒野

S11

81

157

76

0.78

0.985

11.41

160

4.49

0.971

30.50

荒野

S12

106

153

47

1.59

0.989

12.76

153

9.18

0.989

1.80

表 1.葡萄酒酵母菌株发酵动力学的动力学参数

a所有菌株均在托卡伊葡萄酒产区分离并保存在德布勒森大学遗传学和应用微生物学系的收藏中。Kállai等人描述了有关其起源和酿酒特性的数据。[ 2 ]。缩写：b图中使用的代码；c LP 和 HT = 滞后期和半时（小时）。d自滞后期结束后产生一半最终乙醇浓度所需的时间（小时）。e SI = 半场时乙醇生产 (SIE) 和糖利用 (SIS) 的比强度 (mM/小时)。f用于计算参数的回归曲线的确定系数（见图 1）。g新酒中的乙醇和糖浓度（分别为% v/v 和 g/L）。

由 Kállai等人详细介绍。[ 2 ]。

2.1。酒厂的半工业发酵

Furmint 葡萄汁经过均衡处理，然后用真空鼓式过滤器进行清洁。接种浓度为5×10 6 个细胞/ml 葡萄汁。2010 年和 2011 年在装满 100 L 葡萄汁的钢罐中进行发酵。2012 年的采后和葡萄葡萄汁清洗过程相同，但发酵在 50 L 玻璃大瓶中进行。按图 1中给出的时间进程取样以观察发酵的动态。

2.2. 分析

使用 Bruker Alpha FTIR 光谱仪（Bruker Optic GmbH，德国）测量酒精和总糖浓度，并使用 Bruker OPUS 软件处理结果。

2.3. 数据分析

Fisher 检验用于评估 p = 0.05 水平的变体之间差异的显着性。使用按时间进程确定的样品中乙醇和糖浓度的平均值来构建两个数据矩阵

图 1。调节乙醇生产的应变依赖性动态的因素之间的关系。Kállai等人描述了实验中使用的酵母菌株[ 2 ]。左侧：用于演示过程的选定样本。手动绘制的虚线分别显示了效率较低和效率最高的发酵罐中乙醇产量变化的动力学。酒精发酵过程可分为四个阶段；P 1 —在中间（滞后阶段）中没有可测量的量，P 2 —浓度加速增长，P 3 —接近单调增长，P 4 —延迟增长。C最大值为混合菌种发酵新酒中的乙醇浓度，HT为原值的一半，LP为相同的Lag阶段：2010年份的值汇总于表1。箭头HL表示时间间隔要求在滞后期结束时富产乙醇浓度的一半。回归计算的是培养基中实验确定的乙醇浓度 (AC)（在随后的酿酒酵母[10-489]、酿酒酵母的三级混合物 [10-489]、葡萄葡萄球菌 [10-486]取样时的测量值]，圣杆菌[10-374] 和野生酵母（样品分别标有空心圆和实心圆和实心方形）：M = 混合物；AC(%) = -13.731 [时间] 2 + 71.140 [时间] - 80.410 (R 2 = 0.9977) “方程 (1)”；C =酿酒酵母；AC(%) = -10.060 [时间] 2 + 56.709 [时间] – 68.081 (R 2 = 0.9961) “方程 (2)”；S = 自发，AC(%) = -10.865 [时间] 2 + 64.084 [时间] – 81.594 (R 2 = 0.9495) “等式 (3)”。其中时间以对数小时为单位给出，作为发酵开始的测量值，确定系数 (R^2) 显示实验值与多项式函数的拟合。右边：拟合到实验值的多项式方程系数的散点图。回归线。P (Pi = -0.8199Ci - 1.1659; r 2 = 0.993) “方程 (4)”。S (Si = 0.1661Ci + 1.1942; r 2 = 0.978) “方程（5）”；证明与时间相关的初级 [ P ; b 1 ] 和次要 [S; b 2 ] 因素（分别为空心圆和实心圆）与时间无关常数因素 [A] 影响菌株 (i) 的实际乙醇生产强度。球的大小与完成酿造所要求的时间成正比，而字母 C、U、Z、M 和 S 标记品种cerevisiae、uvarum、zemplinina及其混合物用于接种以及自发发酵变种（绿色），而 A 和 B 年份用于 2010 年（柠檬）和 2011 年（砖）。C（深蓝色）和 D（蔚蓝）标志着两套 2012 年份（见表 1）。

