CN113604523A - 一种基于数据机理融合模型的高效发酵生产槐糖脂的方法 - Google Patents
一种基于数据机理融合模型的高效发酵生产槐糖脂的方法 Download PDFInfo
- Publication number
- CN113604523A CN113604523A CN202110968307.0A CN202110968307A CN113604523A CN 113604523 A CN113604523 A CN 113604523A CN 202110968307 A CN202110968307 A CN 202110968307A CN 113604523 A CN113604523 A CN 113604523A
- Authority
- CN
- China
- Prior art keywords
- fermentation
- sophorolipid
- data
- concentration
- feeding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12P—FERMENTATION OR ENZYME-USING PROCESSES TO SYNTHESISE A DESIRED CHEMICAL COMPOUND OR COMPOSITION OR TO SEPARATE OPTICAL ISOMERS FROM A RACEMIC MIXTURE
- C12P19/00—Preparation of compounds containing saccharide radicals
- C12P19/12—Disaccharides
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Microbiology (AREA)
- Computer Hardware Design (AREA)
- Biotechnology (AREA)
- Geometry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Preparation Of Compounds By Using Micro-Organisms (AREA)
Abstract
本申请公开了一种基于数据机理融合模型的高效发酵生产槐糖脂的方法,包括:摇瓶种子培养的步骤,接种摇瓶种子入发酵罐的步骤以及发酵培养的步骤,其中,发酵培养的步骤中,底物的补料量通过构建基于数据机理融合的补料反馈模型并根据模型调控而得到。利用基于数据机理融合的补料反馈模型能够对发酵过程实现补料的稳定、实时、理性调控,从而实现槐糖脂的高效发酵。
Description
技术领域
本申请涉及微生物发酵技术领域,具体涉及一种基于数据机理融合模型的高效发酵生产槐糖脂的方法。
背景技术
槐糖脂(Sophorolipids,SLs)是糖脂类生物表面活性剂,主要是由一些酵母属的微生物生产的可再生表面活性剂。葡萄糖和脂肪酸是槐糖脂合成的主要前体物质。脂肪酸进入胞内后通过P450单加氧酶催化下成为羟基脂肪酸。接着活化的葡萄糖在葡萄糖转移酶Ⅰ和Ⅱ的作用下形成非乙酰化酸型槐糖脂。随后在乙酰基转移酶和胞外内酯酶作用下使槐糖脂乙酰化和内酯化。槐糖脂结构根据乙酰化、疏水脂肪酸链长和不饱和度等差异,可以多达20多种。槐糖脂生产是一个复杂多相体系的发酵过程,涉及到气体(空气)、固体(细胞、槐糖脂结晶)和亲水相液体(酸型槐糖脂、葡萄糖)、疏水相液体(内酯型槐糖脂、油脂)等,这都给槐糖脂的高效稳定生产提出了巨大挑战。
目前微生物发酵生产优化研究主要可以分为以下三个方面,(1)通过诱变育种或基因工程手段获得高性能菌株;(2)开发利用廉价底物,降低发酵生产成本;(3)优化发酵过程,实现高效合成。其中发酵过程理性、精准调控是实现微生物高效生产的保证。微生物发酵过程参数检测是过程优化控制的基础,通过对过程关键参数进行调控,可以实现细胞代谢状态的灵活调节,从而获得高产量、高产率和高转化率。随着传感检测和信息处理技术的不断发展,除了常规环境参数能够通过在线传感器实现实时检测外,细胞宏观生理代谢参数,比如活细胞量、OUR(Oxygen Uptake Rate,摄氧率)、CER(Carbon-dioxide EscapeRate,二氧化碳释放率)、RQ(Respiratory Quotient,呼吸商)等,也能够实现在线获取,逐渐形成了发酵过程流数据库。但是目前发酵过程调控敏感参数的挖掘仍主要通过依靠人工经验对部分关键参数的相关性分析来实现,并没有从过程流大数据的角度进行研究,存在很大的应用局限性。另一方面,各种数据处理和分析方法正在逐步引入到发酵过程中,例如采用线性、非线性算法、神经网络模型、支持向量机等数学模型能够快速处理大量在线和离线参数,并将其与发酵过程调控相互关联。遗憾的是,目前对于发酵过程的调控更多从单一的过程控制角度,缺乏理性;或者以特性细胞代谢机制为指导,缺乏普遍适用性。
