Foundation for massive-scale analysis of fermented beverages

Abstract

Brygging og konsum av øl er sentralt i svært mange kulturer, og er en av de eldste vedvarende formene for bioteknologi vi har. Det kommersielle markedet for øl er stort, med enormt mange ulike typer og stiler allerede i produksjon, og en hurtig utvikling på feltet. Likevel er mye av vår forståelse av produksjon og kategorisering av øl basert mer på tradisjon og håndverk enn på vitenskapelig grunnlag. Systems Brewology-prosjektet ved AlmaasLab, NTNU Trondheim har som mål å utvikle vår vitenskapelige kunnskap om kategorisering, vurdering, produksjon og sensoriske opplevelser av øl. Gjennom bruk av verktøy for datautvinning og maskinlæring for analyse av databaser med informasjon om kjemisk sammensetting av øl, håper vi å kunne utvinne ny kunnskap om bryggekunsten.

Målet for denne avhandlingen har vært å legge grunnlaget for å etablere en database som kan fasilitere storskala dataanalyse av øl. Arbeidet med å legge dette grunnlaget kan deles i to kategorier: praktiske og teoretiske. Det praktiske arbeidet har bestått av å produsere data for å undersøke mulighetene for bruk av kjemiske analysemetoder, evaluering av statistiske metoder for multivariatanalyse, og produksjon av protokoller for prøvebehandling og henting av one-dimensional proton nuclear magnetic resonance (1D 1H NMR). Det teoretiske arbeidet gikk ut på å etablere en struktur for den kommende databasen, og å evaluere potensielle databaseplattformer. En plattform for citizen-science ble også etablert ved å utvikle en nettside for kontakt mellom hjemmebryggere og Systems Brewology prosjektet.

Det praktiske arbeidet hadde som hensikt å utforske muligheter og begrensninger ved fingerprinting av prøver fra øl med 1D 1H NMR. For å oppnå dette ble de følgende tre studiene gjennomført: (1) Evaluering av tradisjonelle kategoriseringer av øl fra et kommersielt bryggeri på basis av kjemisk sammensetning; (2) undersøkelse av de sensoriske og kjemiske effektene ved ulike gjærmengder under fermentering; (3) studie av kjemiske endringer forårsaket av aldring i øl smaksatt med alger. Prøver for disse studiene ble produsert i våre laboratorier, eller innhentet gjennom samarbeid med industri. Alle prøvene ble analysert ved bruk av 1D 1H NMR-spektroskopi. Spektra fra prøvene ble analysert ved bruk av ulike metoder for multivariatanalyse, slik som Principal Component Analysis (PCA), Partial Least-Squares Discriminant Analysis (PLS-DA), t-Distributed Stochastic Neighbor Embedding (t-SNE), hierarchical clustering, k-means clustering, og kvantifisering av forbindelser. Prosessen for prøvebehandling ble standardisert og samlet til en detaljert manual for prøvetaking, behandling, og innhenting av spektra ved NMR.

Det teoretiske arbeidet siktet for det første på å etablere en lagringsstruktur for den kommende databasen. For å gjøre dette var det nødvending å utvikle en dypere forståelse for den hierarkiske strukturen brukt for kategorisering av ulike øltyper, ettersom denne strukturen vil være sentral for hvordan prøver skal kategoriseres og lagres. En ontologi for kategorier og beskrivelser av øl ble derfor utviklet, noe som vil bidra til forståelse og dokumentering av strukturen, samt fungere som et grunnlag for en database. Det andre målet for det teoretiske arbeidet var å undersøke ulike tilgjengelige databaseløsninger, og vurdere dem i forhold til nødvendige egenskaper basert på karakteristikken til dataen funnet under det praktiske arbeidet.

Arbeidet gjort i denne avhandlingen har vist at en strømlinjet metode for 1D 1H NMRspektroskopi kan bli brukt til å raskt og effektivt analysere flere ulike øl og fremstille informative resultat. Det blir også vist hvordan ulike statistiske metoder kan bli brukt for å vurdere høydimensjonell data produsert fra NMR-spektroskopi av øl. Studiene gjort her kunne ikke avdekke statistisk signifikante forskjeller mellom konvensjonelle kategorier av øl, men forskjeller på basis av gjærmengde og aldring ble oppdaget. Bruk av fingerprinting ved multivariatanalyse av 1D 1H NMR-spektra gav lovende resultat for hurtig vurdering av prøver, men visse begrensinger ved bruk av 1D 1H NMR for komplekse medium, slik som øl, ble oppdaget. Forslag til mulige forbedringer beskrives i denne avhandlingen. Basert på kunnskap fra strukturen av dataen produsert under det praktiske arbeidet ble databasesystemet openBIS valgt som den optimale løsningen for etablering av en database for ølprøver. Ontologien som ble fremstilt vil kunne fungere som mal for databasestrukturen, og som et kontrollert vokabular ved annotering av prøver.

