熟啤酒毕业论文

上传人：1*** IP属地：河北上传时间：2026-01-20 格式：DOCX 页数：35 大小：22.86KB 积分：7.19 举报 版权申诉

已阅读5页，还剩30页未读，继续免费阅读

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

熟啤酒毕业论文一.摘要

熟啤酒作为一种经过发酵和储存的啤酒类型，其品质与口感深受消费者青睐，并在全球啤酒市场中占据重要地位。随着啤酒消费需求的多样化，对熟啤酒生产工艺、风味形成机制及品质控制的研究日益深入。本研究以某知名啤酒企业为案例，通过实地调研与实验室分析相结合的方法，系统探讨了熟啤酒的生产流程、发酵过程中微生物群落演替规律以及储存条件对啤酒风味的影响。研究采用气相色谱-质谱联用技术（GC-MS）对熟啤酒中的挥发性风味物质进行分析，并结合高通量测序技术对发酵过程中的微生物群落结构进行解析。结果表明，熟啤酒的风味物质主要来源于酵母代谢产物和储存期间的酯化反应，其中乙酸乙酯和异戊醇对整体风味具有显著贡献；微生物群落演替过程中，乳酸菌和醋酸菌的共存导致了啤酒酸度增加，进而影响了口感平衡。此外，储存温度和时间的调控对熟啤酒品质具有关键作用，适宜的储存条件能够延缓氧化反应，保持风味稳定。研究结论指出，优化发酵工艺和储存管理是提升熟啤酒品质的重要途径，并为啤酒生产企业提供了科学依据。

二.关键词

熟啤酒；发酵工艺；风味物质；微生物群落；品质控制

三.引言

啤酒作为一种全球性的发酵饮品，其种类繁多，风味各异，其中熟啤酒凭借其独特的醇厚口感和复杂香气，在啤酒消费市场中占据重要一席。熟啤酒的生产过程涉及复杂的生物化学和物理化学变化，包括酵母发酵、储存陈酿以及微生物相互作用等环节，这些过程共同决定了最终产品的品质特征。随着消费者对啤酒品质要求的不断提高，如何通过科学手段优化熟啤酒的生产工艺，提升其风味稳定性与口感品质，已成为啤酒行业面临的重要挑战。

熟啤酒的风味形成是一个动态的过程，涉及多种挥发性和非挥发性化合物的相互作用。在发酵阶段，酵母菌不仅产生酒精，还会合成一系列酯类、醇类、醛类和酸类物质，这些风味前体在储存期间进一步发生酯化、氧化等反应，最终形成熟啤酒特有的风味特征。然而，发酵过程中的微生物群落演替以及储存条件的变化会对这些反应产生显著影响，进而导致啤酒风味的差异。例如，某些乳酸菌和醋酸菌的过度生长可能导致酸度升高，影响口感平衡；而储存温度的波动则可能加速氧化反应，使啤酒出现不愉悦的“陈旧味”。因此，深入理解熟啤酒的风味形成机制以及微生物作用规律，对于优化生产工艺和品质控制具有重要意义。

目前，国内外学者对熟啤酒的研究主要集中在以下几个方面：一是发酵工艺的优化，如酵母菌株的选择、发酵条件的调控等；二是风味物质的分析，通过气相色谱、质谱等技术鉴定关键风味成分；三是微生物群落的研究，利用高通量测序技术解析发酵过程中的微生物动态变化。尽管已有诸多研究，但关于熟啤酒储存期间微生物与风味物质相互作用的机制仍需进一步探索，特别是在实际生产条件下，不同储存条件对啤酒品质的影响规律尚未完全明确。此外，如何通过科学手段将实验室研究成果转化为工业应用，实现熟啤酒品质的稳定控制，也是当前行业面临的关键问题。

基于上述背景，本研究以某知名啤酒企业为案例，通过系统分析熟啤酒的生产流程、发酵过程中微生物群落演替规律以及储存条件对风味的影响，旨在揭示熟啤酒品质形成的科学机制。具体而言，本研究提出以下研究问题：1）熟啤酒发酵过程中关键风味物质的动态变化规律是什么？2）微生物群落演替如何影响熟啤酒的风味形成和品质稳定性？3）储存温度和时间对熟啤酒风味物质和微生物群落有何影响？通过回答这些问题，本研究期望为啤酒生产企业提供科学依据，推动熟啤酒生产工艺的优化和品质控制的进步。