对于槐糖脂发酵来说,底物葡萄糖和油的补加对于槐糖脂合成至关重要。此外,在发酵后期,随着槐糖脂逐渐积累,发酵液流变特性显著改变,粘度增大,对传质混合产生重要影响,供氧容易受限制,因此槐糖脂产率会显著下降。半连续发酵的开发能够极大缓解供氧限制对槐糖脂合成的影响。前期研究发现控制过程油脂的含量以及其与槐糖脂比例会影响槐糖脂形态(结晶和非结晶),从而显著改变槐糖脂的沉降特性,进而影响半连续发酵的效率。因此,需要精确调控槐糖脂发酵过程中油脂的补加,实现槐糖脂的高效生产。
发明内容
本申请提供一种基于数据机理融合模型的高效发酵生产槐糖脂的方法,可以通过基于数据机理融合的补料反馈模型实现高效、稳定、理性的槐糖脂发酵。
本申请提供一种高效发酵生产槐糖脂的方法,包括:摇瓶种子培养的步骤,接种摇瓶种子入发酵罐的步骤以及发酵培养的步骤,其中,发酵培养的步骤中,底物的补料量通过构建基于数据机理融合的补料反馈模型并根据模型调控而得到。
可选的,在本申请的一些实施例中,底物包括葡萄糖或菜籽油。
可选的,在本申请的一些实施例中,发酵包括分批发酵或半连续发酵;分批发酵指分批培养过程中,间歇或连续地补加新鲜培养基的培养方法;半连续发酵指在分批发酵的基础上,间歇地放掉部分发酵液的培养方法。
可选的,在本申请的一些实施例中,分批发酵中,可以控制菜籽油浓度为2~10g/L,也可以控制菜籽油浓度为3~9g/L,还可以控制菜籽油浓度为4~8g/L。
可选的,在本申请的一些实施例中,分批发酵中,可以控制葡萄糖浓度为30~40g/L,也可以控制葡萄糖浓度为31~39g/L,还可以控制葡萄糖浓度为32~38g/L。
可选的,在本申请的一些实施例中,半连续发酵中,可以控制菜籽油浓度为10~15g/L,也可以控制菜籽油浓度为11~14g/L,还可以控制菜籽油浓度为12~13g/L。
可选的,在本申请的一些实施例中,半连续发酵中,可以控制葡萄糖浓度为30~40g/L,也可以控制葡萄糖浓度为31~39g/L,还可以控制葡萄糖浓度为32~38g/L。
可选的,在本申请的一些实施例中,半连续发酵中,当发酵罐中槐糖脂浓度高于140g/L时,进行原位分离,直至发酵罐中槐糖脂浓度低于60g/L。原位分离采用重力沉降分离及洗涤回收方式,通过原位分离的半连续发酵模式能够有效缓解高浓度槐糖脂的产物限制,还能大大降低发酵液粘度消除氧限制。
可选的,在本申请的一些实施例中,基于数据机理融合的补料反馈模型的构建方法包括:在线参数采集、数据处理和反馈补料;其中,在线参数采集通过在线传感器实时检测发酵过程参数;数据处理运用算法进行参数拟合,输出参数间的相关性,构建数据相关模型;反馈补料通过整合数据相关模型和细胞代谢机理,通过计算机控制补料模块实现补料。
可选的,在本申请的一些实施例中,在线传感器包括近红外光谱、过程质谱仪或溶氧电极等多种在线传感器。
可选的,在本申请的一些实施例中,发酵过程参数包括自变量和因变量,自变量包括摄氧速率(OUR)、二氧化碳释放率(CER)、呼吸商(RQ)、PH值、溶氧值(DO)、温度、转速、菌体干重(DCW)或发酵液体积,因变量包括发酵产物产率或底物消耗率中。
可选的,在本申请的一些实施例中,算法包括一元线性回归、多元线性回归、偏最小二乘法、支持向量机、随机森林或梯度提高回归六种算法。
可选的,在本申请的一些实施例中,模型每隔0.5~1.5小时读取发酵过程参数的检测数据,优选的,模型每隔1小时读取发酵过程参数的检测数据,模型能够每隔1小时对发酵过程参数进行分析,大大减少人工干预,而且使槐糖脂发酵调控从原先的每隔6~12小时缩短到每1小时。
本申请应用基于数据机理融合的补料反馈模型于发酵生产槐糖脂,具有如下有益效果:
1)将基于数据机理融合的补料反馈模型应用于发酵生产槐糖脂,避免了传统主要依靠人工经验对部分关键参数的相关性进行分析,能够实现高效、稳定、理性的槐糖脂发酵,大大降低人工成本,提高发酵的控制精度;