Totalt sett presenterer dette arbeidet en NMR-basert omics-level analysemetode for øl. Dette inkluderer undersøkelser av sentrale kontroll-parametere og valg av metoder for statistisk analyse av de resulterende høydimensjonelle dataene. Grunnarbeidet for en omfattende databaseløsning legges også frem, bestående av en ontologi samt valg av passende datasystemer for fremtidig ansamling og analyse av data fra øl, både ved nevnte og nye potensielle metoder for innhenting og analyse av data.

Brewing and consumption of beer is central to many cultures and is one of the oldest and most enduring forms of biotechnology. The commercial market for beer is large, and the available variety of styles and types is vast and constantly expanding. However, much of our understanding of beer and the categories thereof is based on tradition and artistic expression rather than a scientific foundation. The Systems Brewology Project in AlmaasLab at NTNU Trondheim aims to expand our scientific understanding of beer categorization, characterization, production process, and sensory experience. With the use of data mining and machine learning tools for analysis of a large database of chemical composition data on annotated beer samples, we aim to gain new insights into the ancient art of brewing.

The aim of this thesis has been to lay the foundation for creating a database capable of facilitating massive-scale data analysis. The efforts used in laying this foundation can be split into two categories: practical and theoretical. The practical efforts consisted of generating sample data to examine the viability of chemical analysis, data exploration by multivariate statistical analysis, and creating documentation for sample preparation and one-dimensional proton nuclear magnetic resonance (1D 1H NMR) acquisition. The theoretical efforts were focused on creating a storage structure for the coming database and evaluating options for database platforms, as well as the development of a platform for citizen-science by creating a website for contact with homebrewers.

The practical efforts aimed to explore the capabilities and limitations of fingerprinting by 1D 1H NMR in beer samples. For this, the following three case studies were completed: (1) study of traditional categorization of samples from a commercial brewery on the basis of chemical composition; (2) study of the effects of different pitching rates on taste and chemical spectra; (3) exploring the chemical changes caused by aging in beers flavoured with algae. Samples for these studies were produced in-house, as well as gathered through industry cooperation. These were analyzed using 1D 1H NMR spectroscopy. The resulting spectra were processed and analyzed using a variety of multivariate statistics, including Principal Component Analysis (PCA), Partial Least-Squares Discriminant Analysis (PLSDA), t-Distributed Stochastic Neighbor Embedding (t-SNE), hierarchical clustering, k-means clustering, and compound quantification. The sample treatment process was standardized and compiled into a comprehensive manual for sampling, preparation and NMR acquisition.

The theoretical efforts aimed firstly at creating a storage structure for the database. To this end, a deeper understanding of the hierarchical structure used for categorization of beer types were required to sort and store a large number of beer samples. In order to document this structure and create a template for a database, an ontology of beer style categories was created. The ontology contains descriptions of most known beer styles, as well as records of the samples created in the practical efforts. The second aim of the theoretical efforts was to evaluate different database system solutions based on the characteristics of data from the practical efforts.

The work done during this thesis has demonstrated that a streamlined method of 1D 1H NMR spectroscopy can be used to quickly analyze multiple samples of beer to produce informative results. It also demonstrates how statistical analysis tools for multivariate data analysis can be used to examine high-dimensional data produced by NMR spectroscopy of beer samples. Findings from case studies of beer samples did not detect statistically significant differences between conventional categories of beer, however, differences due to pitching rate and aging were detected. The approach using fingerprinting by multivariate analysis on 1D 1H NMR spectra showed promise for quick exploration of sample sets. Limitations in accuracy of 1D 1H NMR were encountered for complex solutions like beer, and suggestions for future improvements are detailed herein. Based on lessons from the data produced in the practical efforts, the database solution openBIS was chosen as the optimal database system framework for building a repository. The comprehensive ontology provided can be used to inform the storage structure of a database, as well as function as a controlled language for sample annotation.

Overall, this work presents an NMR-based omics-level analysis pipeline for beer. This includes an investigation of different central control parameters and a selection of statistical analyses for the resulting high-dimensional data. It also presents the groundwork for a comprehensive database, including an ontology and choice of an appropriate software for implementation of future compilation and analysis of data from beer, using both the abovementioned and other new methods for data collection and analysis.