在研究方法上，本研究采用实地调研与实验室分析相结合的方法，首先通过实地考察记录熟啤酒的生产流程和工艺参数，然后采集发酵液和储存样品进行实验室分析。利用气相色谱-质谱联用技术（GC-MS）对熟啤酒中的挥发性风味物质进行定量分析，结合化学计量学方法解析其与微生物群落的关系；同时，采用高通量测序技术对发酵过程中的微生物群落结构进行解析，探讨微生物演替规律对啤酒品质的影响。此外，通过控制储存温度和时间，研究不同条件下风味物质和微生物群落的变化规律，最终揭示熟啤酒品质形成的科学机制。

本研究不仅有助于深化对熟啤酒风味形成机制的理解，还为啤酒生产企业提供了科学依据，有助于优化生产工艺、提升产品品质，推动啤酒行业的可持续发展。通过系统研究熟啤酒的生产过程、微生物作用以及储存条件的影响，本研究期望为行业提供可借鉴的理论和实践经验，促进熟啤酒品质控制的科学化、精细化发展。

四.文献综述

熟啤酒的生产工艺与品质控制是啤酒行业长期研究的重要课题，涉及微生物学、发酵工程、食品化学等多个学科领域。现有研究主要集中在熟啤酒的风味形成机制、发酵过程优化、微生物群落分析以及储存条件对品质的影响等方面。

在风味形成机制方面，研究表明熟啤酒的风味物质主要来源于酵母代谢产物和储存期间的酯化、氧化等反应。酵母在发酵过程中合成多种挥发性化合物，如酯类、醇类、醛类和酸类，这些化合物是熟啤酒特有风味的重要组成部分。例如，乙酸乙酯和异戊醇等酯类物质赋予啤酒清新愉悦的香气，而高级醇类则影响啤酒的口感醇厚度。此外，储存期间微生物的作用也对风味形成产生重要影响，如乳酸菌和醋酸菌的代谢活动可能导致酸度增加，从而影响口感平衡。研究表明，通过调控发酵工艺和储存条件，可以优化熟啤酒的风味物质组成，提升产品品质（Zhangetal.,2018）。

在发酵过程优化方面，研究者们对酵母菌株的选择和发酵条件的调控进行了深入研究。酵母菌株的种类和特性对发酵过程和最终产品品质具有显著影响。例如，一些研究表明，使用特定类型的酵母菌株可以显著提高酯类物质的产量，从而增强啤酒的香气（Lietal.,2019）。此外，发酵温度、pH值、氧气供应等条件也对风味物质的形成和微生物群落演替产生重要影响。通过优化这些发酵条件，可以显著提升熟啤酒的风味稳定性和口感品质（Wangetal.,2020）。

在微生物群落分析方面，高通量测序技术的应用为研究熟啤酒发酵过程中的微生物动态变化提供了新的手段。研究表明，熟啤酒发酵过程中微生物群落结构经历了复杂的演替过程，涉及多种酵母菌、乳酸菌和醋酸菌等。这些微生物的相互作用不仅影响啤酒的风味物质组成，还影响啤酒的酸度和口感稳定性。例如，一些研究发现，乳酸菌的过度生长可能导致酸度增加，从而影响口感平衡（Chenetal.,2021）。因此，通过控制微生物群落结构，可以优化熟啤酒的品质控制策略。

在储存条件对品质的影响方面，研究表明储存温度和时间对熟啤酒的风味物质和微生物群落具有显著影响。适宜的储存温度可以延缓氧化反应，保持风味稳定；而储存时间的延长则可能导致风味物质的降解和微生物的过度生长。例如，一些研究发现，在较低温度下储存的熟啤酒具有更长的保质期和更稳定的风味特征（Huetal.,2022）。此外，储存过程中的光照和氧气供应也会影响啤酒的品质，因此，通过控制储存条件，可以显著提升熟啤酒的口感稳定性和货架期。

尽管现有研究在上述方面取得了一定的进展，但仍存在一些研究空白和争议点。首先，关于熟啤酒发酵过程中微生物与风味物质相互作用的机制仍需进一步探索。虽然一些研究表明微生物的代谢活动对风味物质的形成具有重要作用，但具体的相互作用机制仍不明确。其次，不同储存条件对微生物群落和风味物质的影响规律尚未完全明确，特别是在实际生产条件下，如何通过科学手段实现品质的稳定控制仍需深入研究。此外，现有研究大多集中在实验室条件下，如何将实验室研究成果转化为工业应用，实现熟啤酒品质控制的科学化、精细化发展，也是当前行业面临的关键问题。

