腊腌菜是云南省西部的德宏傣族景颇族自治州最具代表性的传统发酵蔬菜制品之一，具有开胃、促消化等功能。当地居民于每年农历腊月，以本地俗称“青菜”的小叶芥菜（Brassica juncea var. foliosa Bailey）为原料，添加食盐及辣椒、八角茴香粉、小茴香、宽叶韭根（Allium hookeri Thwaites）、白砂糖等辅料，入坛密封，经微生物自然发酵而成，故得名“腊腌菜”。根据GB 2714—2015《食品安全国家标准 酱腌菜》，该产品属于发酵性腌菜（发酵蔬菜制品），其加工工艺与云南新平腌菜等传统腌菜相似[1]。傣族腊腌菜中加入了白砂糖，当地居民偏好酸甜口味，白砂糖的加入可为产品增添微甜，平衡酸辣口感。在发酵过程中，乳酸菌、酵母菌等优势微生物通过糖酵解途径将碳水化合物降解为乳酸、乙酸等有机酸，同时蛋白酶水解蛋白质产生氨基酸及小分子肽，脂肪酶催化脂类水解产生游离脂肪酸，醇类与有机酸进一步酯化形成酯类风味物质，结合腊腌菜中加入的辣椒、宽叶韭根等辅料，共同形成产品酸、辣、香、甜复合的独特风味[2-3]。
国内外学者已采用宏转录组学、宏基因组学及非靶向代谢组学等技术对四川泡菜、东北酸菜等传统发酵腌菜的微生物群落与代谢物进行了系统解析[4-6]。研究发现，魏斯氏菌属（Weissella）和乳杆菌属（Lactobacillus）是四川泡菜发酵过程中的核心菌群[7]；同时辣椒粉等辅料可通过调控上述菌群的结构与演替影响泡菜的风味形成与品质稳定性[8]。不同发酵时期的代谢组学研究也揭示了泡菜中有机酸、氨基酸及酚类等代谢物的动态积累规律[6,9]。尽管传统发酵蔬菜的微生物-代谢互作机制已得到初步揭示，但关于德宏傣族腊腌菜发酵过程的微生物群落演替、代谢物动态变化及二者协同调控机制的研究鲜见报道。
本研究以德宏傣族传统腊腌菜为对象，采用16S rRNA高通量测序与超高效液相色谱-质谱（ultra-high performance liquid chromatography-mass spectrometry，UPLC-MS）非靶向代谢组学技术分析其发酵过程中微生物群落演替规律及代谢物变化，旨在为揭示其品质形成机理、推动传统工艺的标准化与现代化提供科学依据。
1 材料与方法
1.1 材料与试剂
小叶芥菜、晒干的宽叶韭根、辣椒面、食盐等辅料（均为食品级） 市购。
磁珠法土壤和粪便基因组DNA提取试剂盒 天根生化科技（北京）有限公司；AMPure XP磁珠 美国Beckman Coulter Genomics公司；Qubit荧光定量试剂盒 美国Invitrogen公司；文库定量试剂盒 美国Kapa Biosciences公司；NovaSeq 6000 SP测序试剂盒（500 cycles） 美国Illumina公司；甲醇、乙腈、甲酸（均为色谱级） 美国Thermo Fisher Scientific公司；乙酸铵、乙酸（均为色谱级） 美国Sigma-Aldrich公司。
1.2 仪器与设备
Qubit定量仪 美国Invitrogen公司；2100生物分析仪 美国Agilent公司；NovaSeq 6000测序仪 美国Illumina公司；BSA124S-CW电子分析天平 德国Sartorius公司；JXFSTPRP-24组织破碎仪 上海净信实业发展有限公司；UltiMate 3000 UPLC仪、Q-Exactive高分辨率质谱仪 美国Thermo Fisher Scientific公司；ACQUITY UPLC T3色谱柱（100 mm×2.1 mm，1.8 µm） 美国Waters公司。
1.3 方法
1.3.1 德宏傣族腊腌菜样品制备
新鲜小叶芥菜采收后，于15～25 ℃阴凉通风处自然风干12 h；经自来水清洗后，于25～35 ℃阳光下晒12 h至萎蔫。将晒好的小叶芥菜切成3～5 cm的均匀小段。按小叶芥菜质量加7%食用盐和3%宽叶韭根，充分混匀后置竹筛上沥水24 h。次日加入1%辣椒粉、1%八角茴香粉、1%小茴香及7%白砂糖，揉搓5 min。将物料装于5 L陶罐中，分层压实，罐口密封后置于阴凉、避光处（15～20 ℃）自然发酵。分别于发酵第30、60、90天取样，自容器上、中、下层各取等量样品混匀，分装到不同的5 mL冻存管中。取样后立即将剩余样品压实，重新密封，继续发酵。将采集的样品标记编号（30 d：A1、A2、A3；60 d：B1、B2、B3；90 d：C1、C2、C3），置于-20 ℃冰箱冷冻保存备用。
1.3.2 样品总DNA的提取、PCR扩增及检测
使用基因组DNA提取试剂盒提取总DNA。采用荧光定量仪对DNA进行定量，所有样品DNA质量浓度均不小于2 ng/μL，质检合格后置于-20 ℃保存，可用于后续PCR扩增与文库构建。以提取的DNA为模板，采用细菌16S rRNA基因V3～V4区通用引物341F（5′-CCTACGGGNGGCWGCAG-3′）和805R（5′-GACTACHVGGGTATCTAATCC-3′）进行PCR扩 增[10-11]，使用高通量测序平台进行双端测序（PE250）[12]。 测序由杭州联川生物技术股份有限公司完成。
