麦汁组成对快速发酵中酵母代谢的重要性

在啤酒发酵过程中可以通过提高酵母接种量或者高浓酿造来提高产量，然而，这两种技术对酵母的新陈代谢都有显著的影响。在这项研究中，对高浓度酿造和高酵母数发酵相结合对酵母的生理和风味物质生成的影响进行了评价。此外．试验在快速发酵系统中通过优化麦汁中游离氨基氯含量来降低总双乙酰的产生，较高的麦汁浓度会导致酵母活力的下降，这与海藻糖含量的增加及与压力相关的基因表达水平的增加有关。不只是麦汁浓度。不同的可发酵性糖含量对酵母发酵性能及风味物质的生成都有强烈的影响。麦汁中高含量的蔗糖对氨基酸的吸收、酵母的生长、糖原的形成、海藻糖的重复利用、乙酯的合成和总双乙酰的还原速度都有促进作用．与其他的高浓度麦汁相比．酵母处于高浓度蔗糖环境中会经历更高的渗透压和压力相关的影响。尽管蔗糖相比于麦芽糖可以促进转录激活因子ATFI的活性，可以观察到乙酸酯类明显的降低。但是考虑到蔗糖对酵母性能的不利影响，采用蔗糖和麦芽糖组合来提高麦汁浓度还是可取的。

采用神经网络和支持向量机预测啤酒中乙酸含量

啤酒中的乙酸大多是酵母在发酵过程中产生的。乙酸含量对啤酒风味的影响显著，尤其是含量高于闽值时。因此，控制乙酸的含量对保证啤酒风味一致性非常重要。在本项研究中，采用人工神经网络和支持向量机（SVM）来预测啤酒发酵结束时的乙酸含量。啤酒发酵过程参数和啤酒中乙酸含量之间的关系采用偏最小二乘（PLS）回归法、反向传播神经网络（BP—NN）、径向基函数神经网络（RBF—NN）和最小二乘支持向量机（LS-SVM）进行建模。本研究中所使用的数据来自同一品牌啤酒的146个生产批次。LS—SVM和RBF预测乙酸含量要优于RBP—NN和PLS。对比RBF—NN和LS—SVM，RBF—NN构建的模型可靠性更好，但预测的准确性要低一些。SVM有较好的泛化性，但是模型的可靠性较低。总之，在这项研究中，预测大生产啤酒发酵中的乙酸含量时，LS-SVM模型要优于RBF。