《食品科学》：武汉轻工大学金伟平教授等：基于聚类分析描述味觉特征和机器学习快速筛选甜味物质

蔗糖作为膳食主要的甜味物质，存在热量高、极易诱发肥胖和糖尿病等一系列的健康隐患。在当前膳食“减糖”的大背景下，越来越多的代糖得到广泛应用。然而代糖普遍存在苦、酸或涩的后味，将其全面替代蔗糖，仍然面临诸多限制因素。

甜味感知的实质是甜味物质刺激舌头上的味蕾，激发一系列化学反应通路，产生跨膜电位，并传入神经系统。根据现有的理论模型，甜味测量方法主要有生物学检测法、电化学检测法以及甜味受体结合法等。电子舌是常见的电化学检测法，其味觉传感器阵列能够与样品中的呈味物质发生物理吸附和化学键合等选择性交互作用，使传感器电极的电流或阻抗发生变化，将化学信号转化为电信号，再经结合模式识别的算法处理，实现味感的客观数字化表征。此外，电子舌也可有效区分除苦味、涩味、咸味等其他滋味。第3类快速测定甜味的方法是分子对接技术。按照感知机理过程分析，甜味物质分子结构中的某些官能团，如羟基（—OH）、氨基（—NH 2 ）等，能够与甜味物质受体（hT1R2/hT1R3）中口袋区域精准匹配并结合，进而引发与受体偶联的G-蛋白相分离，触发典型生化反应途径，产生甜味感知。因此分析甜味物质与甜味受体的结合情况，能从侧面反映出甜味的强弱。

武汉轻工大学食品科学与工程学院的杨然、吴广维、金伟平*等首先采用电子舌和分子对接两种方法，依次评价12 种典型甜味物质的味觉属性并进行数学归类。然后，通过对比多种机器学习模型的预测精度，筛选出性能最优的方法，整合甜味物质的味觉属性数据与分子对接特征数据，构建一种双模态甜味预测模型，以期为甜味物质的高效挖掘提供一种辅助筛选手段。

1 甜味物质在电子舌甜味传感器上的响应

1

基于从“不甜”到“非常甜”的感知实验，确定了各甜味物质的6 个质量浓度梯度，并以4 类（糖类、糖醇类、其他代糖以及罗汉果苷III）依次测定其在甜味传感器GL1上的敏感性差异，结果如图1所示。传感器GL1主要通过脂质/聚合物膜与甜味物质之间的相互作用产生膜电位差量化甜度。就糖类物质而言，电子舌GL1传感器对蔗糖、葡萄糖和果糖均产生正响应，且甜味值随着质量浓度的增加而增大。GL1传感器膜能与糖类分子之间形成氢键、疏水作用等，这些作用产生一系列电信号，最终形成检测响应。对于糖醇类物质而言，山梨糖醇和乳糖醇均呈现出良好的响应性，但其甜味值却随着质量浓度的增加而降低。推测在高质量浓度下，传感器膜结构改变（如极性变化等）会影响电荷传递效率，最终削弱响应。三氯蔗糖和阿斯巴甜的甜味值随质量浓度的上升而下降，表现为负响应。在三氯蔗糖分子中，氯原子的引入显著改变了羟基间的空间距离和构型，较大程度影响响应信号。而阿斯巴甜属于二肽衍生物，分子结构大，其空间体积可能干扰甜味感知过程中信号的传导效率，从而影响甜味感知。随着质量浓度的增大，莱鲍迪苷A和罗汉果苷III对电子舌GL1传感器响应呈现波动变化。此外，当溶液环境pH值发生改变，也会对电子舌的响应产生显著影响。

2 等甜度条件下甜味物质的其他味觉属性

2

电子舌还能检测酸味、苦味、涩味、后苦味、后涩味、鲜味、丰富度和咸味这8 个维度的味感特征。依据相对甜度参考范围与感官评价，配制与5%蔗糖溶液等甜的各类甜味物质溶液，对比各甜味物质在其他味觉属性上的差异。如图2A所示，蔗糖、葡萄糖、麦芽糖醇以及低聚异麦芽糖这4 种甜味物质在涩味、后苦味和后涩味等7 个味感上较为相近，但是在酸味和苦味方面差异显著。葡萄糖呈现出一定的酸味，果糖苦味较为突出。糖醇类在涩味、后涩味、后苦味等味觉属性上表现出相似性（图2B）。山梨糖醇、乳糖醇和赤藓糖醇的酸味值较高，而乳糖醇、赤藓糖醇和麦芽糖醇有一定的鲜味值。由图2C可知，莱鲍迪苷A、罗汉果苷III、三氯蔗糖和阿斯巴甜在涩味、后涩味等味觉属性上的特征值相近，但在酸味、苦味和后苦味方面差异较大。罗汉果苷III的酸味值最大，而苦味和后苦味值较小；相反，三氯蔗糖的苦味和后苦味值较大，而酸味值极小。