每个年份的年份，而将三种菌株（S. cerevisiae、S. uvarum和St. bacillaris ）的其他特征及其发酵 Furmint 汁的 1 + 1 + 1 混合物放入分离的菌株中。

随后通过乙醇百分比与对数时间回归分析包含时间相关百分比值的数据矩阵，应用二阶多项式函数来阐明发酵过程中乙醇生产的动态变化特征，遵循 Sváb [ 3 ] 描述的模型。动力学参数（滞后期、酒精生产的半衰期和终点）通过线性回归相关。箱线图用于展示三个品种（酿酒酵母、葡萄柚和圣杆菌）及其 1 + 1 + 1 混合物以及野生酵母菌在酿造过程中的性能差异。

Microsoft Office Excel 2003（Microsoft，Redmondton，USA）和 Statistica 5 程序（StatSoft，Tusla，USA）的统计函数用于数据的多变量分析。数据分析结果的图形表示在 MS Office PowerPoint 2003 中统一编辑。

3。结果与讨论

3.1。新酒

在酿造过程中采集的样品中可以高精度地测定乙醇 (E) 和总糖 (TS) 的水平（F E = 0.26 < F TS = 1.56 < F 0.1 = 1.71）。用野生菌株 (11.8 - 12.8 v/v%) 处理的发酵罐之间乙醇产量的变化不超过接种混合菌株 (11.6 - 12.9 v/v%) 或纯培养物 (11.6 - 13.0 v/v) 的那些%）。总体而言，年份 (V) 对最终乙醇浓度的影响并不显着（F E,V = 0.22, p = 0.136），因此 2010 年和 2012 年的差异仅为 0.14% 和 0.12%。然而，2011 年份的接种使新酒中的乙醇浓度增加了 1.33 ± 0.14 v/v%（表 1）。新酒的糖分含量也有类似趋势，2010 年和 2011 年野生批次和接种批次之间的差异很小（分别最大 0.08 和 0.14 克/升），而 2011 年份的残留糖含量超过了野生批次在接种发酵罐中浓度为 23.5 ± 3.9 g/L（表 1）。这表明年份效应通过影响糖的消耗强度在发酵的早期表现出来（F TS,V = 20.2, p < 0.01），不仅增加了剩余的糖量，而且增加了酒精量生产，因为在其他过程中使用较少的糖。

3.2. 酿造动力学

在 2010 年份的选定样品上展示了乙醇生产的动态（图 1）。自发发酵葡萄汁中乙醇生产的滞后期（72 小时）明显长于接种菌株 [10-848] 或三种物种混合物的发酵罐（分别为 54 和 46 小时），所要求的时间超过酵母菌的毒性浓度 [ 4 ] [ 5 ] 也更长（8天对 4-5天）。酿酒酵母纯培养物的最大乙醇产量（0.92 mM/h）低于混合物（自发发酵也已经用各种同居酵母进行）。一般来说，与每个年份新酒的成分几乎一致，乙醇生产的动态 (D) 表现出很高的菌株依赖性变化 (F S = 48.58)，尽管该过程的特征是菌株之间的相似 (F S ,D = 1.11)，即，在依赖于应变的滞后期长度开始乙醇浓度快速演变后，培养基中乙醇浓度超过 9 % v/v，强度逐渐降低，直至新酒特征中的乙醇浓度到有关的应变。虽然，复古效果本身也很突出（F S,V= 6.84) 在这方面（图 2 (A)），在这些实验中观察到的乙醇生产动态（在葡萄园中进行）与在高度受控的实验室条件下发现的相似 [ 1 ] [ 2 ]。

