基于BPANN-GA算法的罗伊氏乳杆菌富硒发酵条件优化
侯英健1
周毅峰2
1.湖北民族大学 生物与食品工程学院,湖北 恩施 4450002.生物资源保护与利用湖北省重点实验室,湖北 恩施 445000
摘要：为优化罗伊氏乳杆菌(Lactobacillus reuteri)的富硒发酵条件,采用反向传播人工神经网络结合遗传算法(back propagation artificial neural network combined with genetic algorithm,BPANN-GA)来优化罗伊氏乳杆菌的富硒发酵参数.选取培养温度、培养基pH值、硒质量浓度和加入硒的时间为输入变量,以菌体干重为输出变量建立神经网络模型,该模型的拟合优度达到了 99.27%.模型建好以后,通过遗传算法对最佳培养参数寻优,选取符合设备条件的近似值进行实验验证,最终确定以菌体干重为目标的最佳培养参数是:温度为 36.74℃、培养基pH值为 6.56、硒质量浓度为 1.43μg/mL、加入硒的时间为培养开始后的5.58 h,在该条件下获得的菌体干重为(13.15±0.03)g/L,其硒转化率为(20.23±0.39)%.且该条件下培养的罗伊氏乳杆菌在模拟胃液中3h后的存活率为(89.40±0.42)%,在模拟肠液中3、6 h的存活率分别为(96.70±0.39)%、(95.80±0.25)%,具有较高的耐受性.该方法能够实现罗伊氏乳杆菌的富硒发酵条件优化,为相关研究提供理论基础.
关键词：硒罗伊氏乳杆菌神经网络发酵条件优化遗传算法
分类号：TS2(食品工业)
资助基金：国家自然科学基金(32260070)湖北省高校优秀青年科技创新团队项目(T2020020)
论文发表日期：2024-09-20
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：6( 337-342 )
英文信息