3 等甜度条件下甜味物质味觉属性的PCA

3

PCA作为一种常用的多元统计分析方法，利用降维的理念，在减少数据复杂性的同时，能够最大程度地解释原始数据中的重要信息。为了深入评估味觉属性对甜味物质整体味感的贡献程度，对甜味物质的9 种味觉属性指标（甜味、酸味、苦味、涩味、咸味、鲜味、丰富度、后苦味以及后涩味）进行PCA。

由表1可知，成分1、2、3的特征值均大于1，成分4特征值接近1。特征值越大表明该成分在数据中所占的方差比例越高，即该成分包含和解释的信息量越丰富。前4 个成分的累计方差贡献率达84.891%，表明这4 个成分能够有效反映等甜条件下味觉属性的大部分信息。因此，可提取前4 个成分作为PC进行降维分析。

因子载荷值能够反映甜味物质各味觉属性指标对PC载荷的相对大小和影响方向，其数值大小体现对因子的影响程度，正负号则代表变化方向。PC1方差贡献率为42.867%，它综合了苦味、酸味和鲜味的信息。由表2可知，苦味和鲜味在PC1上呈正向分布，载荷值分别为0.464和0.421；酸味在PC1上呈负向分布，载荷值为-0.425。当PC1取值大时，苦味和鲜味对甜味物质整体味感贡献大，味感表现更为突出，而酸味相对较弱。PC2和PC4主要反映丰富度和涩味的信息。这两个味觉属性在PC2和PC4上的载荷绝对值大于0.4，表明这2 个指标是判定整体味感复杂程度以及甜味的重要依据。PC3主要综合了甜味和咸味的信息，两者在PC3上呈正向分布。其中，PC3的甜味载荷值高达0.765，即PC3取值越大，甜味物质的甜味越强烈。PC1、PC2和PC4这3 个PC能够很好地代表和区分各类甜味物质的异味，可以作为甜感纯净程度的一种评价方式。

PCA得分图能够更为直观地呈现样品之间的相似性与差异性。由图3A可知，各甜味物质在PC1和PC2上的分布均较为独立。三氯蔗糖和果糖位置接近，位于PC1轴的最右端，表明两者具有类似的苦味和涩味特征。莱鲍迪苷A位于PC2的负向区间，体现出较高的丰富度。罗汉果苷III、阿斯巴甜、赤藓糖醇位于PC1的负向区间以及PC2正向区间，呈现出酸味和涩味。低聚异麦芽糖、麦芽糖醇、葡萄糖和蔗糖均处于PC1的正向区间，说明这些物质在整体味感上具有一定的相似性，苦味和鲜味味感较为微弱，丰富度较低，整体味感相对纯净。由图3B可知，蔗糖、葡萄糖、果糖、麦芽糖醇以及莱鲍迪苷A在PC3的正方向，表明这类甜味物质可能存在咸味、鲜味。而三氯蔗糖、低聚异麦芽糖和山梨糖醇位于PC3的负方向。由图3C可知，三氯蔗糖、莱鲍迪苷A、低聚异麦芽糖、罗汉果苷III、阿斯巴甜、乳糖醇均位于或接近PC4的正向区间，表明这些甜味物质可能带有涩味，或者丰富度较高。

当提取前4 个PC时，累计方差贡献率达到84.891%，足以描述各味觉属性的整体信息。基于PC的特征值及相应的特征向量，构建4 个PC的函数表达式，如式（9）～（12）所示：

式中：X 1 ～X 9 分别为甜味、酸味、苦味、涩味、后苦味、后涩味及鲜味、丰富度、咸味味觉属性响应值。

基于4 个PC所对应的方差贡献率作为权重，构建了PC综合评价函数：F＝0.505 F 1 +0.206 F 2 +0.166 F 3 +0.123 F 4 。根据综合评价函数算出12 种甜味物质的综合得分F以及相应排名，结果如表3所示。三氯蔗糖、果糖、蔗糖、低聚异麦芽糖和麦芽糖醇综合得分均大于5.0 分，表明这些甜味物质整体味感表现优良。