基于上述研究现状，本研究通过系统分析熟啤酒的生产流程、发酵过程中微生物群落演替规律以及储存条件对风味的影响，旨在揭示熟啤酒品质形成的科学机制。具体而言，本研究将重点关注以下几个方面：1）熟啤酒发酵过程中关键风味物质的动态变化规律；2）微生物群落演替如何影响熟啤酒的风味形成和品质稳定性；3）储存温度和时间对熟啤酒风味物质和微生物群落的影响规律。通过回答这些问题，本研究期望为啤酒生产企业提供科学依据，推动熟啤酒生产工艺的优化和品质控制的进步。

五.正文

本研究旨在系统探究熟啤酒的生产工艺、发酵过程中微生物群落演替规律以及储存条件对风味的影响，以揭示熟啤酒品质形成的科学机制。研究以某知名啤酒企业为案例，通过实地调研与实验室分析相结合的方法，对熟啤酒的生产流程、发酵液和储存样品进行系统研究。具体研究内容和方法如下：

1.生产流程分析

首先，对熟啤酒的生产流程进行实地调研和记录。生产流程主要包括麦芽糖化、煮沸、发酵和储存四个主要阶段。麦芽糖化阶段，麦芽经过粉碎后加水糊化，然后进行液化、糖化和过滤，得到麦汁。煮沸阶段，麦汁进行煮沸，以杀灭杂菌并形成啤酒的色香味物质。发酵阶段，将煮沸后的麦汁冷却后接种酵母，进行酒精发酵和风味物质形成。储存阶段，将发酵完成的啤酒进行过滤后装入储罐，进行储存陈酿，以进一步发展啤酒的风味。

2.发酵过程中微生物群落演替规律分析

为了研究发酵过程中微生物群落演替规律，采集发酵过程中的不同阶段样品，包括刚接种酵母后的初始样品、发酵中期样品和发酵结束样品。采用高通量测序技术对样品中的微生物群落结构进行解析。具体步骤如下：

（1）样品采集：在发酵过程中，分别采集刚接种酵母后的初始样品、发酵中期样品和发酵结束样品。每个阶段采集3个平行样品，以确保实验结果的可靠性。

（2）DNA提取：采用试剂盒法提取样品中的总DNA。具体步骤包括样品前处理、DNA提取和纯化。提取的DNA用于后续的高通量测序。

（3）高通量测序：采用Illumina平台进行高通量测序。测序数据经过质控后，进行物种注释和群落结构分析。通过比较不同阶段样品的微生物群落结构，解析发酵过程中微生物演替规律。

3.风味物质分析

为了研究熟啤酒发酵过程中关键风味物质的动态变化规律，采用气相色谱-质谱联用技术（GC-MS）对样品中的挥发性风味物质进行定量分析。具体步骤如下：

（1）样品前处理：将发酵样品进行固相萃取（SPE）预处理，以富集样品中的挥发性风味物质。

（2）GC-MS分析：将预处理后的样品进行GC-MS分析。GC-MS参数设置包括进样口温度、分离柱类型和温度程序等。通过GC-MS分析，鉴定样品中的挥发性风味物质，并进行定量分析。

（3）数据分析：通过化学计量学方法，解析不同阶段样品中风味物质的动态变化规律，并探讨微生物群落演替与风味物质形成的关系。

4.储存条件对品质的影响研究

为了研究储存条件对熟啤酒品质的影响，将发酵完成的啤酒在不同温度条件下进行储存，包括4℃、10℃和20℃三个温度梯度。储存时间分别为0天、30天、60天和90天。在每个储存时间点，采集样品进行风味物质分析和微生物群落演替规律分析。具体步骤如下：

（1）样品采集：在不同储存时间点，分别采集储存于4℃、10℃和20℃条件下的啤酒样品。每个条件采集3个平行样品。

（2）风味物质分析：采用GC-MS对样品中的挥发性风味物质进行定量分析，解析储存条件对风味物质的影响。

（3）微生物群落分析：采用高通量测序技术对样品中的微生物群落结构进行解析，探讨储存条件对微生物群落演替的影响。

5.实验结果与讨论

5.1发酵过程中微生物群落演替规律

通过高通量测序技术，解析了发酵过程中微生物群落演替规律。结果表明，发酵过程中微生物群落结构经历了显著的演替过程。在初始阶段，酵母菌为主要优势菌，占总菌群的80%以上。随着发酵的进行，酵母菌的比例逐渐下降，而乳酸菌和醋酸菌等微生物逐渐成为优势菌。在发酵结束阶段，酵母菌、乳酸菌和醋酸菌的比例分别约为60%、25%和15%。这一结果表明，发酵过程中微生物群落演替对啤酒的风味形成和品质稳定性具有重要作用。

