青棗果酒發(fā)酵動(dòng)力學(xué)模型

李桂峰，燕妮，原潞，高玉娥

山西師范大學(xué)食品科學(xué)學(xué)院（臨汾 041000）

棗（Ziziphus jujubaMill.）是鼠李科植物棗樹的果實(shí)，在中國有4 000年歷史，其種植面積廣泛，具有藥食同源的功效[1]。棗果富含碳水化合物、酚類化合物、皂苷類、生物堿類、三萜酸等營養(yǎng)成分[2-3]，其中維生素C含量特別高，具有增強(qiáng)機(jī)體免疫力、防治心血管疾病、預(yù)防癌癥、抗氧化等功效[4-5]。青棗作為棗白熟期前的果實(shí)，其維生素C、總酚、總黃酮、總酚酸含量最高，抗氧化能力最強(qiáng)[6]，具有很大的市場價(jià)值和開發(fā)潛力。以青棗為原料釀造低度果酒，色澤鮮亮透明、果香濃郁、口感醇和，而且營養(yǎng)價(jià)值高，含有多種氨基酸、礦物質(zhì)和維生素，具有抗氧化、抗衰老、預(yù)防心血管疾病等功效[7]，長期適量飲用有益身體健康，還可提高青棗的附加值。

發(fā)酵動(dòng)力學(xué)是對在發(fā)酵過程中的菌體生長、產(chǎn)物生產(chǎn)和基質(zhì)消耗的相互作用和變化規(guī)律進(jìn)行定量描述，研究發(fā)酵過程中發(fā)生的動(dòng)態(tài)平衡和內(nèi)在規(guī)律[8]。青棗果酒發(fā)酵過程中，通過發(fā)酵動(dòng)力學(xué)，使用數(shù)學(xué)模型定量分析，可進(jìn)一步了解發(fā)酵過程中菌體濃度、底物濃度和代謝產(chǎn)物濃度之間的相互作用和隨時(shí)間變化的規(guī)律[9]，對青棗果酒發(fā)酵工藝參數(shù)研究、過程操作優(yōu)化和計(jì)算機(jī)控制條件的研究具有重要意義[10]。關(guān)于果酒發(fā)酵動(dòng)力學(xué)的研究較多，如：孫時(shí)光等[11]通過發(fā)酵動(dòng)力學(xué)模型對桑椹果酒發(fā)酵過程中的酵母菌體數(shù)量、酒精含量和還原糖含量進(jìn)行擬合，可運(yùn)用試驗(yàn)所得結(jié)論對桑葚果酒的最佳發(fā)酵時(shí)間進(jìn)行控制；米桂等[12]采用Boltzmann、SGompertz和DoseResp模型對桔子酒發(fā)酵過程中的酵母生長、酒精生成和基質(zhì)消耗進(jìn)行非線性擬合，其相關(guān)系數(shù)均大于0.995，擬合方程相關(guān)性強(qiáng)；熊亞等[9]采用Logistic模型對芒果酒發(fā)酵過程中的菌體數(shù)量和酒精含量的變化進(jìn)行非線性擬合，用TwoSiteComp模型對總糖含量變化進(jìn)行動(dòng)力學(xué)模型分析，其擬合度分別為0.998 2，0.998 1和0.996 2，能較好地描述芒果酒發(fā)酵的動(dòng)力學(xué)特性。這些模型均具有良好擬合效果，可以很好反映出果酒發(fā)酵過程中酵母菌數(shù)量、酒精和糖含量的動(dòng)態(tài)變化，有利于工業(yè)化生產(chǎn)。

采用Logistic模型、SGompertz模型、DoseResp模型和Boltzmann模型，建立菌體數(shù)量、產(chǎn)物濃度和基質(zhì)糖消耗的動(dòng)力學(xué)模型，為青棗發(fā)酵過程的最優(yōu)化控制及擴(kuò)大發(fā)酵規(guī)模提供理論依據(jù)。

1 材料與方法

1.1 材料

青棗（品種為山西木棗，2018年9月上旬采摘自山西省呂梁市臨縣）；釀酒高活性干酵母（安琪酵母股份有限公司）；果膠酶（食品級，酶活30 000 U/g，河北格貝達(dá)生物科技有限公司）；淀粉酶（食品級，酶活10 000 U/g，邢臺(tái)萬達(dá)生物工程有限公司）；葡萄糖、酒石酸鉀鈉、3, 5-二硝基水楊酸、苯酚、無水亞硫酸鈉等（均為國產(chǎn)分析純）。

