微生物培養(yǎng)基優(yōu)化方法的研究進(jìn)展！

微生物菌種查詢(xún)網(wǎng)：微生物初級(jí)代謝產(chǎn)物和次級(jí)代謝產(chǎn)物的生物合成與培養(yǎng)基組成和培養(yǎng)條件密切相關(guān)，而在一個(gè)高度非線(xiàn)性、非結(jié)構(gòu)化的復(fù)雜系統(tǒng)中要獲得工藝，試驗(yàn)優(yōu)化技術(shù)具有很重要的作用。本文綜述了單因子試驗(yàn)、正交試驗(yàn)、均勻設(shè)計(jì)、響應(yīng)面設(shè)計(jì)、遺傳算法和神經(jīng)網(wǎng)絡(luò)等優(yōu)化技術(shù)并進(jìn)行了展望。

微生物發(fā)酵是指微生物利用一些原料養(yǎng)分在合適的發(fā)酵條件下經(jīng)特定的代謝途徑轉(zhuǎn)變成所需產(chǎn)物的一類(lèi)復(fù)雜的生物過(guò)程，涉及到許多相互影響的因素，產(chǎn)物生物合成水平除受微生物內(nèi)部代謝機(jī)理、調(diào)控機(jī)制等影響外，還有外界環(huán)境(培養(yǎng)基組成與配比、發(fā)酵溫度 、發(fā)酵pH、溶氧等)的影響 。因此，限度地合成目的產(chǎn)物并非易事，并且對(duì)于一個(gè)高度非線(xiàn)性、非結(jié)構(gòu)化的復(fù)雜發(fā)酵系統(tǒng)而言，要建立一個(gè)準(zhǔn)確、滿(mǎn)意的合成模型則更為困難，而試驗(yàn)優(yōu)化技術(shù)的應(yīng)用，特別是多元方程擬合技術(shù)(響應(yīng)技術(shù))的應(yīng)用可以很好地解決該問(wèn)題。傳統(tǒng)的優(yōu)化技術(shù)(如單因素法)雖然方法簡(jiǎn)單、易行，結(jié)果較直觀，但在考察多個(gè)因素時(shí)會(huì)浪費(fèi)大量時(shí)間，且有可能導(dǎo)致不可靠的甚至錯(cuò)誤的結(jié)論，因此，常常僅作為過(guò)程優(yōu)化的初步試驗(yàn)。在考察多個(gè)因素時(shí)，為了減少試驗(yàn)次數(shù)，節(jié)省時(shí)間，通常采用統(tǒng)計(jì)優(yōu)化技術(shù)，這是因?yàn)榻y(tǒng)計(jì)優(yōu)化技術(shù)無(wú)論從試驗(yàn)設(shè)計(jì)到數(shù)據(jù)分析以及模型的建立與統(tǒng)計(jì)學(xué)密切相關(guān)，它能夠以較少的試驗(yàn)次數(shù)獲得極為豐富的統(tǒng)計(jì)信息。因此，被廣泛地應(yīng)用于微生物發(fā)酵培養(yǎng)基配方的優(yōu)化中，以確定發(fā)酵工藝參數(shù)，從而實(shí)現(xiàn)高產(chǎn)、優(yōu)質(zhì)、低消耗等經(jīng)濟(jì)目標(biāo)，本文對(duì)常用的優(yōu)化試驗(yàn)方法進(jìn)行了綜述。

