決定食品和飲料化學感覺的天然風味的生物催化生產一直是學術和工業研究的一個艱巨目標。化學痕量分析的進展和化學-生物學界面的后基因組進展揭示了自然化學感覺實體的氣味質量是由氣味誘導的嗅覺受體活動模式定義的。與傳統觀點不同的是，這項綜述和大數據分析現在顯示，每種食物的真正關鍵氣味的特征比例只有3到40個，從10000種左右的食物揮發物中提取230種。這表明食物產生的刺激空間與我們大約400個嗅覺受體共同進化，并大致匹配為最好的天然激動劑。這一視角洞察了氣味的自然化學特征，提供了220多種食物樣品的化學氣味編碼，并解決了生產重組物的工業意義，該重組物可以完全重建天然氣味特征，用于食用和日用香精、完全沉浸式交互虛擬環境或類人生物電子鼻。

1、前言

8000多年來，自然生物化學過程一直用于食品的生產，如面包、啤酒、葡萄酒、奶酪和酸奶、醋、醬油或魚露。因此，通過微生物發酵或酶活性產生新的香味和味道，風味生物技術就誕生了。[1]

盡管多種微生物的代謝性能為從頭合成風味的生物合成帶來了巨大的潛力，但在自然界中發現的有價值化合物的產量通常太低，無法進行商業應用。除了一些來自初級代謝的風味化合物，如L-谷氨酸和檸檬酸，代謝的多樣性往往導致相當廣泛的密切相關的化合物，例如，一系列來自氨基酸代謝的雜醇。[2]

在上個世紀，有機合成的巨大進步使得高純度、天然產生的氣味分子和手性氣味的制備成為了具有成本效益的方法[3]。例如，薄荷氣味和外消旋薄荷醇已經在20世紀60年代中期由Haarmann & Reimer實現了工業化生產，而具有涼感效應(1R,2S,5R)結構的(-)-薄荷醇則需要通過手性拆分分離[4]。20世紀80年代末，由Ryoji Noyori領導的團隊首次開發了以月桂烯為基礎的(-)-薄荷醇的合成，今天稱為“Takasago法”，采用催化劑[{(S)-BINAP}2Ru]ClO4將二乙基香葉胺的不對稱異構化反應轉化為3-(R)-香茅烯胺，這是一個新的關鍵反應步驟。Ryoji Noyori利用BINAP釕催化劑，獲得了2001年諾貝爾化學獎[5]。合成(-)-薄荷醇是當今世界上最暢銷的風味配料之一，每年達到25000至30000公噸的全球需求，巴斯夫在2012年開發了一種新工藝，使用手性銠催化劑對(Z)-薄荷醇進行不對稱加氫[6]。此外，有機化學還成功地產生了影響更大的非天然同系物，例如，目前廣泛使用的乙基香蘭素，其風味強度比其天然類似物香蘭素強約4倍[7]。

盡管工業化香料生產取得了非凡的成就，但被疏遠的消費者對添加到食品、化妝品或家用產品中的非天然化學物質越來越反感，因此產生了對真正真實的天然風味標簽的香料越來越多的需求，以及對“有機”或生物起源的風味分子的需求[2]。在過去的幾十年里，這導致了香草和薄荷等幾種植物資源的嚴重短缺，并推動了“更綠色”的化學和更“環?！钡纳锛夹g制造工藝的應用，從而通過植物細胞、組織培養或分別涉及細菌、真菌、酵母和它們的酶的微生物過程來生產生物質香料的合成生物學的快速發展。[2,8 - 10]甚至昆蟲衍生的酶最近也被認為是工業生物技術中尚被低估的寶藏精細化學品的生物技術生產，例如有機酸、氨基酸、核苷酸、維生素和醇[12]、生物催化區域和立體選擇轉化[13]、合理蛋白質設計和計算機輔助酶設計，結合定向進化技術，以開發新型生物催化劑[14,15]，采用連續的生物或化學催化轉化或設計的表達多種酶的重組全細胞[16]、以及通過高效的下游處理選擇性回收目標分子的多步驟工藝在過去幾年中迅速發展，已成為當今化學工業中成熟的學科[2,17]。盡管揮發性醇(如雜醇醇)、具有氣味活性的有機酸和酯(如2-苯乙基乙酸酯)、醛(如(Z)-3-己烯醛和香草醛)、酮和3-和5-烷基內酯等已經在工業上實現了生物催化生產，但它們的化學多樣性使氣味分子仍然是生物技術的一個真正具有挑戰性的目標，在食品、飼料、化妝品和制藥部門有著廣泛的應用。[2,9,10]