4 等甜度条件下甜味物质味觉属性的聚类分析

4

根据9 个味觉属性指标对12 种甜味物质展开聚类分析，结果如图4所示。当闵氏距离介于6～10之间时，甜味物质被聚为4 类。第I类涵盖了葡萄糖、低聚异麦芽糖、麦芽糖醇和蔗糖，这类甜味物质具有异味较少、甜味纯净的特点，整体呈现出良好的甜味口感。第II类为乳糖醇和莱鲍迪苷A，这两种物质均带有一定的涩味，具有独特的风味轮廓，与PCA得分图中PC1和PC4上相近的结果相印证。第III类包含了山梨糖醇、赤藓糖醇、罗汉果苷III和阿斯巴甜，这类甜味物质的酸味更为突出。第IV类为果糖和三氯蔗糖，这类甜味物质带有一定的后苦味，这与PCA得分图相吻合。随后，对聚类结果进行了方差分析（ANOVA）及事后检验。结果表明，4 个聚类得到的类别在酸味、苦味和后苦味上存在极显著差异（P＜0.001），而在涩味和后涩味上差异不显著（P＞0.05）。

5 甜味物质与甜味受体蛋白（hT1R2/hT1R3）的分子对接

5

借助Swiss-Model服务器构建甜味受体蛋白hT1R2与hT1R3的3D模型，结果如图5所示。这2 种甜味受体蛋白均由3 个部分构成（VFD、TMD以及CRD区域）。其中，VFD区域为较大中央空腔的叶片状结构，由Proteins Plus Server网站（https://proteins.plus/）预测可知，hT1R2与hT1R3蛋白的VFD区域均含有4 个结合口袋。其中，前两个结合口袋（Pocket 1和Pocket 2）具有较大的容积，能够为甜味物质配体的结合提供较大空间，可容纳多羟基和糖基配体。TMD区域则由7 根螺旋有序排列而成，对维持甜味受体的结构稳定性及在信号传导过程中发挥重要作用。CRD区域主要用来连接VFD和TMD区域，以确保甜味受体蛋白能够有序识别甜味物质并传递甜味信号。

对接得分是评价物质与甜味受体蛋白结合可能性的重要指标。通常情况下，当对接得分的绝对值大于6.0时，配体与受体具有较高的结合亲和力。MM-GBSA结合自由能常用于评估结合后复合物的稳定性，当结合自由能小于-30 kcal/mol时，表明配体与受体蛋白的结合更为稳定。由表4可知，低聚异麦芽糖、罗汉果苷III、乳糖醇和麦芽糖醇在hT1R2、hT1R3上的对接得分绝对值高，且结合自由能低，表明与甜味受体结合强。阿斯巴甜、葡萄糖、果糖、山梨糖醇和赤藓糖醇的对接得分绝对值低，结合自由能较高，表明其与hT1R2、hT1R3的结合能力较弱，结合稳定性欠佳。根据AH-B配体理论，氢键是维持配体与甜味受体结合的关键。低聚异麦芽糖、罗汉果苷III、麦芽糖醇以及山梨糖醇能够与hT1R2、hT1R3形成数量较多的氢键，而果糖、三氯蔗糖在hT1R2、hT1R3上形成的氢键相对较少。

6 甜味物质与甜味受体的对接位点分析

6

不同甜味物质与甜味受体的结合位点有一部分相似性，又有特异性。由表5可知，蔗糖与甜味受体hT1R2的预测结合位点为Glu02、Lys65、Asp142、Asp278、Ser303、Asp307，与hT1R3的对接位点为Ser66、His145、Gly168。低聚异麦芽糖与hT1R2的对接位点为Asp142、Ser303、Glu382、Arg383、Val385，与hT1R3的对接位点为Ser66、Ser104、His145、Ser147、Gly168。位于VFD2结构域的Asp142、Ser303和位于VFD3结构域的Ser66、His145和Gly168是蔗糖和低聚异麦芽糖中高频出现的位点。结合位点中高频出现的氨基酸残基发现，在蔗糖、葡萄糖、果糖、低聚异麦芽糖、麦芽糖醇以及罗汉果苷III等10 种甜味物质与hT1R2的结合位点中，Asp142作为关键残基参与配体识别，构成了hT1R2受体口袋上核心位点。