1.3.3 代谢物分析
样品预处理：分别取发酵第30、60、90天的腊腌菜样品各50 mg，加入500 μL 80%冰甲醇溶液于2.0 mL EP管中，放入少量钢珠，用研磨仪粉碎；-20 ℃沉淀30 min；20 000×g离心15 min；取400 μL上清液冻干，50%冰甲醇复溶后二次高速离心；每个样品取15 μL混合，制备质量控制（quality control，QC）样品，全程冰上操作。
UPLC条件：ACQUITY UPLC T3色谱柱（100 mm × 2.1 mm，1.8 μm）；柱温40 ℃；流速0.3 mL/min；流动相A为水（含5 mmol/L乙酸铵和5 mmol/L乙酸），流动相B为乙腈；梯度洗脱程序：0～0.8 min，2% B；0.8～2.8 min，2%～70% B；2.8～5.6 min，70%～90% B；5.6～6.4 min，90%～100% B；6.4～8.0 min，100% B；8.0～8.1 min，100%～2% B；8.1～10 min，2% B。
MS条件：电喷雾离子源；正、负离子模式；一级质谱分辨率70 000；质量扫描范围m/z 70～1 050；自动增益控制（auto gain control，AGC）目标值3×106；最大注入时间100 ms；数据依赖采集模式；二级质谱分辨率17 500；二级AGC目标值1×105；二级最大注入时间50 ms；每10个样品后进样QC样品以监测仪器稳定性。
1.4 数据处理及生物信息学统计分析
使用QIIME 2（v2025.7）处理下机数据：首先通过cutadapt软件去除引物序列，随后采用DADA2算法统一完成序列质控、长度截断、双端序列拼接、去噪及嵌合体去除。DADA2参数设置：序列降噪截断长度为400 bp，序列截断质量阈值设为2，单条序列最大预期错误数为2.0，其他参数保持软件默认，以获得扩增子序列变体（amplicon sequence variant，ASV）。基于SILVA（v138.2）注释物种，细菌命名遵循最新分类学体系，引用他人文献时保留原文名称；注释后使用QIIME 2的filter-taxa插件去除注释为叶绿体（Chloroplast）和线粒体（Mitochondria）的ASV序列，以排除植物源序列对微生物群落分析的干扰。随后开展α-、β-多样性分析，组间差异采用Wilcoxon秩和检验，线性判别分析效应量（linear discriminant analysis effect size，LEfSe）分析（LDA＞2.0、P＜0.05）筛选差异物种。图表由R软件（v4.0）绘制[13]。
采用XCMS软件完成UPLC-MS数据峰识别、对齐与归一化，按分子质量误差小于10-5匹配人类代谢组数据库（Human Metabolome Database，HMDB）、京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes，KEGG）数据库完成代谢物注释。通过主成分分析（principal component analysis，PCA）、偏最小二乘判别分析（partial least squares-discriminant analysis，PLS-DA）进行多元统计分析，以t检验P＜0.05、差异倍数（fold change，FC）＞1.5或FC＜0.67（即|log2 FC|≥0.585）且变量重要性投影（variable importance in projection，VIP）≥1为标准筛选差异代谢物。随后进行代谢物KEGG富集分析，识别显著富集的代谢通路，标准化富集分数（normalized enrichment score，NES）绝对值＞1、P＜0.05、错误发现率（false discovery rate，FDR）＜0.25的KEGG通路为组间差异显著代谢通路。上述分析使用R软件（v4.0）完成，聚类热图由R包pheatmap绘制，PCA和显著差异代谢物分析由R包metaX完成，PLS-DA由R包ropls进行，网络图根据代谢物所在通路进行绘制。
属水平菌群与差异代谢物采用Spearman相关性分析。Procrustes分析用于评估微生物群落结构与代谢物谱的整体相关性，采用Mantel检验进一步验证微生物群落与单个代谢物的统计学关联。基于相关性结果构建相关性热图，并通过联合载荷图直观展示驱动样本分异的核心微生物与代谢物。上述分析及网络图绘制均使用R软件（v4.0）及相关包（vegan、corrplot、pheatmap等）完成。
2 结果与分析
2.1 测序有效数据统计分析