我們對嗅覺分子基礎研究的進步，對于更有效地引導后基因組風味生物生產技術，以那些由自然進化選擇的目標分子，創造出對各種食物和飲料真正真實的嗅覺感知是必要的。然而，這需要新的知識，我們的嗅覺如何能夠在分子水平上解謎食物氣味的世界。400多個視紫紅質樣G蛋白偶聯的7個跨膜螺旋受體(稱為氣味受體(OR))工作在揮發性摩爾化學世界和大腦感覺知覺之間的界面上，將外部化學刺激轉化為可由神經電路處理的內部信息[18]。假設這些受體已經進化到能夠處理這一任務，對它們的編碼策略的分析有望在如何高效地編碼自然界的化學信息方面產生有價值的見解[19]。為了滿足這一需求，需要對化學氣味空間進行定義，并對反映感官表現型并觸發特定食物味道特征的感官活躍關鍵分子(被稱為“感官代謝組(sensometabolome) ”)的綜合種群進行解碼。[20、21]

盡管近年來在分子感官科學方面取得了巨大的技術進步，以闡明食物在分子水平上的感官代謝組學(“感官組學Sensomics”)，[1,20,21]我們仍然需要新的知識體系，解決特別是在嗅覺的化學-生物學界面上的許多困惑。[22]

換句話說，我們對氣味編碼的理解在很大程度上依賴于對關鍵氣味與其最佳同源受體蛋白相互作用的認識，以及對組合代碼的破譯，在組合代碼中，氣味的特性是由它們激活的特定受體子集編碼的。[22]

闡明與生物相關的單一氣味的人類受體編碼，甚至更重要的是，闡明為我們大腦在進食時感知到的嗅覺圖像編碼的自然化學感覺混合物的受體編碼，將是一個重要的里程碑，對于高效和具有成本競爭力的生物技術重建真正真實的氣味特征——所有這些都是由相同的生物產生的關鍵氣味構建的。

2. 食品化學氣味空間的分析覆蓋需要全面、定量

對我們日常飲食中氣味分子的搜尋始于60年代初氣相色譜法(GC)的引入。當時，進行研究的假設是，發生在食物、體味或環境氣味中的一整套揮發物有助于化學感覺實體的特定氣味。然而，盡管到2013年為止，約有8000種揮發物被識別出來，并預測食物中總共會出現10000種揮發物，早期通過識別出的揮發物重建食物香氣的實驗并不成功，如橄欖油[26]和橙汁[27]。地道食品的風味與模擬食品的香氣在感官感知上存在差異的主要原因是缺乏分析設備——氣相色譜火焰電離檢測器無法檢測到的高影響微量氣味，以及定量數據并不準確。因此，劑量/嗅覺活力的考慮日益加劇了研究人員的質疑，食物中所建議的10000種揮發物都有助于食物的特定氣味嗎？[28-30]這促使人們在尋找食物的關鍵氣味方面發生了范式上的轉變，并引入了“感官組學”方法的誕生。將耦合氣相色譜的想法應用到嗅聞裝置上[31]，氣相色譜嗅聞法(GC-olfactometry, GC-o)是一種利用人類鼻子作為最靈敏和選擇性的生物探測器，通過“嗅探”檢測，在色譜分離物中大量感覺不活躍的揮發物中定位活性氣味的方法，曾被廣泛應用于實驗昆蟲學中，用于檢測昆蟲觸角嗅覺器官所感知的揮發物。[28,30,32 - 34]基于連續稀釋香氣餾分的重復GC-O分析的技術，例如CHARM分析[35,36]或AEDA香氣提取液稀釋分析[28,30]，能夠對氣味活性分子進行綜合檢測，并根據空氣中的相對閾值對其感官影響進行排序。

這種嗅覺活力導向的策略極大地幫助我們將費力的識別實驗集中在食物中最具氣味活性的分子上。然而，由于氣相色譜-嗅聞法對關鍵氣味分子的嗅覺篩選是基于它們在空氣中的閾值，而不是在各自的食物基質中，研究人員開始基于“氣味單位”或“氣味活度值”(OAV)來研究單個氣味對給定食物香氣的貢獻，該“氣味單位”或“氣味活度值”(OAV)定義為食物中一種氣味的濃度與其在適當基質中的氣味閾值之比。[29,30,37,38]然而，揮發性成分的巨大化學復雜性，以及關鍵氣味在濃度、揮發性和化學穩定性方面的巨大差異，挑戰了它們的精確定量[28,30]。

通過使用穩定同位素(13C, 2H)標記的關鍵氣味的雙分子作為高分辨率氣相色譜/質譜分析最合適的內部標準，取得了突破。[21,28,34, 39-42]考慮到提取、樣品清理和色譜過程中的分析物鑒別，這種所謂的穩定同位素稀釋分析(SIDA)允許對關鍵食品氣味進行穩健的定量分析，所需的精度低于10%。[28]