一、單因素試驗(yàn)法

單因素試驗(yàn)是在假設(shè)因素間不存在交互作用的前提下，通過(guò)一次只改變一個(gè)因素且保證其他因素維持在恒定水平的條件下，研究不同試驗(yàn)水平對(duì)結(jié)果的影響，然后逐個(gè)因素進(jìn)行考察的優(yōu)化方法，是試驗(yàn)研究中的優(yōu)化策略之一。王曉輝等人利用單因素試驗(yàn)對(duì)BS070623蛋白酶高產(chǎn)突變株進(jìn)行了發(fā)酵培養(yǎng)基優(yōu)化試驗(yàn)，取得了良好效果。然而，對(duì)于大多數(shù)培養(yǎng)基而言，其組分相當(dāng)復(fù)雜，僅通過(guò)單因素試驗(yàn)往往無(wú)法達(dá)到預(yù)期的效果，特別是在試驗(yàn)因素很多的情況下 ，需要進(jìn)行較多的試驗(yàn)次數(shù)和試驗(yàn)周期才能完成各因素的逐個(gè)優(yōu)化篩選，因此，單因素試驗(yàn)經(jīng)常被用在正交試驗(yàn)之前或與均勻設(shè)計(jì)、響應(yīng)面分析等結(jié)合使用。利用單因子試驗(yàn)和正交試驗(yàn)相結(jié)合的方法，可用較少的試驗(yàn)找出各因素之間的相互關(guān)系，從而較快地確定出培養(yǎng)基的組合。較常見(jiàn)的是先通過(guò)單因素試驗(yàn)確定碳、氮源，再進(jìn)行正交試驗(yàn)，或者通過(guò)單因素試驗(yàn)直接確定碳氮比，再進(jìn)行正交試驗(yàn)。

二、正交設(shè)計(jì)試驗(yàn)法

正交設(shè)計(jì)試驗(yàn)法是利用一套表格，設(shè)計(jì)多因素、多指標(biāo)、多因素間存在交互作用而具有隨機(jī)誤差的試驗(yàn)，并利用普通的統(tǒng)計(jì)分析方法來(lái)分析試驗(yàn)結(jié)果。正交設(shè)計(jì)試驗(yàn)法對(duì)因素的個(gè)數(shù)沒(méi)有嚴(yán)格的限制，而且無(wú)論因素之間有無(wú)交互作用，均可使用。利用正交表可于多種水平組合中，挑出具有代表性的試驗(yàn)點(diǎn)進(jìn)行試驗(yàn)，它不僅能以全面試驗(yàn)大大減少試驗(yàn)次數(shù)，而且能通過(guò)試驗(yàn)分析把好的試驗(yàn)點(diǎn)(即使不包含在正交表中的)找出來(lái)。利用正交設(shè)計(jì)試驗(yàn)得 出的結(jié)果可能與傳統(tǒng)的單因素試驗(yàn)法的結(jié)果一致，但正交試驗(yàn)設(shè)計(jì)考察因素及水平合理、分布均勻，不需進(jìn)行重復(fù)試驗(yàn)，誤差便可估計(jì)出來(lái)，因而計(jì)算精度較高，特別是在試驗(yàn)因素越多 、水平越多、因素之間交互作用越多時(shí)，優(yōu)勢(shì)表現(xiàn)越明顯，此時(shí)，使用單因素試驗(yàn)法幾乎不可能實(shí)現(xiàn)。孟和畢力格等人利用正交試驗(yàn)對(duì)傳統(tǒng)乳制品中產(chǎn)γ-GABA乳酸菌培養(yǎng)基進(jìn)行了優(yōu)化，獲得了滿(mǎn)意結(jié)果，采用優(yōu)化后的培養(yǎng)基于32℃發(fā)酵培養(yǎng) 96 h，產(chǎn)物含量高達(dá)10.78 g／L。鐘為章等人采用L16正交表對(duì)紅螺菌科光合細(xì)菌液體培養(yǎng)基組成進(jìn)行了優(yōu)化，利用優(yōu)化培養(yǎng)基在光照3000 lx、(32±2)℃條件下培養(yǎng)3d，細(xì)菌總數(shù)由1.63×109cfu／mL增殖至3.68x10 cfu／mL。蔡成崗等人以角蛋白酶為考察指標(biāo)，采用正交試驗(yàn)對(duì)枯草芽孢桿菌菌株KD—N2生產(chǎn)角蛋白酶培養(yǎng)基進(jìn)行了優(yōu)化研究，產(chǎn)物酶活力可達(dá)到(66.5±2.04)U／mL。在正交試驗(yàn)中，如果所考察的指標(biāo)涉及到模糊 因子時(shí)，不能直接使用正交設(shè)計(jì)試驗(yàn)法，可以把正交試驗(yàn)結(jié)果模糊化，然后用模糊數(shù)學(xué)的理論和方法處理試驗(yàn)數(shù)據(jù)。陳敏等人利用模糊正交法，把試驗(yàn)結(jié)果模糊化，以模糊綜合評(píng)價(jià)值為目標(biāo)函數(shù)優(yōu)化了鋅酵母發(fā)酵培養(yǎng)基組成。模糊正交法通過(guò)把正交試驗(yàn)結(jié)果模糊化，然后用模糊數(shù)學(xué)的理論和方法處理試驗(yàn)數(shù)據(jù)，不僅能估計(jì)因素的主效應(yīng)，還可以估計(jì)因素的搭配，能在同樣試驗(yàn)工作量情況下獲得更多的信息。