2)引入更加先进的在线传感器能够实现多种发酵产物数据实时监测,然后利用数据科学技术对海量过程数据进行处理、模型化等,解决了目前对于发酵过程的调控更多的是从单一的过程控制角度的问题,实现发酵数据多样性以及调控的多角度;且多种数学算法的运用能够使宏观参数拟合更加多元化,发挥各数学算法的优势,使反馈补料模型在运行过程中更加完善。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是补加不同速率菜籽油在不同时间点槐糖脂的合成浓度;
图2是补加不同速率菜籽油在不同时间点槐糖脂的产率;
图3是补加不同速率菜籽油在不同时间点槐糖脂的产量差异;
图4是补加不同速率菜籽油在不同时间点的OUR和CER;
图5是补加不同速率菜籽油在不同时间点的RQ;
图6是不同槐糖脂浓度时发酵液的粘度;
图7是添加不同槐糖脂浓度后的槐糖脂合成浓度;
图8是基于数据机理融合的补料反馈模型的构建方法示意图;
图9是数据处理示意图;
图10是分批发酵中应用模型调控后发酵过程中的菜籽油和葡萄糖浓度;
图11是分批发酵中应用模型调控后槐糖脂在不同时间点的合成浓度;
图12是半连续发酵中应用模型调控后发酵过程中的菜籽油和葡萄糖浓度;
图13是半连续发酵中应用模型调控后槐糖脂在不同时间点的合成浓度;
图14是半连续发酵中应用模型调控后槐糖脂在不同时间点的产率和转化率;
图15是代谢通量图。
具体实施方式
下面将对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请提供一种基于数据机理融合模型的高效发酵生产槐糖脂的方法。以下分别进行详细说明。需说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
本申请的实施例中涉及的菌种和培养基的说明
(1)菌种C.bombicola ATCC 22214是从广州市菌种保藏中心购买,20%的甘油管保藏在-80℃。
(2)种子培养基(g/L):葡萄糖50,KH2PO4 1,(NH4)2SO4 4,MgSO4·7H2O 0.5,玉米浆10。
(3)发酵培养基(g/L):葡萄糖100,KH2PO4 1,(NH4)2SO4 4,MgSO4·7H2O 0.5,玉米浆10。
所有的培养基都经过115℃高温高压蒸汽灭菌30min。
下面结合实施例进一步说明本申请的技术方案和有益效果。
实施例一、菜籽油补加速度对槐糖脂合成的影响
本实施例提供发酵过程中补加不同速度的菜籽油后对槐糖脂合成的影响:
(1)种子培养在1L的挡板摇瓶中,加入200mL培养基,在转速和温度分别为200rpm和25℃的摇床中培养48h。
(2)槐糖脂发酵在5L的发酵罐中,初始体积为2.5L,接种量为2.9%(OD600为80)。发酵温度为25℃,通气量为0.5vvm,初始转速为200rpm。培养过程中通过4M NaOH调节使pH维持在3.5。溶氧(DO)通过调节转速维持在30%以上。分批补料发酵周期为168h。补料分批发酵过程中前24h菜籽油补加速度为1g/L/h,发酵24h后分别设定为2.0,2.6,3.2g/L/h;发酵后期,降低补料速度控制发酵液残油浓度不高于30g/L。半连续发酵中控制葡萄糖和菜籽油浓度40g/L和10g/L,原位分离前通过控制补料使葡萄糖浓度低于30g/L。通过在线传感器当发酵罐中槐糖脂浓度高于140g/L时,进行原位分离。发酵168h合成槐糖脂。
如图1所示为补加不同速率菜籽油在不同时间点槐糖脂的合成浓度。虽然通过对比发现高中低补油量下最终槐糖脂浓度无显著差异,但是不同补油速率对槐糖脂的合成过程有重要影响,当补油速率越高时,发酵前期槐糖脂积累速度越快,不过发酵后期槐糖脂积累速度逐渐下降。
如表1所示为补加不同速率菜籽油槐糖脂的发酵参数,可见高中低补油量下最终槐糖脂浓度无显著差异,分别为264.84±4.32,269.76±2.44和276.77±4.02g/L,发酵过程中耗油、耗糖、槐糖脂转化率等也差异不大。
表1
注:YSLs/S指槐糖脂转化率
如图2所示为补加不同速率菜籽油在不同时间点槐糖脂的产率。从各时间点的槐糖脂产率可以看出,高中低三种补油量下,槐糖脂产率明显不同。其中高补油量下,槐糖脂产率最高达到3.53g/L/h,而中补油量和低补油量最大槐糖脂产率为2.63和2.09g/L/h,分别降低了25.5%和40.8%。发酵50h后,高补油量下槐糖脂产率迅速下降直到110h,随后其产率维持在0.98g/L/h。相比之下,在低补油量下,槐糖脂产率能够平均维持在2.04g/L/h,然后直到120h后槐糖脂产率才开始下降。