1.2 主要儀器與設(shè)備

果酒酒精計(jì)（武強(qiáng)縣威爾儀表廠）；UV-1800PC型紫外/可見分光光度計(jì)（上海美譜達(dá)儀器有限公司）；XSP-BM-2CA型生物顯微鏡（上海彼愛姆光學(xué)儀器制造有限公司）；JJ-2B型組織搗碎勻漿機(jī)（江蘇省金壇市榮華儀器制造有限公司）；DZKW-D-4型電熱恒溫水浴鍋（上?？坪銓?shí)業(yè)發(fā)展有限公司）；DPX-90520B-2恒溫培養(yǎng)箱（上海福瑪實(shí)驗(yàn)設(shè)備有限公司）。

1.3 試驗(yàn)方法

1.3.1 青棗果酒發(fā)酵工藝流程與操作要點(diǎn)

青棗→挑選、清洗→軟化→果膠酶處理→調(diào)糖→SO2護(hù)色→酵母活化→接種發(fā)酵→后發(fā)酵→澄清過濾→灌裝→檢驗(yàn)→成品

操作要點(diǎn)：挑選無腐爛、無霉變的青棗，清洗，去核；青棗和水比例1：2，于90 ℃水浴軟化8～10min；酶解，果膠酶用量0.3%，于40 ℃酶解3 h；榨汁，濾去棗皮等物質(zhì)，得到青棗汁；加入白砂糖調(diào)整果汁的初始糖度，接種一定量酵母，于23～25 ℃恒溫發(fā)酵，一定時(shí)間內(nèi)完成主發(fā)酵。濾去酵母發(fā)酵代謝產(chǎn)生的代謝物殘?jiān)?，進(jìn)行后發(fā)酵，時(shí)間為1個(gè)月。采用巴氏滅菌的方法，對青棗果酒進(jìn)行滅菌處理，即得成品。

采用1 L發(fā)酵罐進(jìn)行小容器發(fā)酵試驗(yàn)，發(fā)酵過程每12 h取樣，對其酵母菌數(shù)、還原糖含量和酒精度分別進(jìn)行測定。

1.3.2 發(fā)酵動(dòng)力學(xué)數(shù)據(jù)的測定

1.3.2.1 酵母菌數(shù)測定

采用血球計(jì)數(shù)板計(jì)數(shù)法。將發(fā)酵液用蒸餾水稀釋一定倍數(shù)后，滴于血球計(jì)數(shù)板上，在光學(xué)顯微鏡下直接計(jì)數(shù)。

1.3.2.2 酒精度測定

參照GB/T 15038—2006《葡萄酒、果酒通用分析方法》中酒精計(jì)法[13]。

1.3.2.3 還原糖含量測定

采用3, 5-二硝基水楊酸（DNS）比色法[14]。

1.3.3 數(shù)據(jù)分析與處理每組試驗(yàn)重復(fù)3次。運(yùn)用Origin 2018軟件對青棗果酒發(fā)酵過程中菌體生長、產(chǎn)物生成和基質(zhì)消耗進(jìn)行分析，選取合適的模型對其進(jìn)行非線性擬合。分別選取3種模型，即典型S型曲線模型（Logistic模型、SGompertz模型、Boltzmann模型）和經(jīng)驗(yàn)?zāi)Ｐ虳oseResp模型，通過比較模型的擬合度，選取擬合度高的模型對其進(jìn)行定量描述。

2 結(jié)果與分析

2.1 青棗果酒發(fā)酵過程中各參數(shù)變化規(guī)律

由圖1可知，酵母菌在前72 h以幾何級數(shù)增長，為對數(shù)生長期；120 h時(shí)，菌體生長進(jìn)入穩(wěn)定期，酵母菌數(shù)達(dá)到最高值12.35×107CFU/mL；120 h后，酵母菌數(shù)量逐漸減少，其原因可能是在較高酒精度和較低還原糖質(zhì)量濃度下酵母菌進(jìn)入平穩(wěn)期而衰亡，出現(xiàn)菌體自溶和沉淀[15]。還原糖質(zhì)量濃度隨著發(fā)酵時(shí)間的增長呈下降趨勢，在整個(gè)主發(fā)酵過程中，還原糖消耗快，由酵母菌轉(zhuǎn)化為酒精。酒精度呈上升趨勢，在0～156 h升高較快，156 h后增幅變緩，192 h時(shí)酒精度達(dá)到最高14.2%vol。結(jié)果表明在青棗果酒發(fā)酵過程中，產(chǎn)物酒精的生成與基質(zhì)還原糖的消耗對應(yīng)。

