人工神经网络和遗传算法耦合发酵动力学调控L-赖氨酸发酵研究综述

引言

研究背景及目标

本研究由南京工业大学材料化学工程国家重点实验室和生物制药工程学院的李辉、陈佳俊等研究团队完成，发表于 Bioresource Technology 杂志（2024年第393期）。研究旨在通过人工神经网络（ANN）和遗传算法（GA）的耦合模型优化发酵过程，以提升工业生产中L-赖氨酸的发酵效率。

L-赖氨酸作为一种重要的氨基酸，在食品、医药、农业和工业领域有广泛的应用。然而，尽管高产菌株的开发取得了显著进展，发酵过程的放大和工业化仍然是生产效率提升的瓶颈。基于此，研究团队提出了一种结合ANN与GA的创新发酵控制策略，旨在通过优化关键发酵参数来提高L-赖氨酸的产量。

实验设计与方法

发酵菌株及培养条件

本研究使用的菌株为 Corynebacterium glutamicum KQ_CG032001。菌株通过甘油保存于-80℃，发酵实验采用多级种子培养和补料分批发酵模式：

• 培养基成分：

  • 摇瓶培养基包括蔗糖、酵母提取物、尿素等成分。
  • 主种子培养基和发酵培养基中添加葡萄糖一水合物、硫酸铵、玉米浆等营养物质。

• 发酵条件：

  • 初始pH值调整为7.0，发酵温度为30℃。
  • 使用不同规模的生物反应器逐级扩大培养体积，从500 ml至500 L。

模型建立与优化

1. 人工神经网络（ANN）模型：
   • 采用三层前馈神经网络（4:10:1），输入参数包括残糖浓度（RS）、氨氮浓度（AN）、溶氧（DO）及碳氮比（C/N）。
   • 输出参数为菌体比生长速率（μ）、比底物消耗速率（qs）和比产品生成速率（qp