如图3所示为补加不同速率菜籽油在不同时间点槐糖脂的产量差异。在不同发酵时间点,会达到高中低补油速率下槐糖脂产量差异的最大值。高补油量与低补油量差值在87h左右达到最大(139.7g);而高补油量与中补油量的最大差值则在73h左右(85.7g)。
如图4所示为补加不同速率菜籽油在不同时间点的OUR和CER。可见,在发酵过程中不同补油速率下,OUR和CER也有明显差异,高补油速率下,OUR最高可以达到64mmol/L/h,然后到50h之后OUR逐步降低,至100h之后维持在47mmol/L/h左右。相比之下,低补油速率条件的OUR一直维持在54mmol/L/h左右持续到120h。同时可以发现CER也表现出于OUR较为类似的变化趋势。
如图5所示为补加不同速率菜籽油在不同时间点的RQ。从发酵过程的RQ变化可知,槐糖脂快速合成阶段中菌株的RQ为0.70左右,但是随着发酵周期延长RQ逐渐上升,表明此时细胞代谢途径逐渐发生了变化。
如图6所示为不同槐糖脂浓度时发酵液的粘度。可以发现,发酵中后期随着槐糖脂浓度的增加,发酵液粘度会显著上升,特别是当槐糖脂浓度达到140g/L后,粘度超过20cP。槐糖脂发酵是一个高耗氧过程,高粘度严重影响发酵过程供氧水平,进而造成细胞代谢和槐糖脂合成速率的改变。
如表2所示为补加不同速率菜籽油在不同时间点槐糖脂比底物得率。由表中结果可知,当平均RQ为0.70左右时(高补料量:24-96h;中补料量:24-110h;低补料量:24-120h),槐糖脂比底物葡萄糖和菜籽油的平均转化率分别为1.21g/g和1.39g/g;当槐糖脂浓度高于140g/L后(高补料量:96h以后;中补料量:110h以后;低补料量:120h以后),槐糖脂比底物葡萄糖和菜籽油的平均转化率分别为0.82g/g和1.46g/g,并且平均RQ达到0.76。可以发现当供氧受到影响后,菌株对不同底物的转化率不同,对葡萄糖的转化率降低而对菜籽油的转化率升高。推测菌株对不同底物参与氧化和槐糖脂合成的比例由于供氧发生变化,从而使宏观参数RQ升高。
表2
实施例二、槐糖脂浓度对槐糖脂合成的影响
本实施例提供发酵过程中不同槐糖脂浓度对槐糖脂合成的影响:
在1L挡板摇瓶中加入200mL发酵液(葡萄糖和菜籽油混合液浓度均为50g/L),分别在摇瓶中添加槐糖脂使其浓度为0,15,30,45,60,75,90,105g/L。将5L发酵罐中培养30h的发酵液取50mL离心去掉上清,洗涤后用20mL无菌水重悬细胞,接种到摇瓶。在摇床上以转速200rpm,25℃,培养24h,测合成槐糖脂浓度。
如图7所示为添加不同槐糖脂浓度后的槐糖脂合成浓度,通过在摇瓶中额外添加一定浓度的槐糖脂后可以发现,当槐糖脂浓度高于75g/L时,摇瓶槐糖脂产量开始显著下降15.6%。说明槐糖脂抑制菌株合成槐糖脂并且随着槐糖脂浓度升高抑制效果提升。
综上所述,槐糖脂合成期主要可以分为三个阶段,初始阶段为菌株生产能力限制阶段,槐糖脂合成主要受到菌株生产能力及底物供给限制,此阶段细胞的槐糖脂比产率最高可达0.15g/gDCW/h,但是会受到补油速率的影响。第二阶段为产物抑制阶段,当发酵罐中槐糖脂浓度积累超过75g/L时,菌株会受到产物抑制,其生产能力随之降低,而且产物浓度越高,抑制程度越强,值得注意的是,这一阶段虽然OUR和CER也有所下降,但是RQ不变,表明细胞代谢途径并未发生变化,槐糖脂的合成只是由于细胞代谢能力的减弱导致。最后一个阶段是氧限制阶段,槐糖脂浓度达到140g/L后,发酵液粘度显著增加,此时供氧受到限制,进而影响细胞代谢途径,从而造成槐糖脂产率下降,并表现出RQ升高的趋势。由此可见,前两个阶段是槐糖脂积累的主要阶段,尽可能地提高此阶段的槐糖脂生产速率对于整个发酵过程效率的提高有重要意义,因此需要对底物补加进行更精细的调控来实现。第三个阶段由于涉及到供氧水平的下降,所以在常规发酵模式不增加设备供氧能力的情况下较难实现生产效率的提升。通过原位分离的半连续发酵模式能够有效缓解高浓度槐糖脂的产物限制还能大大降低发酵液粘度消除氧限制,因此第三阶段也是半连续发酵原位分离的重要节点,而且油的控制浓度是槐糖脂原位分离的重要因素。
实施例三、构建基于数据机理融合的补料反馈模型
本实施例提供的基于数据机理融合的补料反馈模型的构建方法如下:
基于数据机理融合的补料反馈模型的构建方法如图8所示,主要包括:在线参数采集模块1、数据处理模块2和反馈补料模块3,通过过程质谱仪4和近红外光谱实时在线检测平台5检测生物反应器6中的发酵过程参数,数据处理模块2输入发酵过程参数,输出补料量,指导反馈补料模块3添加葡萄糖7和菜籽油8。