在乙醇生产的滞后阶段，糖的利用率表现出高且依赖于菌株的变化（图 3），然而，这两个过程的半衰期相关性很好（图 2（B））。发酵罐根据乙醇生产开始的速度分成两组。这方面的陈酿效果看似微不足道，尽管自发发酵批次在酿造的前半段被归为慢发酵批次（U组）。这种分离的原因尚不清楚，因为随后年份葡萄汁的起始成分不同（分别为 205、216 和 222 g/L 总糖），仍然组 L 和 U 具有异质成分。可以得出结论，必须本身的组成不一定相连

图 2。不同年份发酵动力学参数的应变依赖性变化。菌株的代码在表 1 中给出。左侧：子图 A. 酿造的 Etaps [规模单位 (0-200) 为 50 小时]：乙醇生产的滞后期和半期（分别为黑色和红色线），糖利用的一半时间[蓝线]。右侧：子图 B。球的大小与发酵罐中的滞后阶段成比例（图 1(A) 中的 Etap P 1），2010 年的年份是 2011 年标记的柠檬色和砖色，而 2012 年的两种变体分别是群青和天蓝色。回归线（y = 1.1151x - 12.15；R 2 = 0.9563，p < 0.001）显示了糖利用动态与乙醇生产之间的相似性。

图 3。葡萄汁酿造过程中乙醇形成和糖利用的动态。左侧：糖的利用，右侧：乙醇的生产。缩写：P 1、P 2、P 3、P 4酿造的etaps（见图1）；LP = 滞后期，HT = 半时间，HT-LP = 滞后期末期乙醇浓度达到新酒最终浓度一半所需的时间；FT-HT = 完成发酵所需的时间；S/E = 利用的糖和生产的乙醇的摩尔比；LS = 滞后阶段使用的糖质量 [g/L]（SU = 酿造过程中使用的糖总量 [g/L]；EP = 生产的乙醇质量 [g/L]，E = 条件时间 [小时] 随着培养基中乙醇浓度的增加，黑色棱镜中的白线标志着糖消耗的一半时间 [小时]。

葡萄酒酿造的动力。更详细地检查该过程，发现在乙醇生产 (LS) 的滞后阶段，糖利用强度发生了菌株依赖性变化，这与年份效应无关（图 3）。达到最终乙醇浓度特征水平所需的时间显示出显着的菌株依赖性差异（cv 15% ® 51%），这也受到年份效应的影响（图 3），2010 年的酿造过程更加缓慢（11 - 17 天）然后是 2011 年或 2012 年的变体（分别为 6 - 10 天和 6 - 16 天）。糖利用 (MIS) 和乙醇生产 (MIE) 的最大速率在很大范围内变化（分别为 3.59 ® 15 和 0.64 ® 2.59 mM/h），但同时（图 4 )，因此它们的比率 (MIS/MIE) 在窄范围内变化 (1:1.82 ® 1:1.89 mM/h; cv 2.57%)。

酿酒过程本身在强烈的年份效应下以菌株依赖的方式流失（图 3），这反映在最大乙醇产量和最大糖利用率的差异上，如

图 4。乙醇产量与菌株糖利用的关系。菌株的代码在表 1 中给出。左侧：子图 A. 糖消耗量（蓝线）和乙醇生产量（红线）的最大容量，这两个参数都标准化为它们的最大值（ S. uvarum [10- 486] 年份 2011！）与发酵罐组相关（见表 1）。刻度的相对单位 (0-1) 是 0.2 相对单位 [RU]。右侧：子图 B。球的大小与发酵罐中的滞后阶段成比例（图 1(A) 中的 Etap P 1），2010 年的年份是 2011 年标记的柠檬色和砖色，而 2012 年的两种变体分别是群青和天蓝色。回归 y = 0.1563x + 0.0993 (R2 = 0.9649, p < 0.001) 显示了糖消耗和乙醇生产之间的相似性，通过乙醇生产的最大能力与糖的利用进行了对比。

使用这两个参数的归一化值证明了这一点（图 4 (A)）。图 5展示了由年份效应和物种依赖性反应差异引起的巨大变化。事实证明，野生聚生菌和Stramerella菌株对年份效应的敏感性低于酵母菌株的纯培养物和三种物种的混合物。这反映在乙醇生产的动态（图 5（A））和糖利用率上，其变化幅度明显高于乙醇生产（图 5（B））。

