啤酒发酵过程对重要醇酯影响的研究

风味物质的含量决定啤酒的品质,其特征会直接决定啤酒口感和其市场竞争力。研究了麦汁浓度、主酵温度和接种量对啤酒中风味物质的影响。在不同的发酵条件下,以全麦芽为原料,经下面发酵生产啤酒。采用顶空气相色谱法检测啤酒中高级醇和酯类的浓度。研究发现麦汁浓度对高级醇和酯的影响最大,且提高麦汁浓度能够同时增大啤酒中高级醇和酯的含量,当麦汁浓度从11°P提高到15°P,乙酸乙酯的含量提高了34%。在相同接种量和麦汁浓度下,主酵温度越高,异戊醇含量越高,异丁醇的含量却有所降低。在较高的发酵温度下乙酸乙酯、辛酸乙酯和乙酸异戊酯的含量升高,但是己酸乙酯的含量变化无规律。研究结果显示接种量对醇和酯的影响都不显著。

18种老化指示物质在啤酒发酵过程中的变化研究

利用GC-MS检测方法,跟踪了啤酒发酵过程中18种老化指示物质的变化情况,明确了其在酿造过程中的变化趋势。结果表明:麦汁中的老化醛类物质在发酵初期即被酵母大幅还原至极低水平,而在此后发酵过程中的含量几乎不变;作为新鲜啤酒的代表风味物质乙酸苯乙酯,在发酵过程中大量生成,在后熟阶段达到峰值;γ-壬内酯、大马烯酮在发酵过程中亦有较大幅度的增高;而糠基乙醚等其它在检物质的变化无明显趋势。由此认为,酵母的还原特性和代谢特点直接影响了成品酒中的老化指示剂的含量分布。通过提高酵母活力和代谢性能是大生产进行风味稳定性调控的关键路径之一。

体积排阻色谱法检测啤酒生产过程中的糖类化合物和发酵产物

采用体积排阻色谱结合离子交换模式分离并定量检测麦汁、发酵液和啤酒中的麦芽四糖及以上的寡糖、麦芽三糖、麦芽糖、蔗糖、葡萄糖和果糖。测定结果的相对标准偏差均小于2%,最小检出限0.02～0.15g/L。方法快速、准确、可靠且对环境无害。该方法除能够检测糖类化合物,还可以检测乳酸、乙酸、丙三醇和乙醇等发酵产物,是啤酒企业监控生产过程的有效手段。麦汁和啤酒中均未检出阿拉伯糖。

基于主成分分析、神经网络对啤酒感官评价的预测

该研究运用主成分分析(PCA)结合误差反向传播(BP)神经网络对啤酒感官评价进行了预测。把啤酒中11种理化及风味指标进行主成分分析,以除去数据之间的线性相关性,提取后的理化及风味指标做为输入数据,感官评价得分作为输出数据,运用BP神经网络建立啤酒感官评价预测的模型。使用此模型对50种啤酒的感官得分进行预测,预测最大相对误差为2.68%。结果表明,主成分分析和神经网络相结合的这种方法能够准确预测啤酒感官评价得分。

基于人工神经网络模拟啤酒酿造过程中糖度及乙醇浓度的变化

建立BP神经网络模型模拟啤酒酿造过程中糖度变化和乙醇浓度变化。将啤酒酿造过程中的发酵温度、麦汁浓度、接种量及发酵时间作为输入数据,将糖度变化和乙醇浓度的变化作为输出数据,运用BP神经网络建立啤酒酿造过程的模型。使用此模型模拟了主酵温度8℃、麦汁浓度11°P、接种量为2×107个/mL时糖度变化和乙醇浓度变化,结果糖度预测的均方根误差为2.66%,乙醇浓度预测的均方根误差为14.60%。结果表明,使用此模型能够准确预测啤酒酿造过程糖度变化和乙醇浓度的变化。