(1)在线参数采集:通过在线传感器实时检测发酵过程参数。发酵过程参数包括:自变量包括OUR、CER、RQ、pH、DO、温度、转速、菌体干重、发酵液体积等,因变量包括槐糖脂产率、葡萄糖消耗率、菜籽油消耗率。其中,发酵过程中槐糖脂、菜籽油和葡萄糖的浓度测定采用近红外光谱实时在线检测平台,通过前期建立离线数据与近红外光谱数据之间的关系,实现通过光谱实时检测发酵液中物质浓度;尾气中OUR、CER和RQ的检测采用过程质谱仪测定;DO采用溶氧电极测定;菌体干重的测定方法为取2mL发酵液,用等体积的70%乙醇(v/v)溶液洗涤三遍,再用蒸馏水洗涤,于80℃烘箱中烘干。
(2)数据处理:如图9所示,数据处理运用算法进行参数拟合,输出参数间的相关性,构建数据相关模型。得到菜籽油补料量=Max(R2)F(x)+c2V-c1V,葡萄糖补料量=Max(R2)F(x)+c4V-c3V,R2为相关性,V为发酵液体积,c1和c3代表实际发酵液菜籽油和葡萄糖浓度(g/L),c2和c4代表控制发酵液菜籽油和葡萄糖浓度(g/L)。
算法包括一元,多元线性回归、偏最小二乘法、支持向量机、随机森林、梯度提高回归。比较预测值与真实值之间的相关性R2判断方程的优劣,其中以110组左右数据作为训练集,20组数据作为测试集,槐糖脂产率、菜籽油消耗率和葡萄糖消耗率三个因变量,在六种方程下其预测值与实际值相关性均较好,其训练集的相关性R2在均在0.96以上,说明这六种算法方程能够很好地体现发酵过程菌株消耗底物和合成产物与发酵参数之间的关系。随机森林和梯度提高算法其相关性在添加测试集后其相关性R2略微降低,而其他四个参数方程相关性R2随着参数数量提高而提高。主要原因是在参数方程中,随着参数的不断输入,方程的数据库也会随之增加,因此方程的预测值的准确度也会不断提高。而非线性方程可能会出现过拟合的问题,因此在数据较少的阶段,一元或多元线性回归、支持向量机和偏最小二乘法的预测值更加可信,而随着数据样本的不断增加,随机森林和梯度提高算法的预测值更加准确。
(3)反馈补料:通过整合所述数据相关模型和细胞代谢机理,通过计算机控制补料模块实现补料。当方程输出最优相关性R2的预测值(槐糖脂产率,葡萄糖消耗率和菜籽油消耗率)后,模型就会将数据添加到数据库中以增加数据样本,接着模型根据发酵罐实时体积和控制葡萄糖和菜籽油的浓度,以及消耗底物的量来指导后续底物葡萄糖和菜籽油的添加量,最终实现根据发酵过程参数反馈调控补料。
实施例四、基于数据机理融合的补料反馈模型在分批发酵中的验证
本实施例提供基于数据机理融合的补料反馈模型在分批发酵中的验证:
将基于数据机理融合的补料反馈模型在5L发酵罐中进行验证。从发酵24h开始分别控制菜籽油浓度为2g/L和10g/L,葡萄糖浓度控制在40g/L,直至发酵RQ升高时结束发酵。
如图10所示为分批发酵中应用模型调控后发酵过程中的菜籽油和葡萄糖浓度,从控制的残油浓度和葡萄糖浓度可以发现,通过反馈调补料模型能够很好的控制发酵液中菜籽油和葡萄糖浓度,其整体差异性不显著。当没有反馈调控的情况下,槐糖脂发酵过程中,其控制底物浓度与设定值相比误差在15%以上,并且需要浪费大量人力和时间。相比之下,应用此模型调控过程菜籽油和葡萄糖浓度较为准确,与实际设定值相比其误差小于5%,并且完全满足发酵过程对底物的需求。
如图11所示为分批发酵中应用模型调控后槐糖脂在不同时间点的合成浓度,表3所示为分批发酵中应用模型调控后槐糖脂的发酵参数(24~96h),由图11和表3的结果可知,应用模型调控后无论是菜籽油浓度为2g/L或10g/L,都较未应用模型调控的高补油量组,槐糖脂的合成产量和产量有所提高,且槐糖脂的转化率也提高,说明反馈补料模型进行实时调控补料有利于槐糖脂的合成。
表3
实施例五、基于数据机理融合的补料反馈模型辅助半连续发酵生产槐糖脂
本实施例提供基于数据机理融合的补料反馈模型辅助半连续发酵生产槐糖脂:
在半连续发酵应用中控制菜籽油浓度为10g/L-15g/L,葡萄糖浓度控制在40-30g/L,当槐糖脂浓度达到140g/L时,开始进行原位分离至浓度低于60g/L,从而一方面缓解高浓度槐糖脂对发酵液流变特性的影响,另一方面接触高浓度槐糖脂对细胞代谢的抑制作用。半连续发酵采用重力沉降分离,洗涤回收方式实现原位分离,共发酵234h。
如图12所示为半连续发酵中应用模型调控后发酵过程中的菜籽油和葡萄糖浓度,可看出反馈补料模型可以稳定的控制发酵过程葡萄糖和菜籽油浓度,其过程差异性不显著。