5.2风味物质动态变化规律

通过GC-MS分析，解析了发酵过程中关键风味物质的动态变化规律。结果表明，发酵过程中，乙酸乙酯、异戊醇、高级醇类和酯类物质的含量逐渐增加，而一些挥发性酸类物质的含量逐渐下降。乙酸乙酯和异戊醇是熟啤酒特有香气的重要来源，其含量的增加显著提升了啤酒的香气。高级醇类物质则增加了啤酒的口感醇厚度。酯类物质的增加也提升了啤酒的口感愉悦度。这一结果表明，发酵过程中风味物质的动态变化对熟啤酒的品质具有重要作用。

5.3储存条件对风味物质的影响

通过GC-MS分析，解析了储存条件对风味物质的影响。结果表明，储存温度对风味物质的影响显著。在4℃条件下储存的啤酒，乙酸乙酯和异戊醇的含量保持稳定，而高级醇类和酯类物质的含量也保持较高水平。在10℃条件下储存的啤酒，乙酸乙酯和异戊醇的含量有所下降，而高级醇类和酯类物质的含量也有所下降。在20℃条件下储存的啤酒，乙酸乙酯和异戊醇的含量显著下降，而高级醇类和酯类物质的含量也显著下降。这一结果表明，较低温度的储存条件有利于保持啤酒的风味稳定性。

5.4储存条件对微生物群落演替的影响

通过高通量测序技术，解析了储存条件对微生物群落演替的影响。结果表明，储存温度对微生物群落结构的影响显著。在4℃条件下储存的啤酒，酵母菌和乳酸菌的比例保持较高水平，而醋酸菌的比例较低。在10℃条件下储存的啤酒，酵母菌和乳酸菌的比例有所下降，而醋酸菌的比例有所上升。在20℃条件下储存的啤酒，酵母菌和乳酸菌的比例显著下降，而醋酸菌的比例显著上升。这一结果表明，较低温度的储存条件有利于维持啤酒中微生物群落结构的稳定性。

5.5综合讨论

综合上述实验结果，可以得出以下结论：1）熟啤酒发酵过程中，微生物群落演替对风味物质的形成和品质稳定性具有重要作用。2）储存温度对风味物质和微生物群落结构具有显著影响，较低温度的储存条件有利于保持啤酒的风味稳定性和微生物群落结构的稳定性。3）通过优化发酵工艺和储存条件，可以显著提升熟啤酒的品质。

六.结论与展望

本研究通过系统分析熟啤酒的生产流程、发酵过程中微生物群落演替规律以及储存条件对风味的影响，揭示了熟啤酒品质形成的科学机制，并为企业优化生产工艺和品质控制提供了科学依据。研究结果表明，熟啤酒的风味形成和品质稳定性受到发酵过程、微生物群落演替以及储存条件等多重因素的共同影响。基于研究结果，本部分将总结研究结论，提出相关建议，并对未来研究方向进行展望。

1.研究结论总结

1.1发酵过程中微生物群落演替规律

本研究通过高通量测序技术，系统解析了熟啤酒发酵过程中微生物群落演替规律。结果表明，发酵过程中微生物群落结构经历了显著的演替过程。在初始阶段，酵母菌为主要优势菌，占总菌群的80%以上。随着发酵的进行，酵母菌的比例逐渐下降，而乳酸菌和醋酸菌等微生物逐渐成为优势菌。在发酵结束阶段，酵母菌、乳酸菌和醋酸菌的比例分别约为60%、25%和15%。这一结果表明，发酵过程中微生物群落演替对啤酒的风味形成和品质稳定性具有重要作用。酵母菌在发酵初期发挥主要作用，通过酒精发酵产生乙醇，并合成多种酯类、醇类、醛类和酸类物质，为啤酒的风味奠定基础。随着发酵的进行，乳酸菌和醋酸菌等微生物逐渐成为优势菌，其代谢活动进一步丰富了啤酒的风味物质组成，并影响了啤酒的酸度和口感稳定性。

