《补料发酵工艺的应用及其研究进展.pdf》由会员分享，可在线阅读，更多相关《补料发酵工艺的应用及其研究进展.pdf（7页珍藏版）》请在三一文库上搜索。
1、 第35卷 第1期 2005年3月 工 业 微 生 物 Industrial Microbiology Vol. 35 No. 1 Mar. 2005 作者简介:蔡谨(1960年12月出生 ) , 男,博士,副教授。Caij 补料发酵工艺的应用及其研究进展 蔡 谨, 孙章辉, 王 隽, 岑沛霖 (浙江大学材料与化学工程学院生物工程研究所,杭州310027) 摘 要 综述了补料工艺在发酵工业中应用和研究。介绍了补料发酵工艺及其优点,着重讨论 了补料发酵动力学和控制理论研究,以期为补料发酵的应用提供充分的参考依据。 关键词:补料发酵;动力学;控制 早在1915年就有人在酵母大规模发酵过程中 添加营
2、养物,成功地增加了酵母产量。随后,在一些 由碳水化合物生产简单有机化合物(如甘油、 丙酮、 丁醇和乳酸等)发酵生产中,相继出现了中间补加单 一组分或多组分营养物的试验。结果是大多数发酵 的产量都有所提高,培养基中各个成份得到有效利 用。二战以后,补料工艺被广泛应用于抗生素、 氨基 酸和维生素等产品的发酵生产1。但补料工艺几 乎都是经验性的,对它的理论研究相对滞后。 随着计算机的发展,人们不断尝试着把计算机 技术应用于补料发酵的控制。但由于有关数学理论 和模型相对落后,限制了计算机技术在这领域中的 应用。二十世纪70年代末,一些科学家开始把微积 分学、 矩阵、 泛函等数学理论应用到补料发酵的计算
3、 机控制。近年来,一些新兴的控制理论,尤其是模糊 控制理论和神经网络控制理论开始在补料发酵的控 制上得到了运用。这些成果促进了补料工艺在发酵 工业中更广泛的应用2 ,3 ,4。 目前,补料工艺已是工业发酵领域中研究最多、 应用最广的技术之一。本文结合一些例子,就补料 工艺特点、 补料原则、 补料动力学和补料控制理论等 问题展开讨论。 1 补料发酵工艺概述 补料发酵 (Fed 2batch Fermentation)就是指在分 批发酵过程中,间歇或连续地补加含有限制性营养 成分的新鲜培养基。早期的补料方式完全是凭经验 进行的,即发酵到一定时间,经验性地添加一定量营 养物。补料成分简单、 补加的数
4、量少,这种补料方式 简单易行,但往往无法有效控制发酵。在现代大规 模发酵工业中,补料方式已从简单一级补料发展到 多级重复补料,从简单地补加一种营养物发展到补 加几种营养物。补料发酵类型也更加多样。 发酵类型按补料方式分,有连续补料、 不连续补 料和多周期补料;按补加物料的组分分,可分为完全 补料(补入完全的培养基)和半分批补料(补入一种 或几种营养成分 ) ; 按补料控制方式分,有反馈控制 补料和无反馈控制补料;反馈控制补料还可分为直 接控制补料和间接控制补料;按反应器数目分,有单 级和多级之分;按反应器中发酵液体积变化分,有变 体积补料和恒体积补料。 补料一般是在发酵进行至大量生成产物的阶
5、段,因合成产物和维持细胞活动的需要,有选择地补 充营养物质。合适的补料工艺能够有效地控制微生 物的中间代谢,使之向着有利于产物积累的方向发 展。补料发酵补加的营养物质大致有五类: 补充 菌体所需的能源和碳源,如葡萄糖和液化淀粉等; 补充菌体所需氮源,如蛋白胨、 豆饼粉、 玉米浆、 酵母 粉和尿素等有机氮源,有些发酵还采取通入氨气或 添加氨水等; 加入某些菌体生长代谢所需的微量 元素和无机盐,如磷酸盐、 硫酸盐等; 对于产诱导 酶的微生物,常在补料中适当加入该酶的作用底物, 以提高酶的产量; 对一些抗生素发酵,往往需要补 充抗生素形成的前体。 表1是补料发酵中添加营养物的代表性例子: 24 表1