3.3. 隐藏因素的作用

在葡萄酒厂进行的这些实验中观察到的乙醇生产动态与在高度受控的实验室条件下发现的动态 [ 1 ] 与大量酵母菌株 [ 6 ] 相似。研究描述乙醇生产动态的各种数学模型，我们发现二阶多项式函数最适合预测酿造结果 [ 2 ]。该模型也由几位作者 [ 7 ] [ 8 ] 提出，允许权衡常数、初级（线性）和次级（二次）效应的作用，并以应变相关的方式分析它们的关系（图 1和表 3）。描述酿酒过程中乙醇形成动力学的多项式函数的系数可以概念化为向量，即影响酿酒过程中酵母细胞产生乙醇能力的各种因素的总和，将它们与调节性能的细胞外和细胞内因素联系起来适当的菌株 [ 1 ]。因此，实际的乙醇

图 5。sugat 利用和乙醇生产动态的物种依赖性变异性。缩写：W = 野生，即自发发酵，接种C = S. cerevisiae，U = S. uvarum，Z = St. bacillaris和M = 混合接种（见表1）。左侧：子图 A. 滞后期和半时间的变化，右侧：子图 B. 糖利用和乙醇生产的最大容量的变化。

浓度 ( Y ) 是工作细胞工厂的产物，可以应用多项式函数外推 是一世= A + [b1×X一世] + [b2×X2一世]，其中 [ X ] 是发酵开始的实际时间 ( i )，而 [ A ] 是与时间无关的常数，这可能与参与乙醇生产的酵母菌株的一组特性有关一种与时间无关的方式，并且与细胞对发酵罐中变化的环境的反应无关。[ b 1 ] 和 [ b 2的影响] 表现为时间依赖模式，可以认为分别是主要和次要因素组的载体，这些因素最有可能参与调节细胞对环境条件变化的反应。这个概念在微型酿酒实验[ 2 ]的例子中进行了详细讨论，其中严格的趋势（p < 0.01）在这些因素的同时调节作用的表现中得到了阐明。[ b 1 ] 组因子抵消了常数 [ A ] 和 [ b 2 ] 组。此外，因素[ b 1 ]和[ b 2] 时间相关的同步反作用力比常数反作用力强约 2 倍，同时 [ b 1 ] 组的强度超过 [ b 2 ] 1 组的约 5 倍。酵母菌株完全符合趋势线 (p < 0.01)，独立于它们的分类位置或其他已知特性 [ 1 ]。类似的关系可以通过分析在随后的年份中在葡萄酒厂 ( V ) 中进行的实验结果得到阐明，其中条件没有像实验室 ( L ) 那样严格控制。绘制时间相关系数（b 1和b 2）与时间无关的一个 ( A ) 发酵罐严格符合回归线 (图 1 )。比较两组数据，即实验室和酒窖发酵结果分析得到的多项式函数的系数，回归线的斜率之间表现出高度的符合性（t V，L < 2）（表2）。然而，回归线的截距有显着不同的大小。在我们看来，以上意味着，

参数

多项式函数a回归系数的相似性

PL 与 CA

SSQ 与 C

SSQ 与 PL

线性函数 Y = mX + a 的截距 (a)

实验室（n = 25）

−9.746 ± 10.944

5.074 ± 2.013

3.271 ± 0.149

葡萄酒厂 (n = 19)

−1.169 ± 3.680

2.152 ± 1.656

2.037 ± 0.451

tL,V

3.66

18.77

11.24

p

0.01 - 0.001

<0.001

<0.001

线性函数 Y = mX + a 的斜率 (m)

实验室（n = 25）

−0.8585 ± 0.0294

0.1795 ± 0.0496

−0.2121 ± 0.0206

葡萄酒厂 (n = 19)