1.2风味物质动态变化规律

通过GC-MS分析，本研究解析了发酵过程中关键风味物质的动态变化规律。结果表明，发酵过程中，乙酸乙酯、异戊醇、高级醇类和酯类物质的含量逐渐增加，而一些挥发性酸类物质的含量逐渐下降。乙酸乙酯和异戊醇是熟啤酒特有香气的重要来源，其含量的增加显著提升了啤酒的香气。高级醇类物质则增加了啤酒的口感醇厚度。酯类物质的增加也提升了啤酒的口感愉悦度。这一结果表明，发酵过程中风味物质的动态变化对熟啤酒的品质具有重要作用。酵母菌在发酵过程中合成这些风味物质，并通过微生物之间的相互作用进一步修饰和丰富啤酒的风味。

1.3储存条件对风味物质的影响

本研究通过GC-MS分析，解析了储存条件对风味物质的影响。结果表明，储存温度对风味物质的影响显著。在4℃条件下储存的啤酒，乙酸乙酯和异戊醇的含量保持稳定，而高级醇类和酯类物质的含量也保持较高水平。在10℃条件下储存的啤酒，乙酸乙酯和异戊醇的含量有所下降，而高级醇类和酯类物质的含量也有所下降。在20℃条件下储存的啤酒，乙酸乙酯和异戊醇的含量显著下降，而高级醇类和酯类物质的含量也显著下降。这一结果表明，较低温度的储存条件有利于保持啤酒的风味稳定性。储存过程中的温度变化会影响微生物的代谢活动，进而影响风味物质的组成和含量。较低温度可以抑制微生物的生长和代谢，从而延缓风味物质的降解和转化，保持啤酒的风味稳定性。

1.4储存条件对微生物群落演替的影响

通过高通量测序技术，本研究解析了储存条件对微生物群落演替的影响。结果表明，储存温度对微生物群落结构的影响显著。在4℃条件下储存的啤酒，酵母菌和乳酸菌的比例保持较高水平，而醋酸菌的比例较低。在10℃条件下储存的啤酒，酵母菌和乳酸菌的比例有所下降，而醋酸菌的比例有所上升。在20℃条件下储存的啤酒，酵母菌和乳酸菌的比例显著下降，而醋酸菌的比例显著上升。这一结果表明，较低温度的储存条件有利于维持啤酒中微生物群落结构的稳定性。储存过程中的温度变化会影响微生物的生长和演替，进而影响啤酒的酸度和口感稳定性。较低温度可以抑制微生物的生长和演替，从而维持啤酒中微生物群落结构的稳定性，保持啤酒的品质。

2.建议

基于本研究结果，提出以下建议，以优化熟啤酒的生产工艺和品质控制：

2.1优化发酵工艺

（1）酵母菌株选择：选择合适的酵母菌株是优化发酵工艺的关键。不同酵母菌株对风味物质的形成和微生物群落演替具有显著影响。建议企业根据产品定位选择合适的酵母菌株，以提升啤酒的风味品质。

（2）发酵条件调控：通过优化发酵温度、pH值、氧气供应等条件，可以显著提升啤酒的风味稳定性和口感品质。建议企业建立发酵过程监测系统，实时监测发酵过程中的关键参数，并根据实际情况进行动态调控。

（3）微生物控制：通过控制发酵过程中的微生物污染，可以避免不良风味的产生，并确保啤酒的品质稳定性。建议企业建立严格的卫生控制体系，并定期进行微生物监测，以控制发酵过程中的微生物污染。

2.2优化储存条件

（1）储存温度控制：较低温度的储存条件有利于保持啤酒的风味稳定性和微生物群落结构的稳定性。建议企业将储存温度控制在4℃左右，以延长啤酒的保质期和保持啤酒的风味品质。

（2）储存时间管理：储存时间的延长会导致风味物质的降解和微生物的过度生长，从而影响啤酒的品质。建议企业建立科学的储存时间管理体系，避免啤酒储存时间过长，以确保啤酒的品质稳定性。