6、 补料发酵中添加的各种营养物 产品补料产品补料 蛋白酶葡萄糖和蛋白胨灰黄霉素葡萄糖 单细胞蛋白甲醇新生霉素各种碳源和氮源 2淀粉酶淀粉 假丝菌素葡萄糖 2葡萄糖酶淀粉 赤霉素葡萄糖 青霉素酰胺酶 苯乙酸钠利福霉素脂肪酸、 葡萄糖 纤维素酶葡萄糖核黄素蜜糖、 葡萄糖 谷氨酸氨水、 尿素、 乙醇维生素B12葡萄糖 苯丙氨酸葡萄糖乙醇葡萄糖 赖氨酸乙醇、 尿素乙二醇甲苯 酪氨酸苯酚丙酮和丁醇麦芽汁 色氨酸甘油、 乙醇、 葡萄糖 聚232羟基丁醇葡萄糖 柠檬酸铵盐木糖醇碳源 乳酸葡萄糖甘油可发酵的糖、 碳酸钙 葡萄糖酸碳酸钙、 氢氧化钙酵母麦芽汁、 氮源 青霉素苯乙酸、 葡萄糖大肠杆菌葡萄糖 链霉素葡
7、萄糖、 硫酸铵苏云金杆菌葡萄糖 土霉素花生油、 豆油生长激素酵母抽提物 金霉素葡萄糖 2胡萝卜素葡萄糖 头孢菌素C葡萄糖、 蛋氨酸肌苷糖液 四环素葡萄糖红曲色素葡萄糖 维生素B2发酵糖亚麻酸糖液 干扰素葡萄糖溶葡球菌酶葡萄糖、 无机盐 洁霉素葡萄糖人参皂苷和多糖 糖液 表皮生长因子 葡萄糖22酮基2L2古龙酸 山梨糖 补料工艺之所以成为发酵工业的应用和研究的 热点,主要因为它有如下特点: (1)有利于菌体的高密度培养 高密度发酵的生 物量可达60150g/ L ,需投入25倍于生物量的 营养物。所以,若将所有的补料一次加到培养基中, 过高浓度的营养物势必造成菌体代谢的紊乱,表现 为迟滞期延长,
8、比生长速率降低,得率下降。每种营 养物都会有一个极限值,如铵盐5 g/ L ,磷酸盐10 g/ L ,葡萄糖100 g/ L。要使微生物始终处于适宜生 长的环境条件和达到高菌体浓度,必须采用恰当的 补料方式。 (2)降低培养基中有毒底物对菌体生长的抑制 有些发酵需要利用甲醇、 醋酸和苯酚等有毒物质作 为培养基成分,这些物质即使在较低浓度下,也会对 微生物生长产生抑制作用。而通过补料,可减小抑 制作用。例如,苯乙酸钠是青霉素G生物合成的前 体,但它对产黄青霉有毒性且易被菌体氧化。生产 上可采取少量多次或连续地补加低浓度的苯乙酸 钠,使它在培养基中的浓度维持在0. 08 %0. 1 % , 保证菌
9、体正常生长和青霉素发酵。 (3)解除高浓度营养物和分解代谢物引起的阻 遏作用 葡萄糖分解代谢物可阻遏包括纤维素酶、 蛋 白酶、 淀粉酶、 转化酶以及氨基酸合成酶等酶的合 成。通过补料来控制菌体生长速率以使酶的合成明 显去阻遏;通过补料还可以减小分解代谢产生的乙 醇、 甲酸、 乳酸等副产物对菌体生长的不利影响。 (4)维持有利的发酵条件 发酵过程中常常发生 pH值的变化,直接加酸或加碱可以快速调整酸碱 度,而通过补加碳源或氮源,可以缓慢而根本地调整 pH值;对于好氧发酵,一次性投糖过多会造成细胞 生长过快,快速消耗氧气,而常规的通风搅拌无法满 足供氧需求。补料可以缓解该矛盾;此外,补料还可 调整
10、发酵液粘度、 氧传递系数等物性参数,改善发酵 环境,有利于细胞生长和产物合成。 2 补料发酵的动力学特征及模型 微生物发酵是多种物质参与的复杂代谢反应的 综合结果,完全从机理出发直接建立过程模型较难 实现,所以,发酵动力学方程几乎都是通过数学模拟 得到的。数学模拟的难点在于发酵过程复杂性、 非 线性以及对象本身具有菌株变异、 培养基组成和其 他环境因素微妙差异等许多不确定因素。 迄今为止,补料发酵已有许多数学模型,有些是 经验模型,有些是机理模型,更多是把两者结合起 来。 比较早提出补料发酵数学模型的是Yoshida等 人5,他们的模型比较简单。该模型是以物料平衡 为基础,并假定补料前后反应液
11、体积不变。后来, Pirt研究了恒体积(补料操作体系)的特征。当菌体 生长开始受营养物限制时,细胞浓度(x)呈线性增 加,比生长速率()随之线性下降。实际上,补料前 后发酵液体积发生变化在生产中更为常见。为此, Pirt提出拟稳态理论。该理论是假定补料发酵所补 的限制性营养物仅被用来合成细胞物质,遵循Mon2 od动力学方程,在 dx dt 0 , ds dt 0的情况下,= D , 这个状态就称拟稳态。上述D为稀释率,s为限制 性营养物浓度,t为时间。拟稳态下, 和 D因培养 液体积不断增加而以相同的速率下降。Pirt进一步 研究了限制性营养物同时作为能源时的情况,理论 推导发现,在限制补料
