Автор: Команда научных исследований и разработок, CUIGUAI Flavoring

Опубликовано: Guangdong Unique Flavor Co., Ltd.

Последнее обновление:  Апрель 06, 2026

Современная лаборатория вкусовых решений

Современная индустрия вкусов переживает глубокий сдвиг парадигмы. На протяжении десятилетий открытие и оптимизация ароматизаторов для продуктов питания, напитков и электронных жидкостей основывались преимущественно на ремесленных знаниях и традиционных сенсорных панелях. Хотя человеческое восприятие остается высшим судом во вкусе, традиционный цикл разработки зачастую слишком медленный, субъективный и итеративный, чтобы соответствовать быстро меняющимся требованиям современного потребительского рынка. Для сохранения конкурентных преимуществ профессиональные производители вкусов стремительно внедряют передовые инструментальные методы и вычислительные модели для расшифровки молекулярной структуры аромата.

如今，加快风味的探索亟需弥合挥发性化学组分、神经生物学受体激活与预测算法之间的鸿沟。通过融合高分辨率色谱、仿生传感器阵列与人工智能（AI）等现代感官分析技术，配方师得以以前所未有的精准度绘制复杂的风味矩阵。这一技术密集的分析，展现了重塑感官评估的前沿方法，彰显数据驱动的风味学如何转化为卓越、合规且可扩展的商业产品。

I、Узкое место традиционной органолептической оценки

在进入先进仪器分析之前，理解传统感官分析的生物学与后勤局限性至关重要。人类的味觉感知是一种多模态的神经事件。当消费者饮用一款饮料或蒸发电子液体时，挥发性分子通过后鼻腔嗅觉到达嗅觉上皮，而非挥发性化合物则与舌头上的味蕾受体（如TAS1R和TAS2R家族）相互作用。大脑将这些信号与三叉神经的刺激（负责凉感、温感及涩感）融合，形成统一的味觉体验。

尽管描述性分析与强制选择法（如三角试验、两选一法）依赖经过培训的人类专家团队，仍然是不可或缺的工具，但它们在研发流程中不可避免地带来瓶颈。人类感官易受感官疲劳、生理变异和心理偏差的影响。此外，人类味觉难以轻松拆解含有数百种挥发性有机化合物（VOCs）的复杂矩阵，以识别微量的拮抗或协同作用的分子交互。

例如，高强度甜味剂的掩盖效应可能掩盖细腻的花香酯类，使人类难以精确量化目标挥发性成分的浓度下降。为克服这些感官局限，风味科学转向仪器模拟——开发高度敏感、可重复且客观的工具，以量化人类嗅觉与味觉的感知。

II、仪器模拟：电子鼻与电子舌的结构设计

Для цифровизации человеческого обоняния и вкуса отрасль использует интеллектуальные массивы сенсоров, известные как Электронные Носы (E-noses) и Электронные Языки (E-tongues). Эти системы не распознают отдельные химические структуры; вместо этого они создают целостный «отпечаток» ароматической матрицы, основываясь на совокупной реакции своих сенсорных массивов.

2.1 Электронный нос (E-Nose)

电子鼻由一组交叉反应的气体传感器阵列、信号调理子系统以及模式识别引擎组成。商业化电子鼻中，最常用的传感技术包括金属氧化物半导体（MOS）、表面声波（SAW）传感器以及石英晶体微天平（QCM）阵列。

Когда летучие соединения из паровой фазы продукта или электронной жидкости проходят над MOS-сенсором, кислородные виды, адсорбированные на поверхности сенсора, реагируют с летучими молекулами. Эта редокс-реакция изменяет электропроводность полупроводникового материала. Благодаря наличию нескольких сенсоров, насыщенных разными металлами (например, палладием или платиной), работающих при различных температурах, система создает многомерную матрицу данных. Затем она анализируется с помощью многовариантных статистических методов, таких как метод главных компонент (PCA) или линейный дискриминантный анализ (LDA), для классификации ароматического профиля.

电子鼻在快速质量控制、检测原料掺假以及监控货架期内异味生成（如脂质氧化醛类物质如己醛）方面表现出极高的效率。

2.2 Электронный язык (E-Tongue)

В то время как электронные носы анализируют летучие соединения в паровой фазе, электронные языки оценивают неиспаряющиеся соединения, отвечающие за вкус — сладкий, кислый, соленый, горький и умами. Самые передовые системы, такие как TS-5000Z, используют искусственные сенсоры на основе липидных мембран. Эти потенциометрические сенсоры имитируют фосфолипидный бислой мембран вкусовых клеток человека.

Когда липидная мембрана погружена в водный раствор вкуса, между целевыми молекулами и мембраной происходят электростатические и гидрофобные взаимодействия, изменяющие электрический потенциал мембраны. Используя различные составы липидов, можно создавать сенсоры, реагирующие преимущественно на разные вкусовые модальности. Например, сенсор, предназначенный для горечи, будет активно связываться с гидрофобными аминокислотами или алкалоидами. Полученные электрические сигналы объединяются в радарную диаграмму, предоставляя высокообъективную количественную оценку интенсивности вкуса, которая тесно коррелирует с восприятием человека.