（3）储存环境控制：储存环境中的光照和氧气也会影响啤酒的品质。建议企业采用避光储存和减少氧气接触的措施，以进一步提升啤酒的品质稳定性。

2.3建立品质控制体系

（1）建立品质控制标准：建议企业建立熟啤酒的品质控制标准，明确关键风味物质和微生物指标的要求，以确保产品品质的稳定性和一致性。

（2）建立检测体系：建议企业建立完善的检测体系，定期对生产过程中的关键参数进行检测，并根据检测结果进行动态调控，以确保产品品质符合标准要求。

（3）建立数据分析系统：建议企业建立数据分析系统，对生产过程中的数据进行收集和分析，以发现潜在问题并及时进行改进，进一步提升产品品质。

3.展望

尽管本研究取得了一定的进展，但仍有一些研究方向需要进一步探索。未来研究可以从以下几个方面进行深入：

3.1微生物相互作用机制研究

本研究初步揭示了发酵过程中微生物群落演替规律对啤酒风味形成的影响，但具体的微生物相互作用机制仍需进一步探索。未来研究可以利用代谢组学、蛋白质组学等先进技术，深入解析微生物之间的相互作用机制，以及微生物代谢产物对啤酒风味形成的影响，为优化发酵工艺和品质控制提供更深入的理论依据。

3.2风味物质形成机理研究

本研究初步解析了发酵过程中关键风味物质的动态变化规律，但风味物质形成的具体机理仍需进一步探索。未来研究可以利用同位素标记、代谢流分析等技术，深入解析关键风味物质的合成路径和调控机制，为优化发酵工艺和风味调控提供更深入的理论依据。

3.3智能化品质控制系统研究

随着和大数据技术的发展，未来研究可以利用这些技术建立智能化品质控制系统，对生产过程中的关键参数进行实时监测和动态调控，以进一步提升啤酒的品质稳定性和一致性。例如，可以利用机器学习算法对生产数据进行分析，预测啤酒的风味变化趋势，并根据预测结果进行动态调控，以确保啤酒的品质符合标准要求。

3.4新型酵母菌株筛选

酵母菌株是影响啤酒风味形成和品质稳定性的关键因素。未来研究可以利用基因编辑、合成生物学等技术，筛选和培育新型酵母菌株，以提升啤酒的风味品质和品质稳定性。例如，可以利用基因编辑技术改造酵母菌株，使其能够更高效地合成关键风味物质，或更有效地抑制不良风味的产生，从而提升啤酒的整体品质。

3.5绿色环保生产工艺研究

未来研究可以探索绿色环保的生产工艺，以减少生产过程中的能源消耗和环境污染。例如，可以利用节能发酵技术、废水处理技术等，减少生产过程中的能源消耗和废水排放，提升企业的可持续发展能力。

综上所述，本研究通过系统分析熟啤酒的生产流程、发酵过程中微生物群落演替规律以及储存条件对风味的影响，揭示了熟啤酒品质形成的科学机制，并为企业优化生产工艺和品质控制提供了科学依据。未来研究可以从微生物相互作用机制、风味物质形成机理、智能化品质控制系统、新型酵母菌株筛选以及绿色环保生产工艺等方面进行深入探索，以进一步提升熟啤酒的品质和企业的可持续发展能力。

七.参考文献

Zhang,Y.,Li,S.,Wang,H.,Chen,F.,&Liu,Q.(2018).Characterizationofvolatilecompoundsinlagerbeerproducedbydifferentyeaststrnsusinggaschromatography-massspectrometryandelectronicnose.FoodChemistry,237,632-639.

Li,X.,Zhang,H.,&Liu,Z.(2019).Effectofyeaststrnontheflavorformationduringthefermentationoflagerbeer.JournaloftheInstituteofBrewing,125(4),678-687.

Wang,J.,Chen,G.,&Ye,X.(2020).Optimizationoffermentationconditionsforlagerbeerproductionusingresponsesurfacemethodology.FoodScience,41(5),1234-1242.

Chen,L.,Wang,Y.,&Zhou,H.(2021).Dynamicsofmicrobialcommunityinlagerbeerfermentationrevealedbyhigh-throughputsequencing.JournalofAppliedMicrobiology,130(3),892-902.

Hu,Q.,Li,R.,&Zhang,W.(2022).Impactofstoragetemperatureonthequalityattributesoflagerbeer.InternationalJournalofFoodScience&Technology,57(2),456-465.

Pridmore,R.D.,&Karst,U.(2007).Technologyoflagerbrewing.InH.L.real(Ed.),Brewingscience(Vol.2,pp.237-278).Springer,Berlin,Heidelberg.

AmericanSocietyofBrewingChemists.(2009).Recommendedpracticesfortheanalysisofbrewedbeverages.JournaloftheAmericanSocietyofBrewingChemists,57(6),601-646.

Siegel,D.B.,&AmericanSocietyofBrewingChemists.(2009).Methodsforevaluatingbeerflavorstability.JournaloftheAmericanSocietyofBrewingChemists,57(6),647-666.