由表1可知，样品测序获得751 830条原始数据，经过数据处理及质控后获得674 250条有效标签，各样品序列有效率为85.56%～93.61%，Q20、Q30比例分别高于96%和90%，GC含量正常、组间重复性好，可满足后续微生物分析需求。
表1 不同发酵时间德宏傣族腊腌菜中16S rRNA基因测序数据统计
Table1 Statistics of 16S rRNA gene sequencing data of Dehong Dai La-yancai at different fermentation durations
样品原始原始碱基数有效有效碱基数有效率/Q20Q30GC读数/条（×106）标签/条（×106）%点比/%点比/%点比/%A184 09042.0577 28032.0791.9097.8293.4652.19 A280 79340.4073 81130.5691.3697.9393.7752.41 A382 57141.2973 97230.4589.5996.6690.4953.26 B184 75842.3873 24630.7386.4298.0194.0351.31 B282 62841.3174 54030.6490.2198.0294.1853.25 B382 59041.3070 66429.3385.5697.8493.5252.40 C185 78442.8977 29132.2390.1097.0891.5852.15 C286 30043.1576 38932.0488.5297.9994.1551.59 C382 31641.1677 05732.2093.6197.8493.5052.14总计751 830 375.93674 250280.2589.6897.7193.1852.30
2.2 测序深度和物种丰富度评估
稀释曲线用于评价丰富度、反映样品间多样性差异及测序深度合理性[14]。如图1所示，3组样品的稀释曲线随测序深度增加均呈上升趋势，之后逐渐趋于平稳，说明当前测序深度已基本能够反映各样品的真实微生物多样性，可满足后续微生物群落多样性分析需求。
图1 不同发酵时间德宏傣族腊腌菜样品16S rRNA基因测序稀释曲线
Fig.1 Rarefaction curves generated from 16S rRNA gene sequencing of Dehong Dai La-yancai samples at different fermentation durations
2.3 α-多样性分析
α-多样性可用于评估样品微生物群落的丰富度和均匀度。其中Chao1指数和ACE指数用于评估群落中物种的丰富度，数值越大表示物种丰富度越高；Pielou均匀度指数反映物种均匀度，数值越接近1表示各物种分布越均匀；Shannon指数和Simpson指数反映物种多样性，Shannon指数越大，群落多样性越高，Simpson指数则相反，Simpson指数越大，群落多样性越低；Coverage代表测序覆盖率，反映样品中被检测到的物种点总物种的比例，该值越高表明样本中序列未被测出的概率越低，样本文库覆盖率越高[15]。由表2可知，3组样品的观测物种数、Chao1指数及ACE指数虽无显著差异（P＞0.05），但C组（90 d）的观测物种数、Chao1指数及ACE指数整体高于A组（30 d）和B组（60 d），表明发酵时间延长可在一定程度上提高菜中微生物的物种丰富度。3组样品的Shannon指数、Simpson指数和Pielou均匀度指数差异较小，说明不同发酵阶段样品的群落多样性与均匀度整体保持稳定。所有样品的文库覆盖率均高于0.997，测序深度充足，能够真实反映各发酵时期微生物群落结构。
表2 不同发酵时间德宏傣族腊腌菜样品微生物α-多样性
Table2 Microbial α-diversity of Dehong Dai La-yancai samples at different fermentation durations
组别观测物种数Shannon指数Pielou均匀度指数Simpson指数Chao1指数ACE指数Coverage A324±18a3.15±0.82a0.378±0.102a0.568±0.138a332±24a335±26a0.998 8±0.000 9a B342±34a3.13±0.37a0.373±0.049a0.666±0.042a367±58a365±54a0.998 0±0.002 0a C359±55a3.26±0.10a0.385±0.012a0.682±0.049a383±55a387±63a0.997 3±0.000 6a
注：同列小写字母相同表示组间无显著差异（P＞0.05）。
2.4 β-多样性分析