三、均勻設(shè)計(jì)法

均勻設(shè)計(jì)法(Uniform Design)是一種考慮試驗(yàn)點(diǎn)在試驗(yàn)范圍內(nèi)充分均勻散布的試驗(yàn)設(shè)計(jì)方法，其基本思路是盡量使試驗(yàn)點(diǎn)充分均勻分散，使每個(gè)試驗(yàn)點(diǎn)具有更好的代表性，但同時(shí)舍棄整齊可比的要求，以減少試驗(yàn)次數(shù)，然后通過(guò)多元統(tǒng)計(jì)方法來(lái)彌補(bǔ)這一缺陷，使試驗(yàn)結(jié)論同樣可靠，均勻設(shè)計(jì)一般采用二次型回歸模型：由于每個(gè)因素每一水平只作一次試驗(yàn)，因此，當(dāng)試驗(yàn)條件不易控制時(shí)，不宜使用均勻設(shè)計(jì)法。對(duì)波動(dòng)相對(duì)較大的微生物培養(yǎng)試驗(yàn) ，每一試驗(yàn)組重復(fù) 2～3次以確定試驗(yàn)條件是否易于控制，此外，適當(dāng)?shù)卦黾釉囼?yàn)次數(shù)可提高回歸方程的顯著性。均勻設(shè)計(jì)法與正交設(shè)計(jì)試驗(yàn)法相比，試驗(yàn)次數(shù)大為減少，因素、水平容量較大，利于擴(kuò)大考察范圍，如當(dāng)因素?cái)?shù)為5，各因素水平為3l的試驗(yàn)中，如果采取正交設(shè)計(jì)來(lái)安排試驗(yàn)，則至少要做312=961次試驗(yàn) ，而用均勻設(shè)計(jì)只需要做31次試驗(yàn)。在試驗(yàn)數(shù)相同的條件下，均勻設(shè)計(jì)法的偏差比正交設(shè)計(jì)試驗(yàn)法小。在使用均勻設(shè)計(jì)法進(jìn)行條件優(yōu)化時(shí)，應(yīng)注意幾個(gè)問(wèn)題：①正確使用均勻設(shè)計(jì)表，可參考方開(kāi)泰制定的常用均勻設(shè)計(jì)表，每個(gè)均勻設(shè)計(jì)表都應(yīng)有一個(gè)試驗(yàn)安排使用表，要注意變量、范圍和水平數(shù)的合理選擇。②不要片面追求過(guò)少的試驗(yàn)次數(shù)，試驗(yàn)次數(shù)是因素的3倍。③要重視回歸分析，為了避免回歸時(shí)片面追求回歸模型的項(xiàng)數(shù)、片面追求大的R2值和誤差自由度過(guò)小等問(wèn)題，可通過(guò)選擇n稍大的均勻設(shè)計(jì)表，誤差自由度≥5，回歸模型不大于l0，在已知實(shí)際背景時(shí)少用多項(xiàng)式，在采用多項(xiàng)式回歸時(shí)盡量考慮二次的。④善于利用統(tǒng)計(jì)圖表，在均勻設(shè)計(jì)中，各種統(tǒng)計(jì)點(diǎn)圖，如殘差圖、等高線(xiàn)圖、正態(tài)點(diǎn)圖、偏回歸圖等，對(duì)數(shù)據(jù)特性判定和建模滿(mǎn)意度的判斷非常有用。⑤均勻設(shè)計(jì)包的使用，如 DPS、SPSS、Sigmaplot、SAS等。王劍鋒等人利用均勻設(shè)計(jì)、二次多項(xiàng)式逐步回歸分析對(duì)煙管菌 Bjerkandera adusta WZFF．W—Y11產(chǎn)漆酶液態(tài)發(fā)酵培養(yǎng)基進(jìn)行優(yōu)化，在優(yōu)化條件下進(jìn)行液態(tài)培養(yǎng)可穩(wěn)定獲得 9672U／L的漆酶活力。