图6展示了低聚异麦芽糖、罗汉果苷III与hT1R2和hT1R3的对接位点。2 种甜味物质的氨基酸残基在hT1R2和hT1R3 VFD区域上的分布存在显著差异。具体表现为hT1R2和hT1R3受体VFD结构域本身构象的不同，当其与不同配体结合时，会影响VFD的三维结构，导致其区域上的残基空间分布不一致。糖醇类物质部分结合位点与糖类相似，然而其他残基位点仍保留自身独特性，这些位点可能是造成甜味物质味感存在差异的原因之一。当高甜度代糖作为配体时，可以与hT1R2上的Thr375以及hT1R3上的Asp101、Gln27等结合，表明其在受体口袋结合区域的构象存在一定差异，同时更多的结合位点表明其与甜味受体的结合更为稳定。

7 甜味物质与甜味受体蛋白分子对接的聚类分析

7

基于对接得分、结合自由能、氢键形成情况以及疏水相互作用等关键参数，借助SPSS软件对甜味物质进行了聚类分析。如图7所示，12 种甜味物质与受体蛋白hT1R2和hT1R3的对接结果在特定的闵氏距离区间内均可被聚为3 类。在hT1R2受体上，第I类涵盖低聚异麦芽糖、麦芽糖醇、乳糖醇以及罗汉果苷III，这类甜味物质的对接得分绝对值高、结合自由能低、结合状态稳定。第II类为三氯蔗糖、莱鲍迪苷A、果糖、阿斯巴甜、葡萄糖以及赤藓糖醇，这类甜味物质的对接得分绝对值较低、与hT1R2受体之间形成的氢键作用较少、结合稳定性较差。第III类为蔗糖和山梨糖醇，这类甜味物质的结合自由能较高，分子活性较低。在hT1R3受体上，第I类包括果糖、三氯蔗糖、赤藓糖醇以及阿斯巴甜，这类甜味物质对接得分绝对值较低，均未形成稳定的对接状态。第II类涵盖麦芽糖醇、莱鲍迪苷A、蔗糖以及乳糖醇，这类甜味物质对接得分较低，结合自由能较高，均能与hT1R3受体实现稳定对接。第III类为葡萄糖、山梨糖醇、低聚异麦芽糖以及罗汉果苷III，这类甜味物质结合自由能较低、分子活性较高。

8 双模态机器学习预测模型及验证

8

基于12 种甜味物质的电子舌和分子对接数据，分别采用PLS、SVR和RF算法，构建其基于单一模态原始数据与分子特征值的预测模型。如表6所示，在单模态模型中，RF模型在电子舌数据和分子对接数据上均表现最佳，其均方根误差（RMSE）和R2明显优于PLS和SVR。进一步通过特征层融合两种单模态数据，3 种方法的模型性能均有提升。其中，基于PLS方法的双模态模型预测准确性最优，其RMSE＝0.541、R2＝0.901。

以蔗糖为目标甜味物质，引入余弦相似度计算候选甜味物质与目标样本的特征相似性，并通过加权求和获得候选甜味物质的综合相似性指标。通过设置筛选阈值（综合相似度（sim_total）＞0.8；基于分子对接数据的余弦相似度（cos_dock）＞0.5，基于电子舌数据的余弦相似度（cos_et）＞0.5）输出热图，直观呈现候选甜味物质与蔗糖在各项计算指标间的关联强度。颜色越趋近红色表明关键指标与蔗糖的相似度越高，越趋近蓝色则意味着相似度越低。从整体上看，麦芽糖醇、低聚异麦芽糖与蔗糖综合相似性表现最优，乳糖醇和罗汉果苷III次之，其余甜味物质与蔗糖差异显著（图8）。此外，借助感官评价方法对麦芽糖醇和低聚异麦芽糖的甜味特性进行了补充评估。如表7所示，这两种甜味物质整体的异味较少，甜味纯净度较高。志愿者的评价结果呈现良好的一致性。在甜味纯净度上，蔗糖得分9.96 分，麦芽糖醇为8.19 分，低聚异麦芽糖为7.56 分。统计检验表明，麦芽糖醇和低聚异麦芽糖均与蔗糖在模型预测中具有较高的相似度，但是在感官层面仍具有极显著差异（P＜0.001）。因此，以麦芽糖醇和低聚异麦芽糖作为基底，复配其他代糖，有望实现蔗糖的完全替代。

