青枣果酒发酵动力学模型

李桂峰，燕妮，原潞，高玉娥

山西师范大学食品科学学院（临汾 041000）

枣（Ziziphus jujubaMill.）是鼠李科植物枣树的果实，在中国有4 000年历史，其种植面积广泛，具有药食同源的功效[1]。枣果富含碳水化合物、酚类化合物、皂苷类、生物碱类、三萜酸等营养成分[2-3]，其中维生素C含量特别高，具有增强机体免疫力、防治心血管疾病、预防癌症、抗氧化等功效[4-5]。青枣作为枣白熟期前的果实，其维生素C、总酚、总黄酮、总酚酸含量最高，抗氧化能力最强[6]，具有很大的市场价值和开发潜力。以青枣为原料酿造低度果酒，色泽鲜亮透明、果香浓郁、口感醇和，而且营养价值高，含有多种氨基酸、矿物质和维生素，具有抗氧化、抗衰老、预防心血管疾病等功效[7]，长期适量饮用有益身体健康，还可提高青枣的附加值。

发酵动力学是对在发酵过程中的菌体生长、产物生产和基质消耗的相互作用和变化规律进行定量描述，研究发酵过程中发生的动态平衡和内在规律[8]。青枣果酒发酵过程中，通过发酵动力学，使用数学模型定量分析，可进一步了解发酵过程中菌体浓度、底物浓度和代谢产物浓度之间的相互作用和随时间变化的规律[9]，对青枣果酒发酵工艺参数研究、过程操作优化和计算机控制条件的研究具有重要意义[10]。关于果酒发酵动力学的研究较多，如：孙时光等[11]通过发酵动力学模型对桑椹果酒发酵过程中的酵母菌体数量、酒精含量和还原糖含量进行拟合，可运用试验所得结论对桑葚果酒的最佳发酵时间进行控制；米桂等[12]采用Boltzmann、SGompertz和DoseResp模型对桔子酒发酵过程中的酵母生长、酒精生成和基质消耗进行非线性拟合，其相关系数均大于0.995，拟合方程相关性强；熊亚等[9]采用Logistic模型对芒果酒发酵过程中的菌体数量和酒精含量的变化进行非线性拟合，用TwoSiteComp模型对总糖含量变化进行动力学模型分析，其拟合度分别为0.998 2，0.998 1和0.996 2，能较好地描述芒果酒发酵的动力学特性。这些模型均具有良好拟合效果，可以很好反映出果酒发酵过程中酵母菌数量、酒精和糖含量的动态变化，有利于工业化生产。

采用Logistic模型、SGompertz模型、DoseResp模型和Boltzmann模型，建立菌体数量、产物浓度和基质糖消耗的动力学模型，为青枣发酵过程的最优化控制及扩大发酵规模提供理论依据。

1 材料与方法

1.1 材料

青枣（品种为山西木枣，2018年9月上旬采摘自山西省吕梁市临县）；酿酒高活性干酵母（安琪酵母股份有限公司）；果胶酶（食品级，酶活30 000 U/g，河北格贝达生物科技有限公司）；淀粉酶（食品级，酶活10 000 U/g，邢台万达生物工程有限公司）；葡萄糖、酒石酸钾钠、3, 5-二硝基水杨酸、苯酚、无水亚硫酸钠等（均为国产分析纯）。

1.2 主要仪器与设备

果酒酒精计（武强县威尔仪表厂）；UV-1800PC型紫外/可见分光光度计（上海美谱达仪器有限公司）；XSP-BM-2CA型生物显微镜（上海彼爱姆光学仪器制造有限公司）；JJ-2B型组织捣碎匀浆机（江苏省金坛市荣华仪器制造有限公司）；DZKW-D-4型电热恒温水浴锅（上海科恒实业发展有限公司）；DPX-90520B-2恒温培养箱（上海福玛实验设备有限公司）。

1.3 试验方法

1.3.1 青枣果酒发酵工艺流程与操作要点

青枣→挑选、清洗→软化→果胶酶处理→调糖→SO2护色→酵母活化→接种发酵→后发酵→澄清过滤→灌装→检验→成品

操作要点：挑选无腐烂、无霉变的青枣，清洗，去核；青枣和水比例1：2，于90 ℃水浴软化8～10min；酶解，果胶酶用量0.3%，于40 ℃酶解3 h；榨汁，滤去枣皮等物质，得到青枣汁；加入白砂糖调整果汁的初始糖度，接种一定量酵母，于23～25 ℃恒温发酵，一定时间内完成主发酵。滤去酵母发酵代谢产生的代谢物残渣，进行后发酵，时间为1个月。采用巴氏灭菌的方法，对青枣果酒进行灭菌处理，即得成品。