四、響應(yīng)面優(yōu)化設(shè)計(jì)法

響應(yīng)面優(yōu)化設(shè)計(jì)法是一種尋找多因素系統(tǒng)中條件的數(shù)學(xué)統(tǒng)計(jì)方法，是數(shù)學(xué)方法和統(tǒng)計(jì)方法結(jié)合的產(chǎn)物，它可以用來(lái)對(duì)人們受多個(gè)變量影響的響應(yīng)問(wèn)題進(jìn)行數(shù)學(xué)建模與統(tǒng)計(jì)分析 ，并可以將該響應(yīng)進(jìn)行優(yōu)化。它能擬合因素與響應(yīng)間的全局函數(shù)關(guān)系，有助于快速建模，縮短優(yōu)化時(shí)間和提高應(yīng)用可信度。一般可以通過(guò) Plackett—Burman (PB)設(shè)計(jì)法或 Central composite design (CCD)等從眾多因素中精確估計(jì)有主效應(yīng)的因素，節(jié)省實(shí)驗(yàn)工作量。響應(yīng)面分析法以回歸法作為函數(shù)估算的工具，將多因子試驗(yàn)中因子與試驗(yàn)結(jié)果的相互關(guān)系，用多項(xiàng)式近似，把因子與試驗(yàn)結(jié)果(響應(yīng)值)的關(guān)系函數(shù)化，依此可對(duì)函數(shù)的面進(jìn)行分析，研究因子與響應(yīng)值之間、因子與因子之間的相互關(guān)系，并進(jìn)行優(yōu)化。周海鷗等人應(yīng)用 PB設(shè)計(jì)法對(duì)影響桑黃發(fā)酵的培養(yǎng)基組成進(jìn)行篩選，再采用 CCD設(shè)計(jì)結(jié)合響應(yīng)面對(duì)影響菌絲得率的關(guān)鍵因素水平進(jìn)行了深人研究，并通過(guò)二次方程回歸求解得到化條件，此模型與預(yù)測(cè)值極為接近，吻合性較好。姜麗艷等人應(yīng)用PB設(shè)計(jì)法對(duì)影響乳鏈菌肽液體發(fā)酵培養(yǎng)基組分進(jìn)行了篩選，然后采用最陡爬坡實(shí)驗(yàn)逼近 3個(gè)關(guān)鍵因素的響應(yīng)區(qū)域 ，找到了化的水平，在此培養(yǎng)條件下進(jìn)行發(fā)酵培養(yǎng)，發(fā)酵液中乳鏈菌肽效價(jià)為 6033 U／mL，是優(yōu)化前的4．48倍。鐘國(guó)華¨蜘等人采用中心組分旋轉(zhuǎn)設(shè)計(jì)技術(shù)，根據(jù)菌絲干重和高效氯氰菊酯降解率，按照統(tǒng)計(jì)學(xué)要求檢測(cè)模型顯著性，分析了配方組合對(duì)降解菌生長(zhǎng)量、高效氯氰菊酯降解率的影響和效應(yīng)，采用二次多項(xiàng)式逐步回歸分析模型，根據(jù)響應(yīng)面模型和預(yù)測(cè)回規(guī)模型方差分析對(duì)模型進(jìn)行評(píng)價(jià)，以確定培養(yǎng)基配方。利用優(yōu)化培養(yǎng)基進(jìn)行培養(yǎng)，菌體干重為 450.30 mg／50 mL培養(yǎng)菌液，處理24 h對(duì)50 mg/L 高效氯氰菊酯降解率高達(dá)93.78％。王普等人用部分因子試驗(yàn)篩選了影響 Candida tropicaJis 104產(chǎn)高選擇性羰基還原酶的因素，繼而采用最陡爬坡路徑逼近響應(yīng)區(qū)域并結(jié)合CCD和RSM對(duì)3個(gè)顯著性因素進(jìn)行分析，得到了優(yōu)化的培養(yǎng)基組成，采用該優(yōu)化培養(yǎng)基進(jìn)行發(fā)酵培養(yǎng)，供試菌株羰基還原酶活力達(dá)到 851.13 U／L，較優(yōu)化前提高了65.2％。

