[论文解读] Novel model for wine fermentation including the yeast dying phase

Alfio Borzı̀, Juri Merger+9 more|arXiv (Cornell University)|Dec 17, 2014

Fermentation and Sensory Analysis参考文献 1被引用 8

一句话总结

本文提出了一种新型动态葡萄酒发酵模型，明确引入了由乙醇毒性驱动的酵母死亡阶段，并考虑了氧气对酵母代谢的影响。通过基于乙醇浓度的非线性死亡项，以及将糖的使用分离为生长与乙醇生产两个部分，该模型更准确地再现了真实实验中酵母动力学的完整过程，包括滞留期、生长期和死亡期，相较于现有模型在捕捉生物学真实性方面表现更优。

ABSTRACT

This paper presents a novel model for wine fermentation including a death phase for yeast and the influence of oxygen on the process. A model for the inclusion of the yeast dying phase is derived and compared to a model taken from the literature. The modeling ability of the several models is analyzed by comparing their simulation results.

研究动机与目标

• 开发一种更符合生物实际的葡萄酒发酵模型，以捕捉酵母的完整生命周期，包括死亡阶段。
• 解决现有模型无法反映真实实验中观察到的酵母死亡阶段的局限性。
• 纳入氧气在酵母代谢中，特别是酿酒酵母（Saccharomyces cerevisiae）发酵中的关键作用。
• 通过区分用于酵母生长的糖与转化为乙醇的糖，提升模拟的保真度。
• 通过数值模拟与参数校准，利用实验数据验证模型。

提出的方法

• 通过修改David等人的模型，推导出一个新的常微分方程组（ODE），引入基于乙醇浓度的非线性酵母死亡项。
• 采用反正切与二次项构造S型死亡函数Φ(E)，以模拟当乙醇浓度超过耐受阈值（tol）时的乙醇诱导酵母死亡。
• 将糖浓度（S）拆分为两部分：一部分用于酵母生长（具有米氏常数KS₁），另一部分用于乙醇生产（具有米氏常数KS₂）。
• 将氧气（O₂）作为具有自身米氏常数（KO）和产率系数（k₄）的动态变量，反映其在支持酵母生长与代谢中的作用。
• 使用ACADO工具包中的BDF（后向微分公式）求解器对ODE系统进行数值求解。
• 通过实验数据校准模型参数，采用温度依赖函数表示最大生长速率（μ_max(T)）与乙醇抑制常数（K_E(T)）。

实验结果

研究问题

• RQ1 如何改进葡萄酒发酵的数学模型，以包含真实实验中观察到的酵母死亡阶段？
• RQ2 氧气可及性对葡萄酒发酵过程中酵母生长与乙醇生产动力学有何影响？
• RQ3 将糖的使用划分为生长用途与乙醇生产用途，如何影响模型的准确性与生物学保真度？
• RQ4 与标准模型相比，非线性乙醇诱导死亡函数在模拟酵母种群动力学方面有多大的改进？
• RQ5 引入温度依赖动力学与氧气动态是否能增强发酵模型的预测能力？

主要发现

• 新模型通过引入在乙醇浓度超过耐受阈值（tol = 70 g/L）时激活的非线性死亡函数Φ(E)，成功捕捉了原始David等模型中缺失的酵母死亡阶段。
• 模拟结果表明，该新型模型比基线模型更准确地再现了酵母生命周期的完整过程——包括滞留期、生长期和死亡期，后者仅显示生长期与稳定期。
• 包含氧气的模型在早期发酵阶段更准确地反映了酵母活性，其中氧气可及性增强了代谢活动。
• 用于酵母营养的糖的产率系数k₃校准为2.8424，表明大量糖被分配用于酵母维持与生长，而非乙醇生产。
• 氧气的米氏常数（KO = 0.0002 g/L）表明酵母对低氧水平高度敏感，与生物学观察一致。
• 采用反正切死亡项（公式5）的模型在达到峰值乙醇浓度后，更真实地模拟了酵母浓度的下降趋势，与实验趋势匹配度优于原始模型。