Схемы сенсорных характеристик

III、高分辨率挥发性成分映射：GC-O与GC-IMS

虽然仿生传感器能够提供出色的宏观风味指纹，但无法识别推动这些感官反应的具体化学成分。为了实现分子层面的风味探索，必须采用融合分析平台。

3.1 气相色谱-嗅觉联用（GC-O）

气相色谱-质谱（GC-MS）长期以来被视为VOC检测的黄金标准。然而，色谱图中某个分子的存在并不意味着它会产生感官影响。人类的嗅觉检测阈值差异巨大；某些化合物即使仅以十亿分之一（ppb）浓度存在，也可能主导整体香气，而以百万分之一（ppm）浓度存在的化合物可能完全无法被察觉。

Для определения истинного сенсорного воздействия рассчитывается Значение Активности Запаха (OAV) по следующей формуле:

где C_i — концентрация соединения в матрице, и T_i — порог обнаружения запаха человеком в указанной среде.

气相色谱嗅闻联用（GC-O）将化学分离与人类感官感知紧密结合。在GC-O系统中，色谱柱的流出物被分流，一部分进入物理检测器（如质谱或火焰离子检测器），另一部分则送至嗅闻口。经过训练的风味专家在嗅闻口记录下化合物分离时的确切时间、强度及描述。采用如香气提取稀释分析（AEDA）等技术，计算风味稀释（FD）因子，从复杂基质中筛选出最具效力的气味分子。这使得配方师能够专注于关键的特征性化合物，大大加快了真实风味轮廓的重建过程。

3.2 气相色谱-离子迁移谱（GC-IMS）

在高通量风味分析的最新进展中，气体离子迁移谱（GC-IMS）技术应运而生。此项技术通过气相色谱分离化合物，然后将其引入离子迁移扩散管。分子被离子化（常用氚或大气压化学离子化），并在均匀电场中与漂移气流相抗衡。离子穿越管道所需的时间取决于其质量、电荷及碰撞截面（形状），由此实现高效、灵敏的化合物区分。

气体离子迁移谱（GC-IMS）为现代风味制造商提供了诸多独特优势。它在大气压下运行，样品准备简便，且实现二维分离（保持时间与漂移时间），由此绘制出极具直观性的风味轮廓拓扑图。其在辨别异构体中微小差异方面尤为出色，为优化复杂乳化体系及追踪挥发性物质的释放动力学提供了不可或缺的工具。

GC-IMS热图

IV、Нецелевой флаворомика: переосмысление взаимодействий матрицы

传统上，风味化学采用“目标导向”方法，分析预先定义的已知香气活性化合物列表。然而，风味具有高度的情境依赖性。某些化合物本身无明显香气，但却能调节（增强、抑制或协同作用）整体香气感知。

进入 flavoromics, an untargeted, data-driven approach inspired by metabolomics. In flavoromics, comprehensive chemical profiling (using high-resolution LC-MS and GC-MS) is conducted on a dataset of flavor matrices without any prior assumptions about which compounds are important. This generates massive datasets containing thousands of chemical features.

随后，采用先进的化学计量学与多变量分析（MVA）对这些数据集进行处理，以寻找化学特征与感官结果之间的相关性。例如，偏最小二乘判别分析（PLS-DA）经常被使用，依赖于以下结构关系：

у = Хβ＋ε

где y — вектор сенсорных откликов, X — матрица химических характеристик, β — коэффициенты регрессии, и ε — ошибка модели.

Благодаря этому нецелевому статистическому моделированию исследователи могут обнаруживать новые «модуляторные» соединения. Например, исследование старения цитрусовых экстрактов использовало нецелевую флаворомику для выявления специфических неиспаряющихся гликозидов, которые, будучи безвкусными сами по себе, значительно подавляли восприятие свежего «апельсинового» характера и усиливали нежелательные «зеленой фасоли» ноты. Обнаружение этих скрытых взаимодействий в матрице позволяет формуляторам более умно оптимизировать сложные базы пищевых продуктов и напитков, предвидя, как вкус будет вести себя на протяжении всего срока хранения.

V、人工智能与预测性感官建模

Самым революционным скачком в ускорении открытия новых вкусов стало интеграция искусственного интеллекта (ИИ) и машинного обучения (МО). Огромный объем данных, генерируемых современными аналитическими приборами, в сочетании с десятилетиями исторических данных сенсорных панелей, создает идеальную экосистему для предиктивного моделирования.