如图13所示为半连续发酵中应用模型调控后槐糖脂在不同时间点的合成浓度,如图14所示为半连续发酵中应用模型调控后槐糖脂在不同时间点的产率和转化率,由图13和图14可知,经过两次产物原位分离后(234h),槐糖脂总产量达到1348.25g,槐糖脂产率达到2.30g/L/h,转化率为0.57g/g,说明在反馈补料模型的辅助下,能够实现高效稳定的运行半连续发酵,更为重要的是,经过两次产物原位分离后,细胞生产槐糖脂产率并未出现下降的趋势(图14),因此有望更长时间运行,进一步提高生产效率。
如图15所示,通过代谢通量分析可知,在槐糖脂合成过程中,葡萄糖和菜籽油的碳源主要流向槐糖脂和二氧化碳。当RQ为0.70时,葡萄糖和菜籽油转化为槐糖脂的比例一定,合成1g槐糖脂合成需要葡萄糖和菜籽油分别约为0.824g和0.719g。底物中的碳源66.47%流向槐糖脂、21.65%流向二氧化碳,而7.67%流向有机酸。因此当菌株在合成槐糖脂阶段对胞内呼吸代谢同样的情况下,对底物的消耗率、槐糖脂产率与细胞呼吸代谢(二氧化碳的生产率、氧气消耗率)均存在正相关。由此可见在反馈补料模型中OUR、CER可能是反应菌株槐糖脂合成和底物消耗的关键参数,而转速,溶氧等参数的相关性可能较弱。通过机理解析可以对数据模型机理更加明确,OUR、CER和RQ是槐糖脂发酵过程调控、放大的关键参数。
本申请采用基于数据机理融合的补料反馈模型辅助槐糖脂生产,以过程多参数为基础,通过整合数据建模和细胞代谢机理,形成基于数据机理融合的补料反馈模型;最后将此模型应用于槐糖脂半连续发酵过程,实现高效生产。
以上对本申请实施例所提供的一种基于数据机理融合模型的高效发酵生产槐糖脂的方法进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种高效发酵生产槐糖脂的方法,其特征在于,包括:摇瓶种子培养的步骤,以及接种摇瓶种子入发酵罐的步骤以及发酵培养的步骤,其中,所述发酵培养的步骤中,底物的补料量通过构建基于数据机理融合的补料反馈模型并根据该补料反馈模型调控而得到。
2.根据权利要求1所述的方法,其特征在于,所述底物包括葡萄糖或菜籽油。
3.根据权利要求1所述的方法,其特征在于,所述发酵包括分批发酵或半连续发酵。
4.根据权利要求3所述的方法,其特征在于,所述分批发酵中,控制所述菜籽油浓度为2~10g/L;和/或,控制所述葡萄糖浓度为30~40g/L。
5.根据权利要求3所述的方法,其特征在于,所述半连续发酵中,控制所述菜籽油浓度为10~15g/L;和/或,控制所述葡萄糖浓度为30~40g/L。
6.根据权利要求1所述的方法,其特征在于,所述基于数据机理融合的补料反馈模型的构建方法包括:在线参数采集、数据处理和反馈补料;
其中,所述在线参数采集通过在线传感器实时检测发酵过程参数;
所述数据处理运用算法进行参数拟合,输出参数间的相关性,构建数据相关模型;
所述反馈补料通过整合所述数据相关模型和细胞代谢机理,通过计算机控制补料模块实现补料。
7.根据权利要求6所述的方法,其特征在于,所述在线传感器包括近红外光谱、过程质谱仪、溶氧电极、温度电极、pH电极中的一种或多种。
8.根据权利要求6所述的方法,其特征在于,所述发酵过程参数包括自变量和因变量,所述自变量包括摄氧速率、二氧化碳释放率、呼吸商、PH值、溶氧值、温度、转速、菌体干重或发酵液体积,所述因变量包括发酵产物产率或底物消耗率。
9.根据权利要求6所述的方法,其特征在于,所述算法包括一元线性回归、多元线性回归、偏最小二乘法、支持向量机、随机森林或梯度提高回归中的一种或多种。
10.根据权利要求6所述的方法,其特征在于,所述补料反馈模型每隔0.5~1.5小时读取所述发酵过程参数的检测数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110968307.0A CN113604523A (zh) | 2021-08-23 | 2021-08-23 | 一种基于数据机理融合模型的高效发酵生产槐糖脂的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110968307.0A CN113604523A (zh) | 2021-08-23 | 2021-08-23 | 一种基于数据机理融合模型的高效发酵生产槐糖脂的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113604523A true CN113604523A (zh) | 2021-11-05 |
Family