−0.8445 ± 0.0207

0.1765 ± 0.0376

−0.2102 ± 0.0172

tL,V

-1.85

0.23

-0.33

p

0.05 - 0.1

>0.1

>0.1

表 2。描述在各种情况下进行的酿造过程动态的多项式函数参数之间的相似性。

a = 描述乙醇产品动力学的多项式函数的系数是从 Kállai等人引进的。2019 [ 2 ]。两组部分重叠，因为涉及实验室实验的 17 株菌株是旧分离株 [ 1 ] [ 2 ] [ 9 ]。CA 1-n = 常数；PL 1-n = 初级（线性，b 1）；SSQ 1-n = 多项式函数的二次（平方，b 2）系数（Y = A + b 1 X + b 2 X 2，其中 Y 是在接种后 X 小时在果汁中测量的物质的实际浓度）分别描述了实验室或酿酒厂发酵罐中乙醇生产的动态。

两组主要与发酵的定量（时间无关）特征有关，而组之间的相似性可能与定性特征有关，这与那些以时间依赖性方式影响发酵动力学的菌株（接种剂）相关因素有关。最有可能的是，后两组因素在发酵调节中的相互作用比对过程的定量影响更能容忍环境的变化。

这些可疑因素组的权重在酿造过程中发生了变化（表 3）。恒定和次要因素（CA 和 SSQ [ b 2 ] ）在整个过程中抵消了主要因素（PL [ b 1 ]），尽管仅在发酵前半段的菌株依赖性差异的力量是突出的（Chi-sqr exp . > 卡方0.05= 28.8)。表面上，与乙醇生产无关的代谢过程的重要性被忽视了，在乙醇浓度超过 5 - 7 %v/v 的培养基中，菌株依赖性差异的重要性已经降低。可以得出这样的结论；乙醇生产的最大强度与多项式函数的线性分量之间的负相关（PL，b 1) 表明在葡萄汁中有机物的矿化过程中，一些菌株依赖性因素以时间依赖性方式抵消了乙醇的产生。新酒中香气化合物的含量与描述乙醇生产的多项式函数系数之间缺乏联系，这也表明调节乙醇生产动态的菌株依赖性因子组具有较低的

变量 (D)

因子组b的重要性

方程的参数c

加州

PL

SSQ

平方尺

R-平方。

电源_

时间课程

滞后阶段（小时）f

0.691

-0.628

0.575

55.3

0.9719

是的

高温高压

−0.526

0.586

-0.628

34.5

0.8920

是的

半场（小时）g

0.142

−0.064

0.003

44.8

0.9444

是的

傅立叶变换

-0.119

0.192

−0.247

3.6

0.2084

不是

FT-HT

0.177

-0.102

0.045

1.4

0.0865

不是

全职（小时）h

0.159

-0.082

0.022

6.2

0.3311

轻微

过程

乙醇 (mM/h)我

0.638

-0.699

0.742

56.8

0.9743

是的

糖 (mM/h)j

0.528

−0.594

0.642

50.2

0.9609

是的

使用糖kLP

0.194

-0.266

0.328

8.9

0.4381

轻微

高温高压

−0.647

0.704

-0.743

23.3

0.7778

是的

傅立叶变换

0.215

-0.175

0.133

8.9

0.4374

轻微

新酒l

乙醇 (% v/v)

0.317

-0.335

0.338

5.6

0.3012

不是

糖（克/升）

−0.435

0.472

-0.492

8.2

0.4094

轻微

芳烃 (g/L)

0.008

-0.053

0.087

10.92

0.8136

不是

总酸 (g/L)