基于Bray-Curtis距离的主坐标分析（principal coordinates analysis，PCoA）考察不同样品细菌群落差异，如图2所示，PCo1、PCo2方差贡献率分别为88.96%、5.71%，累计解释94.67%的样本差异。A组与C组分别位于不同的坐标轴区域，说明发酵30 d与90 d群落差异较大，B组与C组局部邻近且有重叠，表明部分菌群组成趋于相近。置换多元方差分析表明组间整体差异显著（R2＝0.908 4、P＝0.003），说明后期群落结构发生明显演替分化。
图2 基于Bray-Curtis距离的细菌群落PCoA得分图
Fig.2 Principal coordinate analysis score plot of bacterial communities based on Bray-Curtis distance
2.5 细菌群落组成分析
2.5.1 细菌群落结构
所有样品共注释到22个细菌门，对相对丰度前19的细菌门进行分析，由图3A可知，优势细菌门4个（相对丰度＞1%），厚壁菌门（Bacillota ）相对丰度均超过80%，变形菌门（Pseudomonadota）相对丰度为5.92%～14.43%，其在发酵90 d样品中相对丰度最高；拟杆菌门（Bacteroidota）和疣微菌门（Verrucomicrobiota）在3个组别中相对丰度均低于4%。
图3 基于门水平（A）、属水平（B）不同发酵时间 德宏傣族腊腌菜细菌群落结构
Fig.3 Bacterial community structure of Dehong Dai La-yancai at phylum (A) and genus (B) levels across different fermentation durations
所有样品共注释到252个细菌属，对相对丰度前20 的细菌属进行分析，由图3B可知，优势细菌属9个（相对丰度＞1%），乳植杆菌属（Lactiplantibacillus）和魏斯氏菌属（Weissella）相对丰度之和在3个样品中最高，但魏斯氏菌属在发酵30 d样品相对丰度最高（75.26%），发酵至90 d下降至11.49%，乳植杆菌属在发酵30 d相对丰度为0.58%，发酵至60、90 d时，相对丰度分别为64.20%、64.50%。这与Liu Zhanggen[16]、魏雯丽[17]等的研究结果相似。另有研究发现，魏斯氏菌属为剁椒及泡菜等发酵产品发酵前期的优势菌属，随着发酵的进行其相对丰度逐渐降低，这可能与发酵过程中辣椒的加入有关[8,18]，此外，腌制过程中的温度和盐浓度也是影响其微生物群落变化的主要原因之一[19]，傣族腊腌菜腌制温度为20 ℃左右，He Zhen等[20]研究表明，东北酸菜在20～25 ℃条件下以魏斯氏菌属和乳球菌属为主。植物乳植杆菌普遍存在于蔬菜发酵体系中，由于其代谢能力和对发酵微环境的适应性较强，可驱动发酵进程[21]。
2.5.2 差异菌群分析
由图4可知，C组（90 d）的特征菌群为乳植杆菌属、伯克霍尔德菌复合属（Burkholderia-Caballeronia-Paraburkholderia）、氢噬胞菌属（Hydrogenophaga）、短波单胞菌属（Brevundimonas）、柄杆菌属（Caulobacter）；A组（30 d）的特征菌群为魏斯氏菌属、乳杆菌属（Lactobacillus）、阿克曼菌属（Akkermansia）、韧乳杆菌属（Ligilactobacillus）、毛螺菌科NK4A136菌群（Lachnospiraceae_NK4A136_group）、候选节丝菌属
。该结果与属水平相对丰度演替规律一致，表明发酵过程中优势菌群由魏斯氏菌属主导演替为乳植杆菌属主导，且变形菌门相关菌群于发酵后期富集。
图4 不同发酵阶段差异菌属LEfSe分析
Fig.4 Linear discriminant analysis effect size analysis of differential genera at different fermentation durations
2.6 UPLC-MS非靶向代谢组学分析
2.6.1 代谢物鉴定与注释分析
经二级质谱匹配，共注释到代谢物1 252个。其中，按HMDB数据库分类进行统计，由表3可知，脂质和类脂分子数目最高，共402个，其次为有机酸及其衍生物（178个）、苯丙烷类化合物（125个）和有机杂环化合物（123个）。
表3 二级代谢物HMDB注释统计表
Table3 Statistical table of Human Metabolome Database annotations for secondary metabolites
有机杂环化合物123有机氧化合物55生物碱及其衍生物14非金属均一化合物7一级分类数目脂质和类脂分子402有机酸及其衍生物178苯丙烷类化合物125苯丙烷和聚酮94有机氮化合物37核苷、核苷酸和类似物13烃类化合物7含卤素原子的有机化合物7有机硫化合物5木脂素和新木脂素类相关化合物2二烯烃1有机金属化合物1
