微生物培养基优化方法研究进展（2）

6 遗传算法与神经网络

遗传算法(genetic algorithms，GA)是一新型智能优化算法，由美国的Holland提出，是进化算法(evolutionary algorithms，EA)中的一种，是基于达尔文的进化论和孟德尔的遗传学说，仿效生物的进化与遗传，根据“生存竞争” 和“优胜劣汰”的原则，借助复制、交换、突变等操作，使所要解决的问题从初始解一步步逼近最优解，遗传算法模拟生物遗传和进化原理，在反复迭代的过程中，将适应度高的个体更多的遗传到下一代，为确保在整个n维空间搜索最优解，群体由一定数量的个体组成，在遗传的同时，个体在一定的概率下发生交叉互换，并在一定的概率下发生变异，所以，将在最终的群体中得到一个或若干个优良的个体，其对应的表现型即为达到或接近问题的最优解，培养基配方优化的遗传算法基本过程见图 l，遗传算法在整个可行域内进行随机寻优，并对搜索空间的多个解进行评估，能有效防止搜索过程限于局部最优解，最终达到或逼近全局最优解。最早报道 GA应用于培养基优化的是 Freyer等，其后 Zuzek等也进行了尝试，由于它在培养基优化方面不需要建立数学模型确定各因素之间的相互影响，有目标函数值即可的优越性而受青睐。与其他传统搜索方法相比，GA在搜索过程中不易陷入局部最优，即使所定义的目标函数非连续、不规则或伴有噪声，它也能以很大的概率找到全局最优解，同时，由于GA 固有的并行性，使得它适合于大规模的并行分布处理，而且GA容易介入到已有的模型中并且具有可扩展性，易于和其他技术如神经网络、模糊推理、混沌行为和人工生命等相结合，形成性能更优的问题求解方法∞。运用配方优化的遗传算法所搜索出的决策因素最优区间，可以免馈到进一步的配方试验中，有效地缩短确定优化配方的时间与减少试验次数。神经网络是一种“黑箱”模型，具有很强的非线性映射能力，可用于反 映非线性条件下，难以用常规的数学模型描述的问题[27]。遗传算法以自然选择和遗传理论为基础，将生物进化过程 中适者生存规则与群体内部染色体的随机信息交换机制相结合的高效全局寻优搜索算法。神经网络和遗传算法的结合可 以通过引入非线性的模型来描述各因素问复杂的关系，并在遗传算法的基础上，通过全局寻优找出最佳值。罗剑飞等人利用神经网络(ANN)和遗传算法(GA)结合的优化方法优化了培养其组成，并获得了最高“性价比”的培养基，通过发酵经济学的初步统计发现，优化后的培养基比初始培养基，其“性价比”提高了27.36％。试验表明，通过优化可以大大减少生产中的成本消耗。宋文军等应用GA优化了L—Ile发酵培养基组成，并运用ANN技术对发酵过程进行建模并预测 ，取得了良好效果，实验发现，在L—Ile 发酵的模拟和预测是一种快速方法。

7 模式识别

模式识别方法是从空间区域划分和属性类别判断角度出发，处理多元数据的一种非函数方法。该方法用一组表示被研究对象特征的变量构成模式空间，按 “物以类聚”的观点分析数据结构，划分出具有特定属性模式类别的空间聚集区域 ，并辨认每一个模式的类别。由计算机按模式识别原理处理数据信息，做出最优决策。熊明勇等人应用模式识别，以培养基组成构筑模式空间，以黄色短杆菌 TV10为出发菌株，通过主成分分析(PCA)揭示模式空间的可视化区域，选择优化点并逆推回到高维空间得到最优化培养基组成，结果表明，该菌株可积累一缬氨酸26.38 g／L，比初始值提高7.8％。

8 展望

微生物初级代谢产物和次级代谢的生物合成其发酵机理十分复杂，受很多因素的影响，如培养基组成、培养温度、pH、发酵时间、菌种理化特性及发酵工艺等。适宜的培养基配方和合适的发酵条件成为产物生成量高低和原料利用率高低的决定因素。一般情况下，培养基组分繁多且各成分间还可能存在错综复杂的交互作用。因此，微生物培养基的组成优化就显得十分重要和必要。培养基优化常规方法有单因素试验法、正交设计试验法及响应面分析法，还有一些实践应用相对较少的，如均匀设计法、二次回归旋转组合法、遗传算法等。培养基优化方法的选择，可以采取单一方法 ，也可以用几种方法的组合，要根据实际情况合理选择。培养基优化方法除本文中提到的常用培养基优化方法外，还有研究者不断开拓新方法或采用不同方法交叉对培养基进行优化，如聚类分析方法等。笔者相信，随着数理统计方法和优化技术的发展和应用，将来一定还会出现更适用、更方便、可行性更好的微生物培养基优化方法。

作者：肖怀秋，李玉珍

作者单位：湖南化工职业技术学 院应用化学系

参考文献：

[1] Isar J,Agarwal L，Saran S,et a1．A stastical approach to study the interactive effects ofprocess parameters On succinic acid production from Bacteroides fragilis[J]．Anaerobe，2007，l 3：50-56．

[2] 王晓辉，察少华，迟乃玉，等．海洋低温 BS070623菌株选育及其发酵培养基优化(I)[J]．渤海大学学报，2009，30(2)：97—100．

[3] Dan Y，Zhi．Nan X，Pei．Lin C．Medium optimization for enhanced productionof cytosine—substituted Mildiomycin Analogue (Mm-C)by Streptoverticillium rimofaciens ZJU 5 1 1 9[J]． Zhejiang Univ．Sci B，2008，9(1)：77—84．