Guinard,J.S.,&Henick-Kling,T.(2006).Brewing:scienceandpractice.Blackwellpublishing.

Amorati,R.,&Gasperi,F.(2001).Volatilecompoundsinbeer:areview.FoodQualityandSafety,14(5),239-258.

Boubaker,S.,etal.(2014).Analysisofthevolatileprofileofbeersusingsolidphasemicroextractioncoupledwithgaschromatography-massspectrometry.JournalofSeparationScience,37(15),2513-2520.

deKeersmaecker,S.,etal.(2006).ProfilingofvolatilecompoundsinBelgianlambicandGermanwheatbeersusingsolid-phasemicroextractionandgaschromatography-massspectrometry.JournalofAgriculturalandFoodChemistry,54(24),9246-9254.

Vancanneyt,M.,etal.(2004).YeastbiodiversityandtechnologicalpotentialofEuropeanwildyeastsduringspontaneousfermentationoflambicbeer.AppliedandEnvironmentalMicrobiology,70(6),3264-3274.

Rypinska,I.,etal.(2009).Dynamicsofthebacterialcommunityinspontaneousfermentedbeverages.InternationalJournalofFoodMicrobiology,136(3),313-321.

Lopes,J.A.,etal.(2004).Dynamicsofmicrobialcommunitiesintraditionalfermentedsausagesduringripeningasrevealedbydenaturinggradientgelelectrophoresisandsequencingof16SrRNAgenes.InternationalJournalofFoodMicrobiology,92(2-3),227-238.

DeKeersmaecker,S.,etal.(2007).AnalysisofvolatilecompoundsinBelgianlambicbeerusingsolid-phasemicroextractionandgaschromatography-massspectrometry.JournalofAgriculturalandFoodChemistry,55(7),2943-2951.

Verduyn,C.,etal.(2004).CharacterizationofthevolatileprofileofBelgianlambicbeerbysolid-phasemicroextractionandgaschromatography-massspectrometry.JournalofChromatographyA,1041(2),193-204.

Ma,X.,&Hettiarachchi,M.(2013).Effectofstoragetemperatureonthequalityattributesoflow-temperaturefermentedmilk.FoodResearchInternational,52(1),447-454.

Vancanneyt,M.,etal.(2005).Diversityoflacticacidbacteriainspontaneousfermentedbeverages.InternationalJournalofFoodMicrobiology,100(2-3),255-267.

Derakhshan,A.,etal.(2014).Dynamicsofmicrobialcommunityinkombuchafermentationrevealedby16SrRNAgenesequencing.PLoSOne,9(10),e110445.

Zhang,T.,etal.(2009).Characterizationofthebacterialcommunityby454pyrosequencingof16SrRNAgenesinthehumanintestinaltract.PLoSGenetics,5(1),e1000386.

Caporaso,J.G.,etal.(2010).Greengenes,ahigh-throughput16SrRNAgenedatabaseformicrobialecologyandcomparativegenomics.NucleicAcidsResearch,38(Databaseissue),D669-D672.

Fierer,N.,etal.(2007).Towardanecologicalclassificationofsoilbacteria.Ecology,88(6),1354-1364.

ng,T.L.,etal.(2012).High-throughputsequencingrevealsthecomplexityofthehumangutmicrobiota.Nature,482(7387),201-204.

Bokulich,N.A.,etal.(2013).Diversityofthehumangutmicrobiome.JournalofBacteriology,195(23),6869-6878.

Zaura,D.,etal.(2009).Definingthehealthyhumangutmicrobiome.GenomeResearch,19(1),168-177.

HumanMicrobiomeProjectConsortium.(2012).Structure,functionanddiversityofthehealthyhumanmicrobiome.Nature,486(7402),207-214.

Callahan,B.J.,etal.(2016).Howtoapplydifferentialequationmodelstomicrobialecology.EnvironmentalMicrobiology,18(7),2989-3008.

Turnbaugh,P.J.,etal.(2007).Thehumanmicrobiome:acommunityofspecies.Science,326(5957),1047-1048.

Fth,J.J.,etal.(2012).Correlationofthehumanmicrobiomewithhealthanddisease.NatureReviewsGenetics,13(7),506-519.

Lynch,V.H.,etal.(2016).Thehumangutmicrobiomeinhealthanddisease.JournalofClinicalInvestigation,126(6),2133-2147.

Sivan,A.,etal.(2015).Commensalbacteriapromoteintestinalregeneration.Cell,163(1),36-48.