五、二次正交旋轉(zhuǎn)組合法

前面介紹的幾種方法具有試驗(yàn)設(shè)計(jì)和結(jié)果分析簡(jiǎn)單、實(shí)際應(yīng)用效果好的優(yōu)點(diǎn)，在微生物培養(yǎng)基優(yōu)化中得到了廣泛的應(yīng)用，但它們不能對(duì)各組分進(jìn)行定量分析，不能對(duì)產(chǎn)量進(jìn)行預(yù)測(cè)。所以，在正交設(shè)計(jì)試驗(yàn)法的基礎(chǔ)上，加入組合設(shè)計(jì)和旋轉(zhuǎn)設(shè)計(jì)的思想，并與回歸分析方法有機(jī)結(jié)合，建立了二次回歸正交旋轉(zhuǎn)組合設(shè)計(jì)法(rotation regression orthogonal combination)，它是旋轉(zhuǎn)設(shè)計(jì)的一種，不僅基本保留了回歸正交設(shè)計(jì)的優(yōu)點(diǎn)，還能根據(jù)測(cè)量值直接尋求區(qū)域，適用于分析參試因子的交互作用。它既能分析各因子的影響，又能建立定量的數(shù)學(xué)模型，屬更高層次的試驗(yàn)設(shè)計(jì)技術(shù)?；舅悸肥抢没貧w設(shè)計(jì)安排試驗(yàn)，對(duì)試驗(yàn)結(jié)果用方程擬合，得到數(shù)學(xué)模型，利用計(jì)算機(jī)對(duì)模型進(jìn)行圖形模擬或數(shù)學(xué)模擬，求得模型的解和相應(yīng)的培養(yǎng)基配方，并在一定范 圍內(nèi)預(yù)估出在方案時(shí)的產(chǎn)量，與響應(yīng)面法有相似之處。張鐘元等人為了提高 Proteus mirabilis產(chǎn) L-肉堿脫水酶的活力，通過(guò)單因素試驗(yàn)研究了碳源、氮源及誘導(dǎo)物等對(duì)酶生物合成的影響的基礎(chǔ)上，采用二次正交旋轉(zhuǎn)組合設(shè)計(jì)優(yōu)化了培養(yǎng)基組分配比，使L-肉堿脫水酶活力由最初的1.90 U／mL提高到了5.32 U／mL，與模型預(yù)測(cè)值較為接近，取得了預(yù)期效果。劉曉永等人為提高酵母菌中β- 葡聚糖的含量，在單因素試驗(yàn)基礎(chǔ)上，應(yīng)用二次正交旋轉(zhuǎn)組合法設(shè)計(jì)培養(yǎng)基成分，獲得了優(yōu)化后的培養(yǎng)基配方，培養(yǎng)基經(jīng)優(yōu)化后，酵母菌中B一葡聚糖產(chǎn)量由原來(lái)的65.80 mg／100 mL提高至108.18mg／100 mL，獲得了滿(mǎn)意的結(jié)果。