2.6.2 代谢物的PCA和PLS-DA
由图5可知，PC1、PC2方差贡献率分别为36.96%、11.17%，累计方差贡献率为48.13%，说明这2个PC基本包含腊腌菜样品的大部分代谢信息。QC样本聚集紧密，说明数据采集过程中设备及实验条件稳定，所得数据准确可靠。其中，发酵30 d（A组）、60 d（B组）和90 d（C组）样品组内距离均相对较近，说明每组样品的平行样之间重复性较好；A组与C组距离较远，说明发酵30 d与90 d群落差异较大，B组与C组距离较近，表明部分代谢物组成趋于相近。
图5 代谢物PCA得分散点图
Fig.5 Principal component analysis score scatter plot of metabolites
由图6可知，Q2截距为-0.711 4（＜0），表明模型无过拟合，稳健可靠，可用于后续差异代谢物筛选。
图6 PLS-DA模型置换检验图
Fig.6 Permutation test plot of partial least squares-discriminant analysis model
2.6.3 差异代谢物分析
由图7可知，发酵60 d与30 d相比，共筛选出262个显著差异的代谢物，其中显著上调177个、显著下调85个；发酵90 d与30 d相比，显著差异代谢物302个（显著上调192个、显著下调110个）；发酵90 d与60 d相比，显著差异代谢物71个（显著上调50个、显著下调21个）。
图7 不同发酵时间德宏傣族腊腌菜差异代谢物火山图
Fig.7 Volcano plot of differential metabolites in Dehong Dai La-yancai at different fermentation durations
2.6.4 差异代谢物分类和鉴定
由图8可知，各组代谢物均呈现明显的聚类特征。发酵60 d与30 d样品对比结果显示，代谢物明显分为2类：有机酸（如甲氧基乙酸）、脂质及类脂分子（如8(S)-羟基二十碳四烯酸、8-羟基二十碳三烯酸、21:3脂肪酸酯羟基脂肪酸、21:2脂肪酸酯羟基脂肪酸、脱氢视黄醛等）等物质在B组（60 d）高表达、A组（30 d）低表达；氨基酸多肽、核苷酸类物质等则呈现相反的表达趋势。发酵90 d与30 d样品对比结果显示，杂环化合物、酚酸、糖类衍生物、部分脂质等多数代谢物在A组（30 d）低表达、C组（90 d）高表达。发酵90 d与60 d样品对比中，生物碱、长链脂肪酸等在C组（90 d）高表达、B组（60 d）低表达。
图8 不同发酵时间德宏傣族腊腌菜差异代谢物热图
Fig.8 Heatmap of differential metabolites in Dehong Dai La-yancai at different fermentation durations
综上，有机酸、氨基酸及衍生物、脂质及类脂分子、生物碱以及风味相关代谢物为主要差异物质。发酵30 d样品以氨基酸代谢为主，为风味形成提供前体；而后的60、90 d样品中脂质代谢增强，二乙酰、羟基二十碳四烯酸等风味相关代谢物显著积累。研究表明，丁二酮是乳酸菌发酵泡菜时产生的一种重要风味物质，具有奶油、坚果样香气[22]；L-谷氨酰胺则可通过酶促反应生成谷氨酸，显著增强食品的鲜味和醇厚感[23]，此外羟基二十碳四烯酸等多不饱和脂肪酸氧化产物在发酵后期的积累，提示脂质氧化途径被激活，其氧化产物可能作为风味前体参与腊腌菜特征香气的形成[24]；脂肪酸羟基脂肪酸已被证实与微生物发酵程度密切相关，其在90 d样品中的高表达进一步支持脂质代谢在发酵后期活跃的结论[25]。
2.6.5 差异代谢物通路富集分析
由图9可知，亚油酸代谢、次生代谢产物生物合成、氨基酸代谢、微生物代谢、乙醛酸和二羧酸代谢等在3个组别中均能检出，但富集方向和强度因阶段而异，表明这些通路是腊腌菜发酵过程中的主要代谢途径。60 d vs 30 d对比结果显示，D-氨基酸代谢，赖氨酸降解，苯丙氨酸、酪氨酸与色氨酸生物合成等氨基酸代谢相关通路，乙醛酸与二羧酸代谢、植物次生代谢产物生物合成、萜类与类固醇生物合成、萜类和聚酮衍生物生物碱的生物合成等在30 d显著富集，提示发酵前期基础代谢和次生代谢活跃。脂质代谢通路（如亚油酸代谢，NES＝1.53）在60 d样品中呈现上调趋势，脂质分解与转化活动增强，其代谢产物是腊腌菜特征香气形成的重要前体物质[26]。90 d vs 30 d对比结果显示，脂质代谢通路（亚油酸代谢NES＝1.59、花生四烯酸代谢NES＝1.59）在90 d呈现上调趋势，其中花生四烯酸代谢的FDR为0.157，接近显著水平，脂代谢通路在C组（90 d）持续富集，驱动香气物质生成。90 d vs 60 d对比结果显示，基础代谢通路（碳代谢、氨基酸代谢、乙醛酸代谢等）在60 d显著富集，说明60 d样品代谢活动仍然非常活跃。色氨酸代谢在90 d样品中上调，提示发酵后期色氨酸代谢可能被激活，表明发酵60 d前后是次生代谢与风味物质合成可能的关键高峰阶段，后期则以脂质代谢和色氨酸代谢的补充富集为主[27-28]。