12、速率的情况下,细胞的生长是 34 第1期蔡 谨,等:补料发酵工艺的应用及其研究进展第35卷 有限的,可用公式表示为:xm= FS m ,式中xm为最大 细胞浓度,F为补料速率,m为维持能系数。此模型 相对较为完善,被大多数工作者沿用或加以改良。 Keller和Dunn把变体积补料分批培养的数学 模型分三种情况, 即 =m,=常数或s0。在 =m的情况下,需在低补加速率、 低体积变化及补 加高浓度营养物条件下操作,才能获得最大生物量。 在=常数时,需采用指数补加并维持营养物浓度 为常数。在s0时,细胞浓度与生长动力学没有关 系。 一些研究同时考虑变体积和恒体积补料。 Dunn以Monod动力学方
13、程和质量平衡原理为基 础,建立了变体积连续补料分批培养和恒体积补料 分批培养的数学模型,在模型中采用无因次变量。 推导发现,在保持低流加速率和低限制性营养物浓 度时,变体积连续补料分批培养和恒体积补料分批 培养得到的无因次产量相当。 Yamane也采用类似方法,建立了变体积和恒 体积补料分批培养的数学模型。利用计算机进行模 拟,研究两种情况下初始条件和包括操作条件、 维持 能系数和饱和常数在内的控制参数对细胞生长的影 响。结果表明在恒体积和变体积两种情况下,生长 都从对数期快速转到稳定期。在对数期末,无因次 营养物浓度很低,稳定期无因次比生长速率、 营养物 浓度及两者的变化率都很小。在恒体积时
14、,无因次 细胞浓度的变化率还取决于稀释率和初始条件。 上述这些模型绝大多数是以Monod动力学方 程为基础。这主要是由于在大多数情况下,实验数 据与Monod方程较为接近。而Bajpai和Reuss6利 用Contois动力学和底物抑制动力学,建立了一系列 青霉素发酵的数学模型,其中包括补料情况下菌丝 量、 青霉素产量、 营养物及体积的变化模型。模型很 好地描述了实验所观察到的比生长速率、 葡萄糖消 耗速率以及青霉素生成速率,并通过拟合实验数据, 得到了模型参数值。 通过这些过程模拟得到的数学模型,可以分析 过程的内在机理,预测补料发酵的生化过程,还可以 在模型基础上进行过程优化与控制,提高发
15、酵产量 和质量,降低能耗与成本。 3 补料发酵的控制 补料发酵有两个基本问题。一个是补什么。补 加的物质应该是能产生最大效应的营养物。这需要 对发酵微生物生理和生化有充分的了解。另一个是 如何控制补料。补料过量或不足都会影响菌体生长 和产物的形成,甚至会导致发酵失败。 3. 1 无反馈控制的补料 这种控制方式所加入营养物的流量是预先设定 的。因此,反映系统状态的数学模型的准确程度是 成败的关键。目前无反馈控制补料方式有三种:恒 速补料、 变速补料和指数补料。 3. 1. 1 恒速补料 在恒速补料发酵中,以预先设定的恒定速率补 加限制性营养物。相对菌体来说,营养物浓度是逐 渐降低的,菌体比生长速
16、率也是下降的,而菌体总量 是线性增加的。 恒速补料在一定程度上满足了菌体对养料的需 要,避免了营养物抑制,但这种方法往往只是根据一 个参数指标控制的。这类操作常见于早期报道。 3. 1. 2 变速补料 变速补料是在培养过程中补加速率以梯度、 阶 段或线性等方式不断增加。它可以在菌体浓度较高 的情况下加入更多营养物来促进细胞的生长,实现 细胞比生长速率不断增加,有利于产物的形成。尽 管比较粗糙,但要优于恒速补加法7。 3. 1. 3 指数补料 指数补料是一种简单而行之有效的方法。补加 速率呈指数增加,它能够使反应器中营养物浓度控 制在较低的水平,而使菌体的比生长速率为恒定值, 菌体密度呈指数增加