六、遺傳算法與神經(jīng)網(wǎng)絡(luò)

遺傳算法(genetic algorithms，GA)是一新型智能優(yōu)化算法，由美國(guó)的Holland提出，是進(jìn)化算法(evolutionary algorithms，EA)中的一種，是基于達(dá)爾文的進(jìn)化論和孟德?tīng)柕倪z傳學(xué)說(shuō)，仿效生物的進(jìn)化與遺傳，根據(jù)“生存競(jìng)爭(zhēng)” 和“優(yōu)勝劣汰”的原則，借助復(fù)制、交換、突變等操作，使所要解決的問(wèn)題從初始解一步步逼近解，遺傳算法模擬生物遺傳和進(jìn)化原理，在反復(fù)迭代的過(guò)程中，將適應(yīng)度高的個(gè)體更多的遺傳到下一代，為確保在整個(gè)n維空間搜索解，群體由一定數(shù)量的個(gè)體組成，在遺傳的同時(shí)，個(gè)體在一定的概率下發(fā)生交叉互換，并在一定的概率下發(fā)生變異，所以，將在最終的群體中得到一個(gè)或若干個(gè)優(yōu)良的個(gè)體，其對(duì)應(yīng)的表現(xiàn)型即為達(dá)到或接近問(wèn)題的解，培養(yǎng)基配方優(yōu)化的遺傳算法基本過(guò)程見(jiàn)圖 l，遺傳算法在整個(gè)可行域內(nèi)進(jìn)行隨機(jī)尋優(yōu)，并對(duì)搜索空間的多個(gè)解進(jìn)行評(píng)估，能有效防止搜索過(guò)程限于局部解，最終達(dá)到或逼近全局解。報(bào)道 GA應(yīng)用于培養(yǎng)基優(yōu)化的是 Freyer等，其后 Zuzek等也進(jìn)行了嘗試，由于它在培養(yǎng)基優(yōu)化方面不需要建立數(shù)學(xué)模型確定各因素之間的相互影響，有目標(biāo)函數(shù)值即可的*性而受青睞。與其他傳統(tǒng)搜索方法相比，GA在搜索過(guò)程中不易陷入局部，即使所定義的目標(biāo)函數(shù)非連續(xù)、不規(guī)則或伴有噪聲，它也能以很大的概率找到全局解，同時(shí)，由于GA 固有的并行性，使得它適合于大規(guī)模的并行分布處理，而且GA容易介入到已有的模型中并且具有可擴(kuò)展性，易于和其他技術(shù)如神經(jīng)網(wǎng)絡(luò)、模糊推理、混沌行為和人工生命等相結(jié)合，形成性能更優(yōu)的問(wèn)題求解方法∞。運(yùn)用配方優(yōu)化的遺傳算法所搜索出的決策因素區(qū)間，可以免饋到進(jìn)一步的配方試驗(yàn)中，有效地縮短確定優(yōu)化配方的時(shí)間與減少試驗(yàn)次數(shù)。神經(jīng)網(wǎng)絡(luò)是一種“黑箱”模型，具有很強(qiáng)的非線(xiàn)性映射能力，可用于反 映非線(xiàn)性條件下，難以用常規(guī)的數(shù)學(xué)模型描述的問(wèn)題。遺傳算法以自然選擇和遺傳理論為基礎(chǔ)，將生物進(jìn)化過(guò)程 中適者生存規(guī)則與群體內(nèi)部染色體的隨機(jī)信息交換機(jī)制相結(jié)合的高效全局尋優(yōu)搜索算法。神經(jīng)網(wǎng)絡(luò)和遺傳算法的結(jié)合可 以通過(guò)引入非線(xiàn)性的模型來(lái)描述各因素問(wèn)復(fù)雜的關(guān)系，并在遺傳算法的基礎(chǔ)上，通過(guò)全局尋優(yōu)找出值。羅劍飛等人利用神經(jīng)網(wǎng)絡(luò)(ANN)和遺傳算法(GA)結(jié)合的優(yōu)化方法優(yōu)化了培養(yǎng)其組成，并獲得了“性?xún)r(jià)比”的培養(yǎng)基，通過(guò)發(fā)酵經(jīng)濟(jì)學(xué)的初步統(tǒng)計(jì)發(fā)現(xiàn)，優(yōu)化后的培養(yǎng)基比初始培養(yǎng)基，其“性?xún)r(jià)比”提高了27.36％。試驗(yàn)表明，通過(guò)優(yōu)化可以大大減少生產(chǎn)中的成本消耗。宋文軍等應(yīng)用GA優(yōu)化了L—Ile發(fā)酵培養(yǎng)基組成，并運(yùn)用ANN技術(shù)對(duì)發(fā)酵過(guò)程進(jìn)行建模并預(yù)測(cè) ，取得了良好效果，實(shí)驗(yàn)發(fā)現(xiàn)，在L—Ile 發(fā)酵的模擬和預(yù)測(cè)是一種快速方法。