图9 不同发酵时间德宏傣族腊腌菜显著差异代谢物KEGG富集条形图
Fig.9 Kyoto Encyclopedia of Genes and Genomes enrichment bar chart of significantly differential metabolites in Dehong Dai La-yancai at different fermentation durations
不同环境中的微生物代谢、双组分系统、环磷酸腺苷信号通路等在特定阶段显著富集，反映发酵过程中微生物群落的物质转化、能量代谢及环境适应活跃，驱动代谢物动态累积与风味演化[29]。磷酸戊糖途径、碳代谢、乙醛酸和二羧酸代谢等基础代谢通路稳定富集，为微生物生长繁殖与次生代谢产物合成提供物质与能量支撑。
综上，德宏傣族腊腌菜发酵过程中期可能以脂质代谢与次生代谢为主导，后期脂质代谢进一步增强，这种阶段性的代谢变化与风味品质的形成存在潜在关联。
2.7 细菌属与代谢物的关联性分析
对发酵30 d（A组）与90 d（C组）的差异菌属与差异代谢物进行相关性分析。由图10A可知，微生物组与代谢组的整体分布趋势较为一致，但匹配程度未达到显著水平（M2＝0.482 2、P＞0.05），本研究每组仅设3个生物学重复，样本量偏少导致统计检验效能有限，因此该结果仅说明当前样本条件下，未检测到2组整体结构存在显著的排序一致性。
图10 90 d vs 30 d微生物组与代谢物关联分析
Fig.10 Correlation analysis between microbiome and metabolites of 90 d vs 30 d
采用Mantel检验和Spearman相关性分析进一步揭示潜在的功能关联。Mantel检验表明，部分代谢物与优势菌属呈显著相关，如磷脂、长链脂肪酸、多肽、有机酸等差异代谢物，提示菌群与代谢物之间可能存在核心功能关联模块。由图10B可知，Spearman秩相关性分析表明，微生物与代谢物间存在部分强正相关，短波单胞菌属、丛毛单胞菌属（Comamonas）及乳植杆菌属与植物次生代谢产物（如1,2-二甲氧基苯、2,5-二羟基苯甲酸）、脂肪酸及其衍生物（如3-羟基十四烷酸、21:3脂肪酸酯羟基脂肪酸等）呈正相关，而魏斯氏菌属与上述代谢物多呈负相关，与少量氨基酸（如L-谷氨酰胺、别苏氨酸等）、二肽及DL-苹果酸呈正相关。
由图10C可知，微生物与代谢物沿PC轴明显区分开。乳植杆菌属分布于第1象限，与多种脂质差异代谢物同向聚集，二者呈正相关；魏斯氏菌属位于第3象限，与上述代谢物呈显著负相关，该分布特征与菌群-代谢物相关性热图结果相互印证，二者共同揭示优势菌属与关键代谢物存在复杂的互作关系。
研究表明，泡菜风味物质的形成主要依赖发酵过程中的微生物[30]，主要风味物质有游离糖、氨基酸、有机酸等[31-32]，且不同的腌制方法、调料等都有可能影响代谢物的产生。许多研究已证实魏斯氏菌属在乳酸发酵和氨基酸降解中的显著作用，除这2个菌属外，其他菌属在发酵过程中均有不同程度的贡献[33-35]。本研究通过Spearman相关性分析进一步识别出，魏斯氏菌属与有机酸类代谢物呈正相关，乳植杆菌属与脂质及支链氨基酸类代谢物呈强正相关，这一结果与上述研究结论一致，表明乳酸菌在风味代谢中的功能具有普遍性。
3 结 论
本研究通过16S rRNA测序与UPLC-MS非靶向代谢组学分析揭示德宏傣族腊腌菜发酵过程中微生物群落与代谢物的协同演替规律。微生物群落以厚壁菌门为绝对优势菌门，变形菌门在发酵后期显著上升；属水平上，魏斯氏菌属为发酵30 d的主要优势菌属，乳植杆菌属为发酵60、90 d的主要优势菌属。LEfSe差异分析表明，魏斯氏菌属与乳植杆菌属分别为发酵30 d和90 d样品的特征标志物。代谢组共注释到1 252个代谢物，以脂质及类脂分子、有机酸及其衍生物为主，差异代谢物主要富集于脂质代谢、氨基酸代谢与微生物代谢等通路。关联分析表明，德宏傣族腊腌菜发酵过程中以局部关键菌群-代谢物配对调控为主，优势菌属呈现明显功能分化，其中魏斯氏菌属与部分有机酸及氨基酸/二肽类代谢物相关联，乳植杆菌属与脂肪酸及其衍生物代谢联系紧密；短波单胞菌属、丛毛单胞菌属等菌群和多数代谢物呈正相关，可能是参与代谢产物积累的重要微生物类群。以上研究结果初步揭示了德宏傣族腊腌菜发酵的微生物与代谢协同机制，为传统发酵蔬菜品质调控提供参考依据。
[1] 周艺萍, 熊智, 李选文, 等. 盐分对新平酸腌菜主发酵期细菌多样性的影响[J]. 中国酿造, 2021, 40(4): 26-32. DOI:10.11882/j.issn.0254-5071.2021.04.006.