17、。指数补料较好地配合菌体的 生长过程,又不需要特别复杂的仪器,因而,受到了 较多的重视。Yee8认为大肠杆菌高密度培养中最 成功的手段就是指数补料。当然,这种方法需要对 发酵的具体过程有充分的了解,以确定合适的补料 参数。 3. 2 反馈控制补料 实际发酵过程常会与预设过程有偏差,如果能 及时地纠正偏差,就可使反应朝预定方向进行,否则 将很难达到预期的目标。反馈控制补料就是在发酵 44 第1期工 业 微 生 物第35卷 过程中对反应器内的营养物浓度、 产物浓度以及细 胞浓度等参数进行实时或在线检测和控制。 中间补料的前提就是了解发酵参数与微生物代 谢、 营养物利用以及产物形成之间的关系,选择恰
18、当 的反馈控制参数。可控制的参数有直接测量参数和 间接测量参数。直接测量参数为温度、pH、 溶解氧 浓度、 光密度、 营养物浓度、 压力和尾气成分等,它们 均可用仪器设备直接测量。间接测量参数包括比生 长速率、 菌体细胞浓度、 摄氧率、 氧气转移率、 二氧化 碳增长率和呼吸商等。它们可用一个或多个直接测 量参数值评估或计算得到。 3. 2. 1 简单反馈控制(又称单一循环法)补料 此法控制与营养物利用相偶联的pH或溶解氧 浓度等参数,使之保持恒定。例如,预先设定pH恒 定值,发酵中菌体代谢产生酸性物质或铵,使pH值 发生改变,从而启动控制开关,开始补料,pH恢复至 恒定值;以溶解氧浓度作为补料
19、开关则是根据培养 基中某种关键营养物(主要是碳源)消耗,会导致溶 解氧浓度迅速改变。 Robbin等9通过pH反馈控制补加葡萄糖,维 持大肠杆菌发酵液的pH恒定,结果推迟了比生长 速率下降的时间,细胞密度是间歇发酵的2倍;李毅 等10报道在培养过程中保持适当的溶解氧(40 %) , 以溶氧值在线反馈控制搅拌速度及流加补料培养 基,使细菌保持适当的比生长率,成功地进行了工程 菌的高密度培养。该方法操作较为简单,但带有经 验性,易滞后。 3. 2. 2 根据营养物摄取或需求量来控制补料 就是在线检测培养基中营养物浓度,通过补料 将营养物控制在设定值内。这类方法在补料控制中 常见,控制的对象往往是葡
20、萄糖浓度。如何艳玲等 人11采用间歇补料分批发酵纳他霉素。发酵中间 歇补糖使葡萄糖浓度维持在2 % ,纳他霉素的产量 可提高35 %; Kim等人12在真养产碱菌补料发酵 生产聚32羟基丁醇中,采用葡萄糖分析仪检测,并 通过补料将葡萄糖浓度维持在设定范围内,得到了 高浓度细胞和产物。 也可用其它测定方法或参数来评估和预测营养 物中葡萄糖消耗率。Konstantinov等人在大肠杆菌 补料发酵时利用溶氧计实时检测发酵液中的溶氧 量,估算出葡萄糖摄取率,进而控制补料速率; Kle2 man等人13在大肠杆菌补料发酵中,为避免葡萄糖 分析仪不稳定性而带来的误差,采用在线测定最近 5个葡萄糖数据作回归
21、方程来预测决定下一刻的葡 萄糖需求量(前馈部分 ) , 介于预测值和实测值之间 的误差,可通过反馈部分调节F来修正误差(后馈 部分)。 3. 2. 3 根据比生长速率来控制补料 菌体的比生长速率越大,说明该微生物生长 得越快,消耗营养物越多。Riesenberg等14在重组 大肠杆菌高密度培养中,考虑了菌体的乙酸产生临 界比生长速率和产物的最佳生成比生长速率值,通 过反馈调节葡萄糖补加速率、 调节转速和通气控制 溶氧在20 %以上等措施控制比生长速率,获得了高 密度细胞培养;也有人利用摄氧率数据来计算比生 长速率,根据控制葡萄糖补加速率,得到高产量 的青霉素。 3. 2. 4 根据尾气成分分析
22、来控制补料 营养物的利用通常伴随着CO2等气体的释放。 测定出口气体,类似于分析营养物,也能用来控制补 料速率。在啤酒酵母生产谷胱甘肽中,运用前馈2后 馈控制系统来调整补料速率F。分析发酵罐排出的 尾气用于计算F近似值(前馈 ) , 然后用乙酸浓度的 实际值来修正F值(后馈)。预先设定CO2的控制 值,实时测定尾气中CO2,根据其大小调整补料速 率。这种控制方法比较简单,可用于产气发酵的控 制,但易滞后。 3. 2. 5 根据细胞形态学控制补料 在一些微生物培养时,细胞形态学变化与培养 条件(如溶解氧浓度,剪切速度,培养基成分密切相 关)。Ronen15研究酵母样真菌发酵普鲁兰多糖。 他们确定
23、的补料规则是保持高浓度酵母样细胞。当 酵母样细胞浓度减小到某种程度时启动补料。当 然,这需要有影像传感器检测发酵液中细胞形态变 化。 3. 2. 6 模糊控制的补料 发酵中的可测参数与生物的生长和代谢之间, 难以用确切的数学关系来描述,而用隶属函数来描 述它们的模糊关系似乎更加恰当。当常规检测和控 制方法难以精确地反映系统的运行状态时,模糊控 54 第1期蔡 谨,等:补料发酵工艺的应用及其研究进展第35卷 制理论更有其独到之处。 运用模糊控制理论主要有三个步骤: 模糊化 模糊推理 解模糊。首先,清晰的测量数据归一 化后成为语言值,如” 大” 和” 小” 或” 高” 和” 低”,在单 一的输入单
24、一的输出系统中,两种参数是用来模糊 化的,即每个变量的误差(E)和误差的变化率(CE) ; 接着,利用误差和误差的变化率使每一个变量赋予 相应的模糊值,如 PB ( 正大)、 PS( 正小)、 ZE( 零)、 NS( 负小)等等。下一步,通过设定的法则,语言化 值决定控制输入变量U的隶属值。模糊理论要用 到一定的判断法则,例如: 法则1 : IF(E = PB AND CE = NS) THEN U = NS 法则2 : IF(E = NB AND CE = NS) THEN U = PS 根据E和CE的相互关系,这一系列法则可列 成一个法则表。对于给定的E和CE ,模糊推理机 都将依据法则给
25、出各规则下的隶属函数值。最后, 这些语言化的隶属函数值利用重心法等方法解模糊 后得出明确的控制输入值。 Kitsuta和Kishimoto16研究谷氨酸发酵控制时 发现,由于缺乏足够的影响糖浓度的量化信息,不易 建立控制模型。即使在参数完全明确的情况下,在 整个过程中实现计算机控制也不实际。糖蜜补给方 法和青霉素添加时间都显著地影响谷氨酸产量。特 别地,在生产初期,糖的匮乏将导致谷氨酸的减产。 为解决这些问题,建立了一套模糊控制体系。在生 产早期补入充足的糖蜜;在生产后期,糖蜜的补充则 用PID控制器调节。 Nytlle和Chindambaram17开发了一种模糊控 制系统。在青霉素补料发酵中
26、,以产物浓度和补料 速率F两变量的误差作为识别变量,调节F可控制 产物浓度。模拟运行了几轮之后,建立起一套由六 项法则组成的模糊控制系统。 在常规模糊逻辑控制中,若控制变量的初始误 差较大时,控制器反应过敏会导致补料过量。Alfa2 fara等人23使用两步法改进常规模糊控制。第一 步,测定葡萄糖的” 状态”(累积或者不足 ) , 避免控制 器过分反应;用改进的前馈 反馈控制器操纵葡萄 糖的补加。第二步,利用优化比生长速率,在维持乙 酸浓度不变时,使产量最大化。 模糊理论还被用于补料发酵的建模上。如Jit2 sufuchi24建立的模糊逻辑模型中,一套模糊模型用 于描述运动发酵单胞菌生长抑制的
27、过程; Kishimo2 to25开发出一套在各个不同生长时期进行专门链 式培养的体系; Terhi等人26研究了基于模糊知识 理论的实时系统,将其用于酵母培养的检测和控制。 模糊控制过程中所有隶属函数以及各个模糊控 制规则的来源依赖设计人员的经验,因此设计人员 经验的正确与否直接关系到模糊控制的结果。模糊 控制规则的主观性是不可避免的,而且模糊控制器 不具有学习能力,因此不能根据过程的历史记录来 纠正人为设计规则中的错误。 3. 2. 7 神经网络控制补料 外界信息通过人的感觉器官经神经传导到大 脑,在大脑中,一些神经元细胞被激活,并在各细胞 间产生强烈的相互作用,最后形成结论,指挥器官做
28、出反应。人工神经网络控制就是模拟人类大脑的运 行机制,采用处理单元代替神经元,依靠贮存于处理 单元之间相互关联的信息实现控制。当前,很多人 在研究用神经网络模型来描述发酵过程,即所谓发 酵过程神经网络控制。采用这一模型来预报发酵状 态是否正常,预测发酵阶段,预测代谢状态、 产物、 营 养物浓度和各种抑制状态的产生等。 Boskovic和Narendra27共同完成了一项以神 经网络为基础的发酵控制系统。他们对线性,非线 性和神经网络各系统的控制补料作了比较。通过计 算机对面包酵母补料发酵进行模拟。他们证实,在 缺少对发酵动力学参数了解的情况下,采用神经网 络系统控制最佳。 神经网络控制系统的最
29、大优点是它类似于大 脑,具有自学能力,可以从过程的历史记录中直接提 取过程影响因素与过程性能间的关系,建立过程模 型和自适应控制器。 Ye等人28在用重组大肠杆菌生产 2半乳糖苷 酶的过程中,研究了一组状态变量和一组控制变量 的相互关系,发现这种关系可用多层神经网络结构 加以体现,并可用实验数据学习训练这种结构。利 用这种神经网络控制系统,可获得细胞密度为 84g/ L ,而非神经网络控制获得的细胞密度为29g/ L。 64 第1期工 业 微 生 物第35卷 有人用神经网络系统控制苏云金芽孢杆菌补料 发酵。这种神经网络检测器从18个发酵实验得到 的过程数据中加以学习和训练。用此神经网络系统 预
30、测得到的变量值与实际测量值吻合很好,均方差 减少到0. 293(大约 2 %) 。 Zuo等29采用杂合神经网络和遗传运算优化 和控制苏云金芽孢杆菌的补料发酵。由杂合神经网 络模型建模。遗传运算确定补料速度。半实时优 化,每1 h优化一次,每个优化步骤6 min内完成。 这系统大大增加了发酵产量。 有研究者将神经网络和模糊理论相结合用于补 料发酵控制。Ralph30采用含有模糊和神经网络的 杂合模型,设计和优化透明质酸酶补料发酵;Shi和 Shimizu31研究出将神经网络和模糊理论相结合的 一种方法。在啤酒酵母发酵中,他们用模糊法则测 得溶解氧浓度和乙醇浓度值来计算F ,溶解氧浓度 和乙醇浓
31、度的变化情况由神经网络识别,F则随这 些变化进行调整。 4 结束语 补料工艺是控制中间代谢、 提高产量的一个灵 活而有效的手段。当然,应该根据具体菌种或培养 条件,确定最适的补料种类、 补料量和补料方式。 补料控制是整个补料发酵生产中的关键。相对 而言,反馈控制的补料方法具有控制准确和操作重 复性好等优点。但必需有精确可靠的生化检测仪 器,在线测定发酵液温度、 酸碱度、 营养物和产物等 数据。现在的问题是这些检测仪器的研制相对滞 后,使用的寿命短和对环境要求高,这些都限制了反 馈控制补料工艺的应用。 神经网络控制有很强的非线性映射能力。通过 网络内部权值的调整来拟合系统的输入和输出关 系。但是
32、,神经网络是根据知识库来实现发酵控制 的,因此,建立丰富而系统的知识库是神经网络控制 的前提。 我们有理由相信,随着人们对微生物生理和生 化了解的深入、 传感技术的改善以及计算机和现代 控制理论不断发展,补料发酵技术必将会有更大的 改进和更广泛的工业应用。 参考文献 1 Lee , Jeongseok; Lee , Sang Yup ; Park , Sunwon; Middelberg , Anton P. J. Control of fed2batch fermentations. Biotech Adv , 1999 , 17(1) :29 2 Horiuchi ,Jun2Ichi ,
33、Kishimoto ,Michimasa. Application of fuzzy control to industrial bioprocesses in Japan. Fuzzy Sets and Sys2 tems , 2002 ,128(1) :117 3 Patnaik , P. R. An integrated hybrid neural system for noise fil2 tering , simulation and control of a fed2batch recombinant fermen2 tation. J Biochem Eng , 2003 ,15
34、( 3) :165 4 James Scott , Legge Raymond , Budman Hector. Comparative study of black2box and hybrid estimation methods in fed2batch fermentation. J of Process Control , 2002 , 12( 1) :113 5 Yoshida F. ,Yamane T. ,Nakamoto , K. . Fed2batch hydrocarbon fermentation with colloidal emulsion feed. Biotech
35、 and Bioeng , 1973 ,15(2) :257 6 Bajpai R. K. , reuM. Evaluation of feeding strategies in carbon2 regulated secondary metabolite production through mathematical modeling , Biotech and Bioeng ,1981 ,23(4) :717 7 Yan Qun , Du Guocheng , ChenJian. Biosynthesisof polyhydrox2 yalkanoates ( PHAs) with con
36、tinuous feeding of mixed organic acids as carbon sources by Ralstonia eutropha. Process Biochem , 2003 ,39(3) :387 8 Yee L. ,Blanch H. W. ,Recombinant trypsin production in high cell density fed2batch cultures in Escherichia coli. Biotech and Bioeng ,1993 ,41(8) :781 9 Robbins J. W.Jr. ,Taylor K. B.
37、 Optimization of Escherichia coli growth by controlled addition of glucose. Biotech and bioeng , 1989 ,34(10) :1289 10 李毅,蒲勤,赵忠良等.溶氧反馈2分批补料高密度培养人骨 形成蛋白22工程菌.生物工程学报,2002 ,18(6) : 718 11 何艳玲,邬建国,路福平等.间歇补料分批发酵提高纳他霉素 产量.药物生物技术,2002 , 9(4) : 224 12Kim BS. , Lee SC , Lee SY. Production of poly(32hydroxybu
38、2 tyric acid) by fed2batch culture of Alcaligenes eutrophus with glu2 cose concentration control. Biotech and Bioeng , 1994 , 43 :892 13Kleman GL. ,Chalmers JJ , Luli GW , Strohl WR. A predictive and feedback control algorithm maintains a constant glucose con2 centration in fed2batch fermentations.
39、Appl Environ Microbiol , 1991 , 57 :910 14Riesenberg D. , Schulz V. , Knorre W. A. ,et al. High cell densi2 ty cultivation ofEscherichia coliat controlled specific growth rate. J of Biotech ,1991 ,20(1) :17 15Ronen , M. Guterman H. , Shabtai Y. monitoring and control of pullulan production using vis
40、ion sensor. J Biochem Biophys Meth2 ods , 2002 , 51 :243 74 第1期蔡 谨,等:补料发酵工艺的应用及其研究进展第35卷 16Kitsuta Y, Kishimoto M , Fuzzy supervisory control of glutamic acid production. Biotech and Bioeng , 1994 , 44 :87 17Nyttle VG. ,Chidambaram M , Fuzzy logic control of glutamic acid production , Biopro Eng , 1
41、993 ,9 :115 18Alfafara CG. , Miura K, Shimizu H, Shioya S. et al. , Fuzzy control of ethanol concentration and its application to maximum Glutathione production in yeast fed2batch culture. Biotech and Bioeng , 1993 ,41 :493 19Jitsufuchi T. ,Ishikawa H, Tanaka H, Matsushima K. A simple methodof fuzzy
42、 modeling for a microorganism reaction. J Ferm Bioeng ,1992 , 74(5) :312 20Kishimoto M. , Kitta Y, Takeuchi S, Nakajima M , Yoshida T. Computer control of glutamic acid production based on fuzzy clus2 terization of culture phases. J Ferm Bioeng , 1991 ,72(2) :110 21 Terhi S. , Pekka L , von Numers C
43、. et al. , Real2time fuzzy2 knowledge2based control of bakers yeast production. Biotech and Bioeng , 1995 ,45 :135 22Boskovic JD. ,Narendra KS. Comparison of linear , nonlinear and neural2network2based adaptive controllers for a class of fed2batch fermentation processes. Automatica ,1995 ,31(6) :817
44、 23Ye K. ,Jin S, Shimizu K. Fuzz neural network for the control of high cell density cultivation of recombinant Escherichia coli. J Ferm Bioeng , 1994 ,77(6) :663 24Zuo , K. , Wu , W. T. Semi2realtime optimization and control of a fed2batch fermentation system. Computers and Chem Eng , 2000 ,24(227)
45、 :1105 25 Berkholz Ralph , Rohlig Dirk , Guthke Reinhard.Data and knowledge based experimental design for fermentation process op2 timization. Enzyme Microb Technol , 2000 , 27(10) :784 26Shi Z. , Shimizu K. , Neuro2fuzzy control of bioreactor systems with pattern recognition. J Ferm Bioeng , 1992 ,
46、74(1) :39 Application of fed2batch fermentation process and its research progresses CAI Jin , SUN Zhang2hui , WANGJuan , CEN Pei2lin (Institute of Biochem. Eng. , College of Mat. kinetics; control 本刊常用计量单位符号简介 为执行国务院发布的 关于在我国统一实行法定计量单位的命令 的规定,根据中华人民共和国国家标准 (GB3100 3102 - 93)量和单位 一书所述内容,现将本刊常用的计量单位符号
47、介绍如下 ,请广大作者参照执 行。 日(天)d;时 h;分 min;秒 s;吨 t ;公斤(千克)kg;克 g;毫克 mg;微克 g;纳克 ng;升 L ;毫升 mL ;微升 L ;克分子浓度(M) :废用,改为摩尔每升mol/L ;当量浓度(N) :废用,换算成相应的 mol/L ;旋转速度 r/ min;蒸汽压力、 压强:帕(斯卡) Pa( 许用) ;kg/ cm2(废用 ) ; 磅(废用) ;0. 55kg/ cm2 (8 磅) 0. 55105Pa ,1. 05kg/ cm2 (15 磅)1105Pa;百分数的使用:3640 %(错误) ,36 %40 %(正确 ) ; 国际单 位 IU。 84 第1期工 业 微 生 物第35卷