包括随机森林、支持向量机（SVM）和深度神经网络（DNN）在内的人工智能算法，正不断被训练以理解分子结构与人类感知之间的关系。

1. Predictive Receptor Binding:Используя передовую хемоинформатику, модели ИИ могут моделировать, как определенные молекулярные структуры взаимодействуют с человеческими обонятельными и вкусовыми рецепторами. Например, ИИ способен анализировать стерические препятствия и электронные свойства сотен синтезированных охлаждающих агентов, предсказывая их аффинитет к рецептору TRPM8. Это позволяет виртуально просеивать тысячи кандидатных молекул, синтезируя только наиболее перспективные высокоэффективные охлаждающие соединения для использования в напитках или электронных жидкостях, минуя месяцы проб и ошибок.
2. Generative Flavor Formulation:生成式人工智能正从单纯的数据分析迈向主动创制配方。通过输入目标感官描述、饮食限制与成本参数，生成算法能够提出新颖的风味方案。这些系统分析历史的风味搭配与化学兼容性网络，建议人类可能未曾想到的配料组合，开启全新的风味结构。
3. Consumer Preference Mapping:Алгоритмы обработки естественного языка (NLP) сканируют огромные массивы данных отзывов потребителей, трендов социальных сетей и мировых рецептов, чтобы выявить новые предпочтения во вкусах. Интегрируя эти данные с химическими, искусственный интеллект способен предсказать реакцию определенной демографической группы на новый вкус ещё до создания физического прототипа.

VI、Преобразование открытий в производственное превосходство

卓越的分子发现若无法在严格的法规框架下成功制造、规模化及推广，便毫无意义。从分析实验室到商业生产线的转变，带来了诸多物理化学与合规方面的重大挑战。

6.1 乳化稳定性与微胶囊技术

При работе со сложными матрицами вкусов, особенно с высоковолатильными цитрусовыми маслами или гидрофобными экстрактами, крайне важно сохранять стабильность конечного продукта. Современные методы сенсорного поиска должны гармонично сочетаться с передовыми системами доставки.

微胶囊技术—如喷雾干燥、包囊或流化床包覆—在保护细腻风味成分免受氧化、热降解及提前释放方面至关重要。在配制水溶性饮料乳液或稳定的电子液体浓缩物时，利用GC-IMS和风味学获得的化学数据指导墙体材料的选择（如麦芽糊精、改性淀粉或水胶体）。通过精准掌握核心风味成分的挥发性和释放动力学，制造商可以设计出确保风味在适当时间点释放的微胶囊，从而从工厂到消费者的口腔中，保持原始感官轮廓的完整性。

6.2 遵循全球法规标准

В то же время, цифровой процесс разработки должен строго соответствовать международным нормативным требованиям. Могущественный искусственный интеллект может предложить весьма эффективную молекулярную комбинацию, однако ответственность за юридическую допустимость этих компонентов в целевом рынке лежит на производителе.

对于国际B2B制造商，将合规逻辑融入研发早期至关重要。配方必须提前与欧盟EFSA指南及中国国家食品安全标准（GB标准）进行交叉核查。例如，确保所有溶剂、载体和风味物质符合GB 2760食品添加剂标准，标签符合GB 7718规定，必须在人工智能驱动的研发周期早期完成。现代预测软件能够动态标记不合规分子，确保加速的研发流程最终产出符合出口要求、完全合规的产品，避免后期重工延误。

人工智能风味网络

VII、Будущее архитектуры вкусов

Эпоха проб и ошибок в создании вкусов подходит к концу. Используя аналитические возможности электронных носов и языков, высокоточное картирование при помощи GC-O и GC-IMS, а также предиктивные способности искусственного интеллекта, индустрия вкусов вступает в эпоху беспрецедентной точности.

Эти современные методы сенсорного анализа делают больше, чем просто ускоряют открытие — они кардинально расширяют границы возможного. Они позволяют расшифровывать скрытые взаимодействия в сложных пищевых матрицах, предсказывать биологические реакции на уровне рецепторов и создавать чрезвычайно стабильные, соответствующие глобальным стандартам системы ароматов. Для профессиональных производителей внедрение этих технологий — не просто обновление операций, а необходимое условие для лидирования в следующем поколении сенсорных инноваций.

Готовы поднять сенсорное восприятие вашего продукта на новый уровень?

作为专业的食品、饮料及电子液体风味剂制造商，我们采用最先进的分析技术与生产工艺，确保风味的稳定性、复杂性以及全球合规性无与伦比。

您是否希望优化现有配方或开发具有颠覆性的全新风味，以迎接下一次产品发布？让我们的风味化学专家和先进的研发设施助您加快步伐。

今日即刻联系我们的企业对企业团队，进行技术交流或索取符合您行业需求的免费配方样品。

Источники

1. Grosch, W. (2001). 《通过香气提取稀释分析评估食品的关键气味成分》。《化学感官》，26(5)，533-545。牛津大学出版社。
2. Toko, K. (1998). «Электронный язык». Биосенсоры и биоэлектроника, 13(6), 701-709. Elsevier Science.
3. Charve, J. 等（2018）。《基于数据驱动研究的感官活性化合物的识别与验证：风味学方法》。《农业与食品化学杂志》，66(10)，2432-2441。美国化学会。
4. Национальная комиссия здравоохранения Народной Республики Китай. (2014). Национальный стандарт безопасности пищевых продуктов – Стандарт использования пищевых добавок (GB 2760-2014).