以工业啤酒发酵过程数据为基础,分析啤酒风味物质与感官品评数据之间的相互关联,建立啤酒感官评价预测模型,并以此为依据,开展Lager酵母代谢组学分析,对于实现醇酯比稳定调控以及揭示啤酒发酵过程中醇酯生成规律具有重要意义。选取500组工业生产数据,包括啤酒风味物质含量和感官品评数据,利用偏最小二乘(PLS)、BP神经网络(ANN-BP)和支持向量机(SVM)建立感官品评得分对啤酒风味物质的回归模型,同时对不同核函数的SVM进行比较(径向基核函数RBF和多线性核函数Ploy)。研究表明RBF-SVM模型预测效果最好,验证集的预测精度为96.2%,ANN-BP和PLS模型对验证集的预测效果分别为52.1%、42.7%,而P loy-SVM的预测精度为32.9%。对工业发酵过程Lager酵母胞内代谢物进行鉴定,共定性定量到62种胞内代谢物,包括氨基酸类,糖醇类,糖类,糖酸,有机酸,脂肪酸等,其中氨基酸种类最多(17种)。通过主成分分析(PCA)和PLS对高通量数据进行分析：PCA结果表明磷酸、海藻糖、琥珀酸、谷氨酰胺、天冬氨酸、丙氨酸对主成分贡献比较大,说明这些代谢物在不同发酵阶段含量变化显著。在PLS分析中利用VIP值来量化每种胞内代谢物对风味物质的影响,结果表明VIP值>1的关键代谢物有14种,其中氨基酸有10种,说明对风味物质影响最大的胞内代谢物为氨基酸。其他一些代谢物如TCA循环中间代谢产物琥珀酸的VIP值为1.3465,脂肪酸代谢相关的葵酸VIP值为1.3025、十六烯酸VIP值为1.2915,以及海藻糖VIP值为1.2994,磷酸VIP值为1.2888,说明这些代谢物对啤酒风味物质的生成也具有显著影响。