[4] Liu C，Ruan H，Shen H，et a1．Optimization ofthe fermentation medium for alpha·galactosidase production from A spergillus Foetidus ZU-G1 using response surface methodology[J]．J．food Sci，2007，72(4)：120-125．

[5] Saudagar P S，Singha|R S．Optimization ofnutritional require‘ ments and feeding strategies for clavulanic acid production by Streptomyces clavuligerus[J]．Bioresour technol，2007，98(1 0)： 2010—20l7．

[6] 盂和毕力格，冀林立，罗斌，等．传统乳制品中产 一氨基丁酸乳酸菌的培养基优化[J]．食品工业科技，2009，30(7)：124-127．

[7] 钟为章，罗一菁，张忠智，等．红螺菌科光合细菌液体培养基的优化[J]．化学与生物工程，2009，26(7)：67—69．

[8] 蔡成 岗，郑晓冬．以羽毛为底物发酵产角蛋 白酶培养基的优化[J]_科技通报，2009，25(4)：451-455．

[9] 陈敏，王静馨．模糊正交法用于锌酵母发酵培养基条件优化的研究[J]．食品与发酵工业，1994，5：24-28．

[10] 盛冠忠，李龙，蒋芳．模糊正交法用于棉秆皮纤维提取工艺参数优化的研究[J]．纤维素科学与技术，2009，17(1)：12-16．

[11] Liu D，Wang P，Li F．Application ofuniform design in lisoleucine fermentation[J]．China J Biotechnol，1991，7(3)：207-212．

[12] Wang F Q，Gao C J,Yang C Y．Optimization ofan ethanol production medium in very hign gravity fermentation[J]．Biotechnol Lett，2007，29(2)：233—236．

[13] 王剑锋，李江，王璋．均匀设计法优化烟管菌产漆酶培养基[J]． 微生物学通报，2007，34(4)：625—628．

[l4] 陆燕，梅乐和，陆悦 飞，等．响应面法优化工程菌产细胞色索P450BM23的发酵条件[J]．化工学报，2006，57(5)：l187—1192．

[15] Wu Q L，Chen T，Gan Y．Op timization ofRiboflavin production by recombinant Bacillus subtilis RH44 using stastical design[J]． Appl Microbiol Biotechnol，2007，76(4)：783-794．

[16] 周海鸥，汪传高，张益波．统计学分析方法应用于桑黄菌发酵培养基的优化[J]．食品研究与开发，2009，30(5)：44-48．

[17] 姜丽艳，李雪，逯家辉，等．应用统计学分析方法优化乳链 菌肽发酵培养基[J]．化学反应工程与工艺，2008，24(6)：562—567．

[18] 钟国华 ，何弱，罗建军 ，等．高效氯氰 菊酯降解菌株 HG—P一01

的培养基筛选及优化[J]．微生物学通报，2009，36(5)：672-677．

[19] 王普 ，孙 立明，何 军邀．响应 面法优化热带假 丝酵母 104菌株产羰基还原酶发酵培养基[J]．生物工程学报，2009，25(6)：863—868．

[20]  王惠，吴兆亮，童应凯，等．应用二次回归正交旋转组合设计优化黄霉素发酵培养基[J]．食品研究与开发，2006，27(6)：19—22．

[21]  张钟元 ，王强 ，田金强．奇异变形杆菌产 L_肉碱脱水酶的培养基优化[J]．食品工业科技，2009，30(7)：181-184．

[22] 刘 晓永，王强，刘红芝．基于二次正交旋转 回归试验的酵母 13一 葡聚糖发酵培养基优化[J]．酿酒科技，2007，4：32-36．

[23]  刘雄恩 ，陈聪 ，骆 兰，等 ．基于遗传算法 的苏云金芽孢杆菌培养基配方优化[J]_应用与环境生物学报，2008，14(5)：705-709．

[24] Freyer S，WeusterB．D，Wandrey C．Medium optimization using genetic algorithms[J]．Biochem eng，1992，(8)：16—25．

[25] ZuzekM，Friedrich J，CesmikB，eta1．Op timizationoffermenta- tion medium by a modified method ofgenetic algorithms[J]．JBiotechnol technol，1996，10：991—996．

[26] Nagata Y，Chu K H．Optimization ofa~rmenmtion medium usingneuralnetworks andgenetic algorithms[J]．BiochnolLet 2003，25(21)：1837一l842．

[27] Franco．Lara E，Link H，Weuster-Botz D．Evaluation ofartificia neuralnetworksformodelingandoptimizationofmedium composition with a genetic algorithm[J]．Process Biochemistry 2006，41：2200—2206．

[28] Desai K M，Akolkar S kBa曲e Y P，et a1．Op timization of fermentation media f0r exopolysaccharide production from Lactobocillue plantarum using artificial intelligence—based tech niques[J]．ProcessBiochemistry,2006，41：1842—1848．

[29] 罗剑飞，林炜铁．基于神经网络和遗传算法培养基优化的发酵经济学[J]．食品与生物技术学报，2009，28(3)：424—428．

[30] 宋文军，陈宁，熊明勇，等．L一异亮氨酸发酵培养基的遗传算法优化及发酵过程的神经网络建模[J]．天津师范大学学报(自然科学版)，2003，23(1)：46—50．

[31] 熊明勇，陈宁，张克旭．L一缬氨酸生产菌 的选育及其发酵培养基的模式识别优化[J]_氨基酸与生物资源，2003，25(1)：52—5[32] 罗致强，宫衡 ，付水林．聚类分析在红霉素摇瓶培养基无机盐分析 中的应用[J]_中国抗 生素杂志，2006，3l(3)：172—175．

上一篇：微生物培养基优化方法研究进展（1）

下一篇：微生物技术与环境污染控制