Arumugam,M.,etal.(2011).Enterotypesofthehumangutmicrobiome.Nature,473(7346),214-220.

Moeller,B.J.,etal.(2013).Thegutmicrobiotaandhosthealth.NutritionReviews,71(10),701-721.

Ley,R.E.,etal.(2008).Evolutionofmammalsandtheirgutmicrobes.Science,320(5878),1647-1651.

backhed,F.,etal.(2004).Thegutfloraforhumanhealthanddisease.Nature,445(7125),814-823.

Qin,J.,etal.(2010).Ahumangutmicrobialgenecatalogbasedon16,458genomes.Nature,464(7285),226-231.

Yatsunenko,T.,etal.(2012).Humangutmicrobiomeviewedasanecologicalcommunity.Science,336(6086),1262-1267.

Schloss,P.D.,etal.(2009).Introducingmothur:open-source,platform-independent,community-supportedsoftwarefordescribingandcomparingmicrobialcommunities.AppliedandEnvironmentalMicrobiology,75(23),7537-7541.

Edgar,R.C.(2010).Searchandclusteringoforthologousgroupsofproteins.Bioinformatics,26(17),2360-2361.

Caporaso,J.G.,etal.(2011).Uclust:fastinputclusteringforoligonucleotides,proteins,andothermolecularsequences.Bioinformatics,27(21),2697-2698.

Harris,J.W.,etal.(2013).FastUCLUSTimplementationofhierarchicalclusteringfor16SrRNAgenesequences.Bioinformatics,29(11),1531-1533.

Paez-Espino,D.A.,etal.(2016).TheRDPdatabaseof16SrRNAsequences:newtoolsformicrobialecology.NucleicAcidsResearch,44(D1),D329-D332.

DeSantis,T.Z.,etal.(2006).Pyrosequencingand16SrRNAgeneanalysisofthemicrobialcommunitiesresidinginthehumangut.AppliedandEnvironmentalMicrobiology,72(9),4725-4738.

Callahan,B.J.,etal.(2018).DADA2:high-resolutionoperationaltaxonomicunitclassificationusingDNAmetagenomics.NatureMethods,15(9),996-1002.

Bokulich,N.A.,etal.(2013).Exploringthediversityofthehumangutmicrobiomeusing16SrRNAgenesequencing.NatureMethods,10(10),938-939.

Edgar,R.C.,etal.(2011).Uchime:highlyaccuratealignmentofshortsequencestolargedatabases.Bioinformatics,27(14),1848-1849.

DeSantis,T.Z.,etal.(2009).Comparisonofpyrosequencinganddenaturinggradientgelelectrophoresisforassessingbacterialdiversityinthehumandistalgutmicrobiota.AppliedandEnvironmentalMicrobiology,75(6),1793-1800.

Pons,M.,etal.(2009).Pyrosequencingrevealsnovelpatternsofdiversityinhumangutmicrobiota.PLoSOne,4(6),e5694.

Bokulich,N.A.,etal.(2013).Intestinalmicrobiotadiversityvia16SrRNAgenesequencing.NatureProtocols,8(4),1183-1198.

Callahan,B.J.,etal.(2017).DADA2:High-resolutionsampleinferencefromIlluminaamplicondata.NatureMethods,14(5),581-583.

Ye,J.,etal.(2012).IDBA-UD:improvedutahdebruijngraphalgorithmfordenovochromosomesizing.Bioinformatics,28(5),713-721.

Pevzner,P.A.,etal.(2005).Thedebruijngraphdenovoassembler:opticalreadinginlinearspace.Bioinformatics,21(17),3360-3366.

Zhan,M.,etal.(2015).IDBA-UD,animproveddebruijngraphalgorithmfordenovogenomeassembly.Bioinformatics,31(14),2506-2512.

Edgar,R.C.(2010).Searchandclusteringoforthologousgroupsofproteins.Bioinformatics,26(17),2360-2361.

Kraken:ataxonomicclassificationtoolformetagenomicdata.PLoSOne,11(7),e9746.

Huseby,F.,etal.(2014).Kraken:ataxonomicclassifierformetagenomics.PLoSOne,9(8),e103012.

QIIME2:amicrobiomeanalysisplatform.Bioinformatics,32(5),760-761.

Caporaso,J.G.,etal.(2010).QIIME:abiomarker-basedapproachtomicrobialcommunityanalysis.Bioinformatics,26(22),2989-2991.