[2] 胡丹丹, 陈山乔, 孙志栋, 等. 腌制叶用芥菜发酵菌应用与发酵工艺优化[J]. 现代食品科技, 2024, 40(3): 131-141. DOI:10.13982/j.mfst.1673-9078.2024.3.0177.
[3] 赵丹丹, 李卫芬. 云南大叶芥(大叶青菜)绿色高效生产栽培技术[J].云南农业科技, 2024(4): 58-60. DOI:10.3969/j.issn.1000-0488.2024.04.016.
[4] Xiao Muyan, Huang Tao, Xu Yazhou, et al. Metatranscriptomics reveals the gene functions and metabolic properties of the major microbial community during Chinese Sichuan Paocai fermentation[J]. Food Microbiology, 2021, 98: 103573. DOI:10.1016/j.fm.2020.103573.
[5] Lee M, Song J H, Jung M Y, et al. Large-scale targeted metagenomics analysis of bacterial ecological changes in 88 kimchi samples during fermentation[J]. Food Microbiology, 2017, 66: 173-183. DOI:10.1016/j.fm.2017.05.002.
[6] Gao Yaxin, Hou Lizhen, Gao Jie, et al. Metabolomics approaches for the comprehensive evaluation of fermented foods: a review[J]. Foods,2021, 10(10): 2294. DOI:10.3390/foods10102294.
[7] 佟婷婷, 田丰伟, 王刚, 等. 基于宏基因组分析四川泡菜母水作引子的泡菜发酵过程中细菌多样性变化[J]. 食品工业科技, 2015,36(21): 173-177. DOI:10.13386/j.issn1002-0306.2015.21.027.
[8] Jeong S H, Lee H J, Jung J Y, et al. Effects of red pepper powder on microbial communities and metabolites during kimchi fermentation[J]. International Journal of Food Microbiology, 2013, 160(3): 252-259. DOI:10.1016/j.ijfoodmicro.2012.10.015.
[9] Xu Buqing, Mi Ting, Ma Shiyuan, et al. Insight into the autochthonous lactic acid bacteria as starter culture for improving the quality of Sichuan radish paocai: changes in microbial diversity and metabolic profiles[J]. International Journal of Food Microbiology, 2024, 425: 110877. DOI:10.1002/fsn3.4217.
[10] Klindworth A, Pruesse E, Schweer T, et al. Evaluation of general 16S ribosomal RNA gene PCR primers for classical and next-generation sequencing-based diversity studies[J]. Nucleic Acids Research, 2013, 41(1): e1. DOI:10.1093/nar/gks808.
[11] 滕少花, 肖正中, 周晓情, 等. 罗汉果渣发酵料替代部分日粮对富凤麻鸡大肠微生物群落多样性的影响[J]. 南方农业学报, 2023, 54(6): 1667-1675. DOI:10.3969/j.issn.2095-1191.2023.06.008.
[12] 刘岩, 李志恩, 袁一鸣, 等. 基于高通量测序的象山港水域细菌多样性的研究[J]. 海洋与湖沼, 2022, 53(3): 645-653. DOI:10.11693/hyhz20211000252.
[13] 王蕴华, 魏栋, 梅雨航, 等. 注射用益气复脉(冻干)对慢性心力衰竭大鼠肠道菌群的影响[J]. 药物评价研究, 2023, 46(8): 1652-1658;1664. DOI:10.7501/j.issn.1674-6376.2023.08.004.
[14] Bolyen E, Rideout J R, Dillon M R, et al. Reproducible, interactive,scalable and extensible microbiome data science using QIIME 2[J].Nature Biotechnology, 2019, 37(8): 852-857. DOI:10.1038/s41587-019-0209-9.
[15] 夏瑜, 何绪文, 文湘华. 微生物群落多样性数学表征方法及其在污水处理系统研究中的应用[J]. 微生物学通报, 2018, 45(8): 1778-1786. DOI:10.13344/j.microbiol.china.170860.
[16] Liu Zhanggen, Peng Zhen, Huang Tao, et al. Comparison of bacterial diversity in traditionally homemade Paocai and Chinese spicy cabbage[J]. Food Microbiology, 2019, 83: 141-149. DOI:10.1016/j.fm.2019.02.012.
[17] 魏雯丽, 宫尾茂雄, 吴正云, 等. 基于宏转录组学技术解析工业豇豆泡菜发酵过程中活性微生物群落结构变化[J]. 食品与发酵工业,2020, 46(10): 60-65. DOI:10.13995/j.cnki.11-1802/ts.023497.
[18] Wang J, Wang R, Xiao Q, et al. Analysis of bacterial diversity during fermentation of Chinese traditional fermented chopped pepper[J]. Letters in Applied Microbiology, 2019, 69(5): 346-352. DOI:10.1111/lam.13212.