啤酒酿造过程中萜烯醇类化合物变化规律

采用基于顶空固相微萃取-气相色谱质谱技术(HS-SPME/GC-MS)建立的啤酒中酒花物质的检测方法,跟踪了啤酒酿造过程中源自酒花的5种萜烯醇类香气化合物的变化规律,初步为啤酒厂酒花配方及工艺调整奠定了理论基础。通过对糖化过程中不同酒花配方、不同煮沸方式及酒花添加工艺对冷麦汁中萜烯醇类化合物含量影响的研究,发现冷麦汁中的萜烯醇类化合物主要受最后一次添加酒花的添加量和添加时机影响,最后一次酒花在煮终回旋前添加较煮终前10 min添加,更利于萜烯醇类化合物在冷麦汁中的保留,这与国外的late-hopping工艺相一致;与煮终前10 min最后一次添加相比,在煮终回旋前最后一次添加酒花能使冷麦汁中里那醇含量提高209.4%,α-萜品醇为91.2%,香叶醇为31.4%,橙花醇175.0%。通过研究发酵过程中萜烯醇类化合物的变化规律,发现5种萜烯在发酵过程中呈上升趋势,且它们之间可能被酵母相互转化。

固相微萃取-气相色谱／串联质谱在线酯交换测定啤酒原料的脂肪酸甘油酯

脂肪酸尤其是不饱和脂肪酸对酵母的发酵性能和啤酒品质的影响非常大，利用固相微萃取气相串联质谱（SPME—GC—MS／MS）在线酯交换建立了定量分析啤酒原料（麦芽和大米）中脂肪酸甘油酯的方法为降低基体效应对定量：住确性的影响，以甘油三酯为外标分别建立了麦芽和大米的标准曲线此方法相比于传统方法，所需样品量少、；位确性高、操作简便，适用于啤酒原料中脂肪酸甘油酯的日常高效检测，探讨了抛光和刷米操作对大米脂肪酸甘油酯的影响。并测定了不同品种的大米和麦芽的脂肪酸甘油酯含量.

抗氧化啤酒酵母菌株TK-10的选育及工业生产验证

以啤酒酿造Lager酵母TS-01为出发菌株,依次利用含乙硫氨酸、羟基正缬氨酸的平板进行定向育种,利用硝酸铅平板分离出高产SO2、低产H2S的菌株,然后通过EBC管、100 L中试发酵试验,以发酵液的SO2、H2S、双乙酰、乙醛、高级醇的含量和发酵度为筛选指标,得到1株发酵性能优良的菌株TK-10。以出发菌株TS-01为对照进行600 t大生产对比验证,表明新菌株TK-10的SO2产量明显升高,成品酒抗氧化性能得到改善,且口感良好,保持原有风味不变。

啤酒麦芽真菌种类与酵母提前絮凝关系的研究

啤酒麦芽受到霉菌污染易引起酵母提前絮凝现象,为了研究引起酵母提前絮凝(PYF)现象的真菌种类,从PYF+麦芽(能够产生酵母提前絮凝现象的麦芽)上分离得到8种霉菌,分别用8种霉菌对麦芽皮壳进行处理,然后与去除皮壳的麦芽粉制备协定麦汁,煮沸,接种发酵,进行PYF值测定,最后进行数据分析。结果表明米根霉和黄曲霉为明显致PYF现象的菌种,镰刀菌为致PYF次级明显菌种,极细链格孢菌和白地霉为致PYF现象弱势菌种,芽枝孢菌和黑曲霉为轻微致PYF现象菌株,而青霉致PYF现象不稳定,这可能与菌种的量和酶活性有关,需要做进一步实验验证。