七、模式識(shí)別

模式識(shí)別方法是從空間區(qū)域劃分和屬性類(lèi)別判斷角度出發(fā)，處理多元數(shù)據(jù)的一種非函數(shù)方法。該方法用一組表示被研究對(duì)象特征的變量構(gòu)成模式空間，按 “物以類(lèi)聚”的觀點(diǎn)分析數(shù)據(jù)結(jié)構(gòu)，劃分出具有特定屬性模式類(lèi)別的空間聚集區(qū)域 ，并辨認(rèn)每一個(gè)模式的類(lèi)別。由計(jì)算機(jī)按模式識(shí)別原理處理數(shù)據(jù)信息，做出決策。熊明勇等人應(yīng)用模式識(shí)別，以培養(yǎng)基組成構(gòu)筑模式空間，以黃色短桿菌 TV10為出發(fā)菌株，通過(guò)主成分分析(PCA)揭示模式空間的可視化區(qū)域，選擇優(yōu)化點(diǎn)并逆推回到高維空間得到化培養(yǎng)基組成，結(jié)果表明，該菌株可積累一纈氨酸26.38 g／L，比初始值提高7.8％。

八、展望

微生物初級(jí)代謝產(chǎn)物和次級(jí)代謝的生物合成其發(fā)酵機(jī)理十分復(fù)雜，受很多因素的影響，如培養(yǎng)基組成、培養(yǎng)溫度、pH、發(fā)酵時(shí)間、菌種理化特性及發(fā)酵工藝等。適宜的培養(yǎng)基配方和合適的發(fā)酵條件成為產(chǎn)物生成量高低和原料利用率高低的決定因素。一般情況下，培養(yǎng)基組分繁多且各成分間還可能存在錯(cuò)綜復(fù)雜的交互作用。因此，微生物培養(yǎng)基的組成優(yōu)化就顯得十分重要和必要。培養(yǎng)基優(yōu)化常規(guī)方法有單因素試驗(yàn)法、正交設(shè)計(jì)試驗(yàn)法及響應(yīng)面分析法，還有一些實(shí)踐應(yīng)用相對(duì)較少的，如均勻設(shè)計(jì)法、二次回歸旋轉(zhuǎn)組合法、遺傳算法等。培養(yǎng)基優(yōu)化方法的選擇，可以采取單一方法 ，也可以用幾種方法的組合，要根據(jù)實(shí)際情況合理選擇。培養(yǎng)基優(yōu)化方法除本文中提到的常用培養(yǎng)基優(yōu)化方法外，還有研究者不斷開(kāi)拓新方法或采用不同方法交叉對(duì)培養(yǎng)基進(jìn)行優(yōu)化，如聚類(lèi)分析方法等。筆者相信，隨著數(shù)理統(tǒng)計(jì)方法和優(yōu)化技術(shù)的發(fā)展和應(yīng)用，將來(lái)一定還會(huì)出現(xiàn)更適用、更方便、可行性更好的微生物培養(yǎng)基優(yōu)化方法。