ID=78309180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110968307.0A Pending CN113604523A (zh) | 2021-08-23 | 2021-08-23 | 一种基于数据机理融合模型的高效发酵生产槐糖脂的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113604523A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030228567A1 (en) * | 2001-10-26 | 2003-12-11 | Imandokht Famili | Compostions and methods for modeling Saccharomyces cerevisiae metabolism |
US20090117647A1 (en) * | 2006-07-14 | 2009-05-07 | Abb Research Ltd. | Method for on-line optimization of a fed-batch fermentation unit to maximize the product yield |
CN101845469A (zh) * | 2010-05-28 | 2010-09-29 | 天津实发中科百奥工业生物技术有限公司 | 连续补料发酵生产槐糖脂的方法 |
CN107964506A (zh) * | 2016-10-19 | 2018-04-27 | 深圳华大基因研究院 | 一种发酵补料优化控制系统和方法 |
CN108220175A (zh) * | 2016-12-12 | 2018-06-29 | 安琪酵母股份有限公司 | 酿酒酵母高密度培养方法及其pH调控方法 |
CN112029808A (zh) * | 2020-09-11 | 2020-12-04 | 华东理工大学 | 一种基于超声波辅助槐糖脂沉降的半连续发酵方法 |
-
2021
- 2021-08-23 CN CN202110968307.0A patent/CN113604523A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030228567A1 (en) * | 2001-10-26 | 2003-12-11 | Imandokht Famili | Compostions and methods for modeling Saccharomyces cerevisiae metabolism |
US20090117647A1 (en) * | 2006-07-14 | 2009-05-07 | Abb Research Ltd. | Method for on-line optimization of a fed-batch fermentation unit to maximize the product yield |
CN101845469A (zh) * | 2010-05-28 | 2010-09-29 | 天津实发中科百奥工业生物技术有限公司 | 连续补料发酵生产槐糖脂的方法 |
CN107964506A (zh) * | 2016-10-19 | 2018-04-27 | 深圳华大基因研究院 | 一种发酵补料优化控制系统和方法 |
CN108220175A (zh) * | 2016-12-12 | 2018-06-29 | 安琪酵母股份有限公司 | 酿酒酵母高密度培养方法及其pH调控方法 |
CN112029808A (zh) * | 2020-09-11 | 2020-12-04 | 华东理工大学 | 一种基于超声波辅助槐糖脂沉降的半连续发酵方法 |
Non-Patent Citations (1)
Title |
---|
张鑫: "尾气在线分析在发酵过程控制与优化中的应用研究", 《中国优秀硕士论文全文数据库 工程科技Ⅰ辑, no. 09, pages 018 - 28 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102015829B1 (ko) | 온라인 산소 소비율과 전도율의 통합 제어를 기반으로 한 코엔자임 q10 발효 생산 공정 | |