9 结 论

9

本研究综合运用电子舌技术和分子对接技术，对12 种典型甜味物质的味觉特征展开深入分析。借助PCA与聚类分析相结合的方法，依据电子舌的综合味觉属性将甜味物质分为4 类：I类（蔗糖、葡萄糖、低聚异麦芽糖以及麦芽糖醇）、II类（乳糖醇、莱鲍迪苷A）、III类（山梨糖醇、赤藓糖醇、罗汉果苷III以及阿斯巴甜）和IV类（果糖、三氯蔗糖）。分子对接研究显示，低聚异麦芽糖、乳糖醇、麦芽糖醇以及罗汉果苷III在两种甜味受体（hT1R2、hT1R3）中均展现出较高的结合稳定性。随后，构建了基于电子舌和分子对接的双模态辅助筛选甜味剂的机器学习模型，筛选出低聚异麦芽糖和麦芽糖醇作为与蔗糖甜感最接近的候选甜味物质。本研究结果为采用更低成本、更快速度筛选新型甜味物质提供了一种新的技术手段。

作者简介

通信作者：

金伟平，女，武汉轻工大学，教授，硕士研究生导师。现任食品科学与工程学院院长助理，负责科研与研究生工作；担任学校“双一流”建设学科谷物加工方向骨干。主要研究领域为粮油加工中功能活性大分子资源开发。先后主持完成国家级项目2 项、省部市级科研项目5 项，参与中央引导地方科技发展专项等纵横向项目共17 项；在学科主流SCI、EI期刊发表论文100余篇，授权发明专利10 件。

第一作者：

杨然，女，汉族，武汉轻工大学食品科学与工程学院2023级硕士研究生，攻读食品加工与安全专业硕士研究生学位，研究方向为新资源食品开发。

引文格式：

杨然, 吴广维, 杨宁, 等. 基于聚类分析描述味觉特征和机器学习快速筛选甜味物质[J]. 食品科学, 2026, 47(2): 48-57. DOI:10.7506/spkx1002-6630-20250709-077.

YANG Ran, WU Guangwei, YANG Ning, et al. Rapid screening of sweeteners through cluster analysis of taste attributes and machine learning[J]. Food Science, 2026, 47(2): 48-57. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-20250709-077.

实习编辑：甘冬娜；责任编辑：张睿梅。点击下方阅读原文即可查看全文。图片来源于文章原文及摄图网

为汇聚全球智慧共探产业变革方向，搭建跨学科、跨国界的协同创新平台，由北京食品科学研究院、中国肉类食品综合研究中心、国家市场监督管理总局技术创新中心（动物替代蛋白）、中国食品杂志社《食品科学》杂志（EI收录）、中国食品杂志社《Food Science and Human Wellness》杂志（SCI收录）、中国食品杂志社《Journal of Future Foods》杂志（ESCI收录）主办，西南大学、 重庆市农业科学院、 重庆市农产品加工业技术创新联盟、重庆工商大学、 重庆三峡科技大学 、西华大学、成都大学、四川旅游学院、北京联合大学、 中国-匈牙利食品科学“一带一路”联合实验室（筹） 共同主办 的“ 第三届大食物观·未来食品科技创新国际研讨会 ”， 将于2026年4月25-26日 （4月24日全天报到） 在中国 重庆召开。

长按或微信扫码进行注册

为系统提升我国食品营养与安全的科技创新策源能力，加速科技成果向现实生产力转化，推动食品产业向绿色化、智能化、高端化转型升级，由北京食品科学研究院、中国食品杂志社《食品科学》杂志（EI收录）、中国食品杂志社《Food Science and Human Wellness》杂志（SCI收录）、中国食品杂志社《Journal of Future Foods》杂志（ESCI收录）主办，合肥工业大学、安徽农业大学、安徽省食品行业协会、安徽大学、合肥大学、合肥师范学院、北京工商大学、中国科技大学附属第一医院临床营养科、安徽粮食工程职业学院、安徽省农科院农产品加工研究所、安徽科技学院、皖西学院、黄山学院、滁州学院、蚌埠学院共同主办的“第六届食品科学与人类健康国际研讨会”，将于 2026年8月15-16日（8月14日全天报到）在中国 安徽 合肥召开。

长按或微信扫码进行注册

会议招商招展

联系人：杨红；电话：010-83152138；手机：13522179918（微信同号）