采用1 L发酵罐进行小容器发酵试验，发酵过程每12 h取样，对其酵母菌数、还原糖含量和酒精度分别进行测定。

1.3.2 发酵动力学数据的测定

1.3.2.1 酵母菌数测定

采用血球计数板计数法。将发酵液用蒸馏水稀释一定倍数后，滴于血球计数板上，在光学显微镜下直接计数。

1.3.2.2 酒精度测定

参照GB/T 15038—2006《葡萄酒、果酒通用分析方法》中酒精计法[13]。

1.3.2.3 还原糖含量测定

采用3, 5-二硝基水杨酸（DNS）比色法[14]。

1.3.3 数据分析与处理每组试验重复3次。运用Origin 2018软件对青枣果酒发酵过程中菌体生长、产物生成和基质消耗进行分析，选取合适的模型对其进行非线性拟合。分别选取3种模型，即典型S型曲线模型（Logistic模型、SGompertz模型、Boltzmann模型）和经验模型DoseResp模型，通过比较模型的拟合度，选取拟合度高的模型对其进行定量描述。

2 结果与分析

2.1 青枣果酒发酵过程中各参数变化规律

由图1可知，酵母菌在前72 h以几何级数增长，为对数生长期；120 h时，菌体生长进入稳定期，酵母菌数达到最高值12.35×107CFU/mL；120 h后，酵母菌数量逐渐减少，其原因可能是在较高酒精度和较低还原糖质量浓度下酵母菌进入平稳期而衰亡，出现菌体自溶和沉淀[15]。还原糖质量浓度随着发酵时间的增长呈下降趋势，在整个主发酵过程中，还原糖消耗快，由酵母菌转化为酒精。酒精度呈上升趋势，在0～156 h升高较快，156 h后增幅变缓，192 h时酒精度达到最高14.2%vol。结果表明在青枣果酒发酵过程中，产物酒精的生成与基质还原糖的消耗对应。

图1 青枣果酒发酵过程中酵母菌数、酒精度、还原糖变化

2.2 青枣果酒发酵动力学模型的建立

2.2.1 菌体生长动力学模型

由图1可知，酵母菌在120 h后开始进入衰亡期，因此，对发酵0～120 h时期酵母菌生长情况进行非线性拟合（见表1）。对比SGompertz模型、DoseResp模型及Logistic模型的拟合相关系数，DoseResp模型对酵母菌生长情况拟合效果最好，相关系数R2=0.993 8。选用DoseResp模型对青枣果酒酵母菌数的生长情况进行拟合，得到拟合曲线如图2所示。酵母菌在青枣果酒发酵96 h后生长趋于平缓，120 h时菌体数量达到最高值12.35×107CFU/mL。这与张琪等[16]拟合模型一致。

2.2.2 产物生成动力学模型

不同模型对酒精度的拟合方程以及相关系数见表2。DoseResp模型、Logistic模型和SGompertz模型的拟合相关系数R2分别为0.994 4，0.990 8和0.993 5，其中DoseResp模型拟合的效果最佳。因此，选取DoseResp模型为青枣果酒发酵过程中酒精生成的拟合模型，其拟合曲线见图3。酒精度在144 h后趋于平缓，最大值为14.2%vol。

表1 酵母菌数量拟合方程及其相关系数

图2 DoseResp模型下酵母菌生长拟合曲线

表2 产物生成拟合方程及其拟合优度

图3 DoseResp模型下酒精生成拟合曲线

2.2.3 底物消耗动力学模型

基质糖在发酵过程中为酵母生长繁殖提供所需碳源；糖类物质也可提高潜在酒精度和帮助改善果酒口感等[16]。DoseResp模型、Boltzmann模型和Logistic模型对还原糖含量的拟合方程及相关系数见表3。Logistic模型拟合效果最好，相关系数R2=0.991 6。故选用Logistic模型对青枣果酒发酵过程中的还原糖消耗进行拟合，结果见图4。Logistic模型下的预测值和试验值高度吻合，相关性强，说明该模型能较好地描述青枣果酒发酵过程中还原糖的消耗过程。

表3 底物消耗拟合方程及其拟合优度

图4 Logistic模型下还原糖消耗拟合曲线

3 结论

通过研究青枣果酒发酵过程中的酵母菌数、酒精度和还原糖含量的变化规律，采用DoseResp模型、Logistic模型、SGompertz模型和Boltzmann模型对其进行非线性拟合。酵母菌生长期数量的变化应用DoseResp模型的拟合度最高，R2=0.993 8；酒精生成数据应用DoseResp模型的拟合度最高，R2=0.994 4；还原糖消耗数据应用Logistic模型的拟合度最高，R2=0.991 6，得到相关拟合方程的相关系数均大于0.99，说明所建模型能够很好地模拟青枣果酒发酵过程动力学特征，为青枣果酒的发酵生产提供理论基础。