把一份豌豆分离蛋白溶在水里，闻到的“豆腥”“青草”“纸板”“泥土”，其实是几类不同的化合物在同时发声。研发里常见的失误，是把它们当成同一个问题，热一下、加点香草了事，结果有的成分消失了，有的只是被盖住，有的在加工中又冒出来。纵横国际整理植物基配方与植物蛋白风味资料时，先把这份“名单”拆开，逐项对应处理手段和副作用。
名单一：醛类（己醛、戊醛、壬醛）
来源。大豆、豌豆含有多不饱和脂肪酸和脂氧合酶。籽粒一旦粉碎遇水，酶与底物接触，在氧气参与下生成氢过氧化物，再裂解成己醛、戊醛、壬醛等短链醛，这条脂氧合酶氧化路径是青草味、豆腥味的重要来源。处理。加热灭酶（如热磨）阻止新的生成，脱脂减少底物。副作用。灭酶挡不住储存中已经氧化出来的醛；过度加热让蛋白溶解度下降；脱脂常需溶剂，还会带走部分有益香气。
反直觉的是，蛋白越纯，异味未必越少。文献中常见的解释是，醛类可通过疏水作用等与蛋白结合，洗涤时不易洗掉，加热或稀释时再释放。粉末看起来洁白，并不保证冲成饮料以后味道干净，异味要在成品的水相里、加热之后再评价。
名单二：醇、酮与呋喃类
来源。它们同属脂质氧化链条上的产物：1-辛烯-3-醇常被描述为蘑菇、泥土味，2-戊基呋喃与豆味相联系，1-己醇带青草感，2-庚酮同属此类。处理。真空脱气或蒸汽汽提带走游离挥发物；活性炭、环糊精、树脂等吸附材料也能留住一部分。副作用。选择性有限，异味与想保留的香气一起被带走，饮料变得寡淡；吸附材料的食品级要求与残留按现行法规核对。
名单三：含硫化合物与甲氧基吡嗪
来源。含硫化合物常带来蒸煮蔬菜般的味道，甲氧基吡嗪给出豌豆、泥土一类的气味，它们的阈值往往极低，微量就能被闻到。处理。发酵和酶处理是常被尝试的方向。副作用。阈值低意味着“降了很多，仍然闻得到”：假设某种甲氧基吡嗪起初是阈值的 500 倍（示意数字），下降 99% 后仍是 5 倍，鼻子照样能察觉。
名单四：涩与苦（不在挥发物里）
来源。大豆皂苷、异黄酮、酚类和水解产生的苦味肽，常被认为与涩、苦有关；涩感是口腔里的收敛触觉。处理。水洗或乙醇洗涤、蛋白酶等酶处理、吸附树脂，以及用甜味、脂肪、盐和黏度调节感知。副作用。洗涤带走部分功能成分、降低溶解性；酶处理可能把涩换成苦；遮蔽只是让另一种感受占据注意力，叠加不好，就成了“豆味加香草味”这种新的不协调。
发酵：不是“去掉”，而是“改写”
乳酸菌或酵母发酵可以转化或去除部分异味物质，机制大致有两条：醛类被还原成醇或氧化成酸，部分含硫和呋喃类化合物被代谢。但发酵同时新增一批挥发物：乙酸带来酸味，双乙酰偏奶油味，酵母还生成酯类和高级醇。挥发物谱被改写，而不是清零。pH 降到蛋白等电点附近还可能沉淀，这与植物奶稳定性的取舍是同一个问题。
一项序贯发酵研究（分阶段接入不同微生物）报告，多种植物蛋白中己醛、2-戊基呋喃、甲氧基吡嗪、含硫化合物等关键气味物质下降了 95–99%。这是该研究在特定原料、菌株和条件下的测量，指所测挥发物含量的下降，并不等于“豆腥味减少了 95–99%”。
AI 与机器学习：把“名单”变成“一张图”
风味图谱的常规做法：对每个样品用顶空固相微萃取加气相色谱-质谱（HS-SPME-GC-MS）测挥发物，用气相色谱-嗅闻（GC-O）确认哪些峰真有气味，再把浓度除以阈值得到气味活度值（Odor Activity Value，OAV），最后与感官评分对齐。得到“样品、挥发物、感官属性”的矩阵后，偏最小二乘、随机森林或神经网络便能找出哪些挥发物与“豆腥”“青草”评分最相关。
变成优化问题，就是多目标的：既要压低豆腥相关指标，又要保住溶解性、乳化性和蛋白回收率，控制发酵时间与成本，还不能引入太多新异味。2026 年有研究把人工神经网络与 NSGA-II 多目标遗传算法结合，开发植物基发酵饮品（具体目标与变量以原文为准）。这类方法给出的是一条取舍曲线，而不是唯一的“最优菌株”。
感官数据为什么不能省
顶空挥发物看不见涩和苦，它们来自不挥发成分；即便是挥发物，气味强度也受基质影响，脂肪和蛋白会留住香气。所以模型学到的只是“哪些峰变化时评分跟着变”，评分必须来自训练过的感官小组：描述性分析、三角检验等都可以，关键是同一批样品同时有仪器数据和感官数据。植物奶研究里也出现过：与牛乳有共有挥发物的预测配方，感官上仍被评为带有涩、苦和金属味。
一个马上能做的小实验：同一批蛋白做“原样、热灭酶、发酵、发酵加吸附”四个处理，各做一次挥发物检测和一轮三角检验（假设 15 位评价员），看仪器读数与感官是否同向。真正没解决的是涩味：它缺少像己醛那样便于定量的指标，电子舌、液相色谱与触觉评价怎样进入风味图谱，要靠数据层的对齐。
