青棗果酒發酵動力學模型

李桂峰，燕妮，原潞，高玉娥

山西師范大學食品科學學院（臨汾 041000）

棗（Ziziphus jujubaMill.）是鼠李科植物棗樹的果實，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、三萜酸等營養成分[2-3]，其中維生素C含量特別高，具有增強機體免疫力、防治心血管疾病、預防癌癥、抗氧化等功效[4-5]。青棗作為棗白熟期前的果實，其維生素C、總酚、總黃酮、總酚酸含量最高，抗氧化能力最強[6]，具有很大的市場價值和開發潛力。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，而且營養價值高，含有多種氨基酸、礦物質和維生素，具有抗氧化、抗衰老、預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。

發酵動力學是對在發酵過程中的菌體生長、產物生產和基質消耗的相互作用和變化規律進行定量描述，研究發酵過程中發生的動態平衡和內在規律[8]。青棗果酒發酵過程中，通過發酵動力學，使用數學模型定量分析，可進一步了解發酵過程中菌體濃度、底物濃度和代謝產物濃度之間的相互作用和隨時間變化的規律[9]，對青棗果酒發酵工藝參數研究、過程操作優化和計算機控制條件的研究具有重要意義[10]。關于果酒發酵動力學的研究較多，如：孫時光等[11]通過發酵動力學模型對桑椹果酒發酵過程中的酵母菌體數量、酒精含量和還原糖含量進行擬合，可運用試驗所得結論對桑葚果酒的最佳發酵時間進行控制；米桂等[12]采用Boltzmann、SGompertz和DoseResp模型對桔子酒發酵過程中的酵母生長、酒精生成和基質消耗進行非線性擬合，其相關系數均大于0.995，擬合方程相關性強；熊亞等[9]采用Logistic模型對芒果酒發酵過程中的菌體數量和酒精含量的變化進行非線性擬合，用TwoSiteComp模型對總糖含量變化進行動力學模型分析，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酵的動力學特性。這些模型均具有良好擬合效果，可以很好反映出果酒發酵過程中酵母菌數量、酒精和糖含量的動態變化，有利于工業化生產。

采用Logistic模型、SGompertz模型、DoseResp模型和Boltzmann模型，建立菌體數量、產物濃度和基質糖消耗的動力學模型，為青棗發酵過程的最優化控制及擴大發酵規模提供理論依據。

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，河北格貝達生物科技有限公司）；淀粉酶（食品級，酶活10 000 U/g，邢臺萬達生物工程有限公司）；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（均為國產分析純）。

1.2 主要儀器與設備

果酒酒精計（武強縣威爾儀表廠）；UV-1800PC型紫外/可見分光光度計（上海美譜達儀器有限公司）；XSP-BM-2CA型生物顯微鏡（上海彼愛姆光學儀器制造有限公司）；JJ-2B型組織搗碎勻漿機（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（上海科恒實業發展有限公司）；DPX-90520B-2恒溫培養箱（上海福瑪實驗設備有限公司）。

1.3 試驗方法

1.3.1 青棗果酒發酵工藝流程與操作要點

青棗→挑選、清洗→軟化→果膠酶處理→調糖→SO2護色→酵母活化→接種發酵→后發酵→澄清過濾→灌裝→檢驗→成品

操作要點：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，得到青棗汁；加入白砂糖調整果汁的初始糖度，接種一定量酵母，于23～25 ℃恒溫發酵，一定時間內完成主發酵。濾去酵母發酵代謝產生的代謝物殘渣，進行后發酵，時間為1個月。采用巴氏滅菌的方法，對青棗果酒進行滅菌處理，即得成品。

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

1.3.2 發酵動力學數據的測定

1.3.2.1 酵母菌數測定

采用血球計數板計數法。將發酵液用蒸餾水稀釋一定倍數后，滴于血球計數板上，在光學顯微鏡下直接計數。

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 數據分析與處理每組試驗重復3次。運用Origin 2018軟件對青棗果酒發酵過程中菌體生長、產物生成和基質消耗進行分析，選取合適的模型對其進行非線性擬合。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）和經驗模型DoseResp模型，通過比較模型的擬合度，選取擬合度高的模型對其進行定量描述。

2 結果與分析

2.1 青棗果酒發酵過程中各參數變化規律

由圖1可知，酵母菌在前72 h以幾何級數增長，為對數生長期；120 h時，菌體生長進入穩定期，酵母菌數達到最高值12.35×107CFU/mL；120 h后，酵母菌數量逐漸減少，其原因可能是在較高酒精度和較低還原糖質量濃度下酵母菌進入平穩期而衰亡，出現菌體自溶和沉淀[15]。還原糖質量濃度隨著發酵時間的增長呈下降趨勢，在整個主發酵過程中，還原糖消耗快，由酵母菌轉化為酒精。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時酒精度達到最高14.2%vol。結果表明在青棗果酒發酵過程中，產物酒精的生成與基質還原糖的消耗對應。

圖1 青棗果酒發酵過程中酵母菌數、酒精度、還原糖變化

2.2 青棗果酒發酵動力學模型的建立

2.2.1 菌體生長動力學模型

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

2.2.2 產物生成動力學模型

不同模型對酒精度的擬合方程以及相關系數見表2。DoseResp模型、Logistic模型和SGompertz模型的擬合相關系數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 酵母菌數量擬合方程及其相關系數

圖2 DoseResp模型下酵母菌生長擬合曲線

表2 產物生成擬合方程及其擬合優度

圖3 DoseResp模型下酒精生成擬合曲線

2.2.3 底物消耗動力學模型

基質糖在發酵過程中為酵母生長繁殖提供所需碳源；糖類物質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系數見表3。Logistic模型擬合效果最好，相關系數R2=0.991 6。故選用Logistic模型對青棗果酒發酵過程中的還原糖消耗進行擬合，結果見圖4。Logistic模型下的預測值和試驗值高度吻合，相關性強，說明該模型能較好地描述青棗果酒發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度

圖4 Logistic模型下還原糖消耗擬合曲線

3 結論

通過研究青棗果酒發酵過程中的酵母菌數、酒精度和還原糖含量的變化規律，采用DoseResp模型、Logistic模型、SGompertz模型和Boltzmann模型對其進行非線性擬合。酵母菌生長期數量的變化應用DoseResp模型的擬合度最高，R2=0.993 8；酒精生成數據應用DoseResp模型的擬合度最高，R2=0.994 4；還原糖消耗數據應用Logistic模型的擬合度最高，R2=0.991 6，得到相關擬合方程的相關系數均大于0.99，說明所建模型能夠很好地模擬青棗果酒發酵過程動力學特征，為青棗果酒的發酵生產提供理論基礎。