-0.361

0.418

−0.464

14.91

0.8992

泽

表 3。发酵的etaps 与描述乙醇生产动态的多项式函数的应变相关因子之间的联系。

a = 见表 1 和图 1。b = 函数的系数 (C, PL, SSQ) (D 1-19 = {[CA] 1-19 + [PL] 1-19 + [SSQ] 1-19 } )，其中 D 1-19 = 因变量；CA 1-19 = 常数；PL 1-19 = 初级（线性）；SSQ 1-19 = 描述乙醇动力学的多项式函数的二次（平方）系数（Y = A + b 1 X + b 2 X^2，其中 Y 是在接种 X 小时后果汁中测量的物质的实际浓度）分别在 19 个发酵罐中生产。C=多元线性回归函数的参数：D = f(X 1 , X 2 , X 3 )，其中D是第一列的因变量，X 1，X 2，X 3是上面给出的系数；d = 影响乙醇生产动态的应变依赖性特性的重要性；Chi^2 0.05 = 7.81，Chi^2 0.1 = 6.2，R^2 0.05 = 0.7714；e = 酿造过程的间隔（见图 1 和图 3）；f = 应变相关滞后阶段；G= 达到发酵开始时适当菌株产生的最终 EtOH 浓度的 50% 所需的菌株依赖时间；h = 达到适当应变产生的最终 EtOH 浓度所需的时间；i = 最大酒精产量；j = 最大糖利用率；k = 在给定的酿酒过程间隔内使用的糖分（g）；l = 发酵新酒的成分（见表 1）。

决定新酒的香气和风味的能力。

3.4. 前景

托卡伊乡村葡萄栽培有着数百年的传统，是匈牙利最重要的葡萄酒产区之一。与往常相比，过去几十年与气候变化相关的极端和不可预测的天气极大地影响了收获日期，并且难以准确预测。这些异常现象是新的挑战，需要在葡萄种植和酿酒方面进行适当的发展。此外，还需要进行改进以满足不断变化的市场需求。

葡萄汁的酿造是由酵母属的酵母进行的，最常见的是酿酒酵母。这种基因组已被测序的物种也是一个重要的研究模型系统，因为它的遗传易处理性，并且已经开发了广泛的分子技术来对其进行遗传操作[ 9 ]。近几十年来，用具有选定性状的市售菌株替代或补充传统本土酵母菌的自发发酵已被接受，以纠正加工错误和/或提高最终产品的质量 [ 9 ] [ 10 ]。

为了满足日益增长的对口味和香气更复杂的葡萄酒的需求，发酵剂培养物的研究也集中在非酵母菌物种上 [ 10]。然而，尽管有几种分子工具可用，但基因工程酵母菌株尚未在商业葡萄酒工业中使用。特别是通过共同接种和顺序接种应用时需要更多关于它们相互作用的数据，因为我们对不同物种及其混合物如何影响发酵过程及其动力学知之甚少。因此，我们认为有必要彻底分析发酵的动态，因为了解这一点可以控制过程，从而促进葡萄加工和酿酒的计划调度。如果我们知道我们原材料的分析参数，并且我们知道我们想要应用的发酵剂的发酵能力，我们就可以尽可能准确地预测发酵的持续时间。此外，

用葡萄生产葡萄酒在许多方面都是独一无二的，它是世界上最古老的生物技术工艺之一。这个过程传统上不是在无菌条件下进行的，并且常驻酒厂的微生物群有助于葡萄酒的质量和当地葡萄酒的风格特征。这种常驻微生物群似乎是稳定的，正如托卡伊地区和酒窖重建几个世纪以来所显示的那样 [ 11 ] 影响葡萄酒的质量和地区性。虽然，任何改良的生物都有可能成为酿酒厂植物群的持久居民，但仍需要进一步深入研究，以确定在发酵过程中究竟摄入了多少所需的特性。

我们对描述酒精生产动态的方程系数的比较研究中揭示的相关性可能有助于阐明菌株性状差异的作用。这些菌株依赖性差异的作用在接种后似乎很重要，但随着酿造的进行而降低，因此确定这三个数学上不同的因素组所描述的生化过程非常重要。几种酵母基因的功能已经被阐明[ 12 ]。有了这些结果，我们可以为酵母提供工业用途的有利和有价值的特性。

分子诊断为分析发酵葡萄汁的本土酵母菌群开辟了新的可能性，更新的快速和廉价的测试方法有望在不久的将来在小种植者中广泛使用。因此，快速发展的“合成生物学”方法也将得到广泛应用。