[19] 张其圣, 陈功, 申文熹, 等. 中国泡菜乳酸菌群落结构动态变化研究进展[J]. 食品与发酵科技, 2016, 52(6): 1-8. DOI:10.3969/j.issn.1674-506X.2016.06-001.
[20] He Zhen, Chen Huiying, Wang Xinyi, et al. Effects of different temperatures on bacterial diversity and volatile flavor compounds during the fermentation of Suancai, a traditional fermented vegetable food from northeastern China[J]. LWT-Food Science and Technology, 2020, 118: 108773. DOI:10.1016/j.lwt.2019.108773.
[21] Paramithiotis S. Lactiplantibacillus plantarum, the integral member of vegetable fermentations[J]. Applied Biosciences, 2025, 4(1): 7.DOI:10.3390/applbiosci4010007.
[22] 相启森, 马云芳, 董吉林, 等. 食品中2,3-丁二酮形成机制和检测方法的研究进展[J]. 食品与发酵工业, 2014, 40(11): 208-214.DOI:10.13995/j.cnki.11-1802/ts.201411036.
[23] 侯小艺, 王建辉, 邓娜, 等. 乳酸菌对发酵蔬菜风味影响研究进展[J]. 食品与机械, 2023, 39(4): 232-240. DOI:10.13652/j.spjx.1003.5788.2023.80162.
[24] Ye Qi, Tan Junrui, He Xiaorong, et al. Effect of lipase and lipoxygenase on lipid metabolism and the formation of main volatile flavour compounds in fermented fish products: a review[J]. International Journal of Food Science & Technology, 2024, 59(3): 1248-1259.DOI:10.1111/ijfs.16912.
[25] Li Jia, Yuan Haibo, Rong Yuting, et al. Lipid metabolic characteristics and marker compounds of ripened Pu-erh tea during pile fermentation revealed by LC-MS-based lipidomics[J]. Food Chemistry, 2023, 404:134665. DOI:10.1016/j.foodchem.2022.134665.
[26] Xiong Shijin, Xu Xiaoyan, Du Tonghao, et al. Organic acids drove the microbiota succession and consequently altered the flavor quality of Laotan Suancai across fermentation rounds: insights from the microbiome and metabolome[J]. Food Chemistry, 2024, 450: 139335.DOI:10.1016/j.foodchem.2024.139335.
[27] 李潇, 吴兴壮, 韩艳秋, 等. 人工接种东北酸菜发酵过程中氨基酸类物质的代谢变化[J]. 现代食品科技, 2023, 39(8): 40-47.DOI:10.13982/j.mfst.1673-9078.2023.8.0964.
[28] 张锡茹, 关慧, 邢少华, 等. 泡菜微生物演替与风味物质变化的研究进展[J]. 食品与发酵工业, 2021, 47(11): 18-25. DOI:10.7506/spkx1002-6630-20201213-143.
[29] Xiong Shijin, Xu Xiaoyan, Zhang Linli, et al. Integrated metatranscriptomics and metabolomics reveal microbial succession and flavor formation mechanisms during the spontaneous fermentation of Laotan Suancai[J]. Food Research International, 2024, 177: 113865.DOI: 10.1016/j.foodres.2023.113865.
[30] Xiao Muyan, Xiong Tao, Peng Zhen, et al. Correlation between microbiota and flavours in fermentation of Chinese Sichuan Paocai[J].Food Research International, 2018, 114: 123-132. DOI:10.1016/j.foodres.2018.06.051.
[31] 伍晓春, 范卓婷, 曾睿源, 等. 四川泡菜化学风味物质与健康饮食之道[J]. 化学教育(中英文), 2025, 46(5): 1-2. DOI:10.13884/j.1003-3807hxjy.2024050171.
[32] 张诗瑶, 孙钰薇, 刘志佳, 等. 中华传统发酵蔬菜风味轮廓及风味形成研究进展[J]. 中国食品学报, 2022, 22(12): 373-388.DOI:10.16429/j.1009-7848.2022.12.036.
[33] Zhang Jianming, Zhang Chengcheng, Wu Weicheng, et al. Correlation of the bacterial communities with umami components, and chemical characteristics in Zhejiang Xuecai and fermented brine[J].Food Research International, 2021, 140: 109986. DOI:10.1016/j.foodres.2020.109986.
[34] Kim K H, Chun B H, Baek J H, et al. Genomic and metabolic features of Lactobacillus sakei as revealed by its pan-genome and the metatranscriptome of kimchi fermentation[J]. Food Microbiology,2020, 86: 103341. DOI:10.1016/j.fm.2019.103341.
[35] Zhao Nan, Zhang Chuchu, Yang Qin, et al. Selection of taste markers related to lactic acid bacteria microflora metabolism for Chinese traditional Paocai: a gas chromatography-mass spectrometrybased metabolomics approach[J]. Journal of Agricultural and Food Chemistry, 2016, 64(11): 2415-2422.