固相微萃取-气相色谱/串联质谱在线酯交换测定啤酒原料的亚油酸甘油酯

利用固相微萃取气相串联质谱(SPME-GC-MS/MS)在线酯交换建立了定量分析啤酒原料(麦芽和大米)的亚油酸甘油酯的方法。通过研究不同因素对酯交换及萃取效果的影响,确定在线酯交换固相微萃取的最佳条件:2.0mL样品稀释液添加0.75mL氢氧化钾/甲醇(10.7mmol/L)和1.0g氯化钠,用85μmPA萃取头在65℃下酯交换和萃取60min。为降低基体效应对定量准确性的影响,以三亚油酸甘油酯为外标分别建立了麦芽和大米的标准曲线。该方法在麦芽和大米中检出限为0.132、0.579μg/g,三亚油酸甘油酯加标回收率为116%和114%。此方法相比于传统方法,所需样品量少、准确性高、操作过程简便,适用于啤酒原料的亚油酸甘油酯的日常高效检测。

酒花原花青素抗氧化性能研究

将酒花中原花青素提纯并进行聚合度分级，获得不同平均聚合度（DP）的七种原花青素。对七种原花青素聚合物在水相和油相中的抗氧化性能进行研究。与（＋）-儿茶素和抗坏血酸相比较，DP为1．5～4．0的原花青素还原能力较（＋）-儿茶素和抗坏血酸强，而DP为5．55的原花青素还原能力最弱。不同聚合度的酒花原花青素对脂质体的氧化过程的抑制作用具有一定的浓度效应，在高浓度时，DP为2．97和3．50的原花青素在人工脂质体体系中的抗氧化效果较好。同时，研究发现低聚合度的原花青素在亚油酸体系中具有较好的抗氧化作用。

全大麦酿酒技术的研究进展

综述了以未发芽大麦为主要原料酿造啤酒相关技术的研究进展，主要内容包括原料粉碎工艺及其对酿造过程和大麦麦汁、啤酒质量的影响，糖化工艺、水解酶与大麦麦汁质量的关系，大麦麦汁稳定性影响机理和大麦啤酒风味口感研究现状。为充分实现以大麦为原料酿造啤酒的目标，提高大麦酿酒体系生产效率，本文对原料研究、酶制剂开发、工艺优化进行了展望。

气相色谱-质谱法分析啤酒中酒花香气成分

利用顶空固相微萃取-气相色谱质谱技术(HS-SPME/GC-MS)建立了定量分析啤酒中19种源自酒花的微量香气成分的方法。研究了不同萃取头、萃取时间、萃取温度对萃取效果的影响,最终确定HS-SPME最佳萃取条件为采用PDMS萃取头对啤酒样品在50℃下萃取60 min。在最佳萃取条件下,采用啤酒为基体以减少基体干扰,建立标准曲线,随后在SIM模式下以萜品烯-4-醇为内标定量测定了啤酒中酒花香气物质的含量。19种物质的回收率在81.2%～116.8%之间,相对标准偏差(RSD)低于9.8%,在5个加标浓度下,R2大于0.99。相比于传统方法,本方法所需样品量少、灵敏度高、操作过程简便,能准确的检测出啤酒中酒花香气物质的含量。

采用离子对试剂同时测定啤酒中异α-酸和还原异α-酸

建立了使用离子对试剂同时检测啤酒中异α-酸、二氢异α-酸、四氢异α-酸和六氢异α-酸的反相高效液相色谱法。实验采用四丁基氢氧化铵-磷酸缓冲液(pH调至7.2)-乙腈为流动相,Xterra RP C18(4.6×150 mm,5μm)色谱柱,等度洗脱,实现这4种异构化α-酸的所有组分的有效分离测定。各组分色谱峰保留时间的RSD为0.1%～0.3%,峰面积的RSD为0.5%～1.7%(n=7),重现性和线性关系较好;4种异构化α-酸的加标回收率为96%～108%。该方法无需样品处理,简便易行,可用于分析啤酒中所含异构化α-酸的种类和含量。

微波消解-电感耦合等离子体-质谱法连续测定啤酒花中的11种微量元素

使用带预消解步骤的微波消解方法处理样品,电感耦合等离子体-质谱法结合碰撞池技术(CCT,Collision Cell Technology)连续测定了啤酒花样品中的11种微量元素。方法各元素相关系数均大于0.9995,相对标准偏差RSD<5%,回收率为82.0%—112.0%。