需要进一步的实验来开发一个数学模型，以更好地描述酿造过程 [ 13 ] [ 14 ] 与连续监测工具的开发并行，这使得可以越来越准确地预测发酵动态，计算出更多的影响复杂的酿酒方法，包括不同的接种方法、不同酵母种类及其混合物的相互作用、营养物质的供应以及影响整个发酵过程的不同温度下发酵周期的调节，包括其持续时间。

4。结论

参与调节乙醇生产动态的菌株依赖性性状在葡萄藤中的作用方式与在实验室进行的微型实验中的作用方式相似，因此在这方面，年份效应并不重要。

年份效应定量地影响了乙醇生产的动态，并影响了直至乙醇生产快速演变结束的过程。

用原生酵母菌开始发酵的情况下，年份效应更加突出，而人工接种发酵罐的过程更加均匀。

接种改进了工艺；所有接种的发酵罐比自发发酵产生更多的酒精（11.7 对 11.8 - 12.2 v/v %）。

通过应用数学模型，乙醇生产的动力学在所有发酵罐中以类似的方式进行，这些发酵罐要么由当地酒窖的原生酵母菌群引发，要么是人工接种的。

这项研究为开发隐藏的酿酒学因素提供了一步，这些因素调节了酿酒过程中乙醇生产动态的应变依赖性变化。

致谢

作者感谢 Anita Kovacs-Bordan 的专家技术援助。这项研究由 Széchenyi 2020 计划框架中的赠款 VP-4-10.2.2.-15 项目资助。

利益冲突声明

作者声明，该研究是在没有任何可能被解释为潜在利益冲突的商业或财务关系的情况下进行的。

参考

1. Kállai, Z.、Antunovics, Z. 和 Oros, G. (2020) 托卡伊地区分离的葡萄酒酵母菌株酒精生产动态的比较评估。全球科学前沿研究杂志 D：农业与兽医学，20, 1-22。https://doi.org/10.34257/GJSFRDVOL20IS6PG1

2. Kállai, Z., Pfliegler, WP, Mitercsák, J., Szendei, G. 和 Sipiczki, M. (2019) 长期实验室维护期间葡萄酒酵母的多样性和酿酒特性的保存：a 菌株的研究百年托卡伊葡萄酒酵母系列。Lebensmittel-Wissenschaft & Technologie, 101, 789-798。https://doi.org/10.1016/j.lwt.2018.12.002

3. Sváb, J. (1981) 研究中的生物识别方法。三、通过回归分析分析定量变量的相关性，Mezogazdasági Kiadó，布达佩斯，263-425。

4. Pascual, C.、Alonso, A.、Garcia, I.、Romay, C. 和 Kotyk, A. (2004) 乙醇对酿酒酵母中葡萄糖转运、关键糖酵解酶和质子挤出的影响。生物技术和生物工程，32, 374-378。https://doi.org/10.1002/bit.260320317

5. Jiménez, J. 和 Van Unden, H. (1985) 使用细胞外酸化快速检测酵母的乙醇耐受性。生物技术和生物工程，27，1596-1598。https://doi.org/10.1002/bit.260271113

6. Soós, I. 和 ásvány, A. (1950) 匈牙利葡萄酒酵母收藏的形态学和生理学调查。蛇形学研究所年鉴，10，255-290。

7. Boudjema, K.、Fazouane-Naimi, F. 和 Hellal, A. (2015) 使用响应面法 (RSM) 优化酿酒酵母 DIV13-Z087C0VS 生产甜奶酪乳清的生物乙醇。罗马尼亚生物技术快报，20，10814-10825。

8. Caldeirao, L.、Tanaka, C.、Ida, E. 和 Spinosa, W. (2016) 建模，从大豆蛋白生产生物乙醇的动力学研究，浓缩副产品。食品科学与技术，36，369-374。https://doi.org/10.1590/1678-457X.0021

9. Pretorius, IS (2000) 为新千年定制葡萄酒酵母：古代酿酒艺术的新方法。酵母，16，675-729。

10. Jolly, NP, Augustyn, OPH 和 Pretorius, IS (2006) The Role and Use of Non-Saccharomyces Yeasts in Wine Production。南非酿酒学和葡萄栽培杂志，27，15-38。