Dussán et al. | Evaluation of oxygen availability on ethanol production from sugarcane bagasse hydrolysate in a batch bioreactor using two strains of xylose-fermenting yeast | |
Hu et al. | Use of glycerol for producing 1, 3-dihydroxyacetone by Gluconobacter oxydans in an airlift bioreactor | |
CN108220175B (zh) | 酿酒酵母高密度培养方法及其pH调控方法 | |
Liu et al. | Efficient production of dihydroxyacetone from biodiesel-derived crude glycerol by newly isolated Gluconobacter frateurii | |
CN103354836B (zh) | 新型酿酒酵母菌株 | |
Roukas et al. | Effect of the aeration rate on pullulan production and fermentation broth rheological properties in an airlift reactor | |
JP2013544106A5 (zh) | ||
CN102021214B (zh) | 基于氧消耗速率的维生素b12发酵生产控制工艺 | |
CN101748177B (zh) | 优化的脱氮假单胞菌发酵生产维生素b12方法与合成培养基 | |
CN105349588B (zh) | 利用裂殖壶菌生产二十二碳六烯酸的方法 | |
CN103602591A (zh) | 一种裂殖壶菌及用于生产二十二碳六烯酸油脂的方法 | |
Ji et al. | Growth characteristics of freeze-tolerant baker’s yeast Saccharomyces cerevisiae AFY in aerobic batch culture | |
Thani et al. | Variation of fermentation redox potential during cell-recycling continuous ethanol operation | |
CN113604523A (zh) | 一种基于数据机理融合模型的高效发酵生产槐糖脂的方法 | |
Calam et al. | Microbial aspects of fermentation process development | |
Putra et al. | A green process for simultaneous production of fructose and ethanol via selective fermentation | |
CN103966273B (zh) | 一种双鞭甲藻发酵生产dha的方法 | |
CN106811490A (zh) | 一种黑曲霉批发酵生产葡萄糖酸钠的方法 | |
CN109609557A (zh) | 一种基于发酵过程菌落平衡的小麦秸秆稳定、高效制气方法 | |
CN116540533A (zh) | 一种基于数字孪生技术发酵溶解氧浓度优化控制方法 | |
Karimi et al. | Mucor indicus as a biofilter and fermenting organism in continuous ethanol production from lignocellulosic hydrolyzate | |
Viegas et al. | Use of tower reactors for continuous ethanol production | |
Sahoo et al. | Effect of oxygen transfer on glycerol biosynthesis by an osmophilic yeast Candida magnoliae I2B | |
Dong et al. | Development and optimization of an unstructured kinetic model for sodium gluconate fermentation process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |