格氏乳杆菌GU-G23高密度培养因子多维度优化及其验证
廖艳婷1
李锐定1
黄国宏2
梁晓琳2
周樊1
麻志泽1
时凤翠1
李全阳1
1.广西大学轻工与食品工程学院,广西南宁 5300042.广西职业技术学院食品与生物技术学院,广西南宁 530226
摘要：为提高具有益生特性格氏乳杆菌GU-G23的生物量,获取其高密度培养因子,该研究首先通过单因素实验和Plackett-Burman实验筛选出该菌株主要的生长营养因子为鱼蛋白胨、胰蛋白胨、柠檬酸三铵.以响应面实验设计组合作为机器模型训练样本,采用随机森林回归(Random Forest Regression,RFR)和径向基神经网络(Radial Basis Function Neural Network,RBF)模型对其培养基配方进行预测.以决定系数(R-squared,R2)、平均绝对误差(Mean Absolute Deviation,MAE)、均方误差(Mean-Square Error,MSE)和平均绝对百分误差(Mean Absolute Percentage Error,MAPE)作为模型评价指标,比较认为RBF在该研究中具有更好的预测性能.随后选择RBF神经网络和遗传算法(Genetic Algorithm,GA)结合对培养基主要成分进行了优化.最终获得该菌株培养基的优化配方为:鱼蛋白胨29.89 g/L,胰蛋白胨23.33 g/L,柠檬酸三铵4.34 g/L,蔗糖15.00 g/L,低聚果糖15.00 g/L,乙酸钠5.00 g/L磷酸氢二钾0.40 g/L,七水硫酸镁0.58 g/L,一水硫酸锰0.29 g/L,吐温-801.00 g/L.在此培养基条件下,所得样品活菌数达到5.21×109 CFU/mL,是未优化前的4.57倍.该研究对微生物高密度培养优化预测提供了新的方法.
关键词：格氏乳杆菌培养基优化随机森林径向基神经网络遗传算法
资助基金：国家自然科学基金(31871802)
论文发表日期：2023-10-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 79-88 )
英文信息