圖1 青棗果酒發(fā)酵過程中酵母菌數(shù)、酒精度、還原糖變化

2.2 青棗果酒發(fā)酵動(dòng)力學(xué)模型的建立

2.2.1 菌體生長動(dòng)力學(xué)模型

由圖1可知，酵母菌在120 h后開始進(jìn)入衰亡期，因此，對發(fā)酵0～120 h時(shí)期酵母菌生長情況進(jìn)行非線性擬合（見表1）。對比SGompertz模型、DoseResp模型及Logistic模型的擬合相關(guān)系數(shù)，DoseResp模型對酵母菌生長情況擬合效果最好，相關(guān)系數(shù)R2=0.993 8。選用DoseResp模型對青棗果酒酵母菌數(shù)的生長情況進(jìn)行擬合，得到擬合曲線如圖2所示。酵母菌在青棗果酒發(fā)酵96 h后生長趨于平緩，120 h時(shí)菌體數(shù)量達(dá)到最高值12.35×107CFU/mL。這與張琪等[16]擬合模型一致。

2.2.2 產(chǎn)物生成動(dòng)力學(xué)模型

不同模型對酒精度的擬合方程以及相關(guān)系數(shù)見表2。DoseResp模型、Logistic模型和SGompertz模型的擬合相關(guān)系數(shù)R2分別為0.994 4，0.990 8和0.993 5，其中DoseResp模型擬合的效果最佳。因此，選取DoseResp模型為青棗果酒發(fā)酵過程中酒精生成的擬合模型，其擬合曲線見圖3。酒精度在144 h后趨于平緩，最大值為14.2%vol。

表1 酵母菌數(shù)量擬合方程及其相關(guān)系數(shù)

圖2 DoseResp模型下酵母菌生長擬合曲線

表2 產(chǎn)物生成擬合方程及其擬合優(yōu)度

圖3 DoseResp模型下酒精生成擬合曲線

2.2.3 底物消耗動(dòng)力學(xué)模型

基質(zhì)糖在發(fā)酵過程中為酵母生長繁殖提供所需碳源；糖類物質(zhì)也可提高潛在酒精度和幫助改善果酒口感等[16]。DoseResp模型、Boltzmann模型和Logistic模型對還原糖含量的擬合方程及相關(guān)系數(shù)見表3。Logistic模型擬合效果最好，相關(guān)系數(shù)R2=0.991 6。故選用Logistic模型對青棗果酒發(fā)酵過程中的還原糖消耗進(jìn)行擬合，結(jié)果見圖4。Logistic模型下的預(yù)測值和試驗(yàn)值高度吻合，相關(guān)性強(qiáng)，說明該模型能較好地描述青棗果酒發(fā)酵過程中還原糖的消耗過程。

表3 底物消耗擬合方程及其擬合優(yōu)度

圖4 Logistic模型下還原糖消耗擬合曲線

3 結(jié)論

通過研究青棗果酒發(fā)酵過程中的酵母菌數(shù)、酒精度和還原糖含量的變化規(guī)律，采用DoseResp模型、Logistic模型、SGompertz模型和Boltzmann模型對其進(jìn)行非線性擬合。酵母菌生長期數(shù)量的變化應(yīng)用DoseResp模型的擬合度最高，R2=0.993 8；酒精生成數(shù)據(jù)應(yīng)用DoseResp模型的擬合度最高，R2=0.994 4；還原糖消耗數(shù)據(jù)應(yīng)用Logistic模型的擬合度最高，R2=0.991 6，得到相關(guān)擬合方程的相關(guān)系數(shù)均大于0.99，說明所建模型能夠很好地模擬青棗果酒發(fā)酵過程動(dòng)力學(xué)特征，為青棗果酒的發(fā)酵生產(chǎn)提供理論基礎(chǔ)。