摘要：通过改良微生物菌株以提高产品产量一直是所有商业发酵的目标。通常，通过突变、选择或基因重组的方法实现菌株改良。初级或次级代谢产物的高效生产是一个复杂的过程，成功开发改良菌株需要生理学知识，通路的调控以及创新性筛选方法的设计。此外，它需要掌握每种菌株的发酵过程，以及培养基的优化和工艺条件微调等基础知识。因此，探究可用于改良微生物菌株的各种方法，并解决菌株筛选问题、目标生物选择背后所运用的工具和技术以及发酵过程的优化极为重要。

关键字：微生物，筛选，工艺优化

引言：生物技术行业的基础是利用微生物，植物和动物细胞的代谢活动来生产各种化合物，这些化合物可以应用于化学，食品，制药和医疗保健等行业。菌株改良是通过操纵和改良微生物菌株的代谢能力以增强其在生物技术中的应用。几个世纪以来，人们一直在通过培养具有独特遗传特性的特定微生物来提高微生物菌株的商业特性，如在发酵食品和饮料（如酸奶、奶酪和葡萄酒）中使用专门的菌株进行制备。从19世纪开始，现代工业微生物学的出现使纯培养和菌株开发的应用成为可能。随着生物化学工程和生物分子操纵技术的进步，使得我们能更具针对性的开发微生物菌株。此外，基于深层发酵和无菌操作技术、发酵反应器的设计以及发酵过程的控制，发酵行业也在蓬勃发展。如今，保健品，氨基酸，食品添加剂和抗生素的大规模生产证明了菌株改良在制药和发酵行业中的重要作用。

1.微生物菌株的筛选

在降低发酵成本方面，与改进发酵罐设计工程相比，选择一种可以使用相同量的原料即可合成更高比例产物的菌株显得更为容易。通过改变基因序列（基因重组和基因突变）可以影响菌株生产关键的生物合成酶，改善微生物菌株，从而导致产生过量代谢物进而达到工业用途所需水平，降低生产成本。值得注意的是，除了进行修饰外，菌株的成功开发还取决于有效的筛选和鉴定方法。随机诱变/选择是菌株改良的常用方法。诱导突变后，随机挑选菌株并测试其产生目标代谢物的能力。筛选大量的突变生物通常能识别出改良的突变体。此外，与基因工程相比，它可以在最短的时间内获得收益，并在数年内保持这种改良效果。但是，随机选择方法的一个缺点是它对突变类型没有针对性和非特异性，因此需要筛选许多菌株才能在混合种群中分离出改良的突变体。选择改良菌株的过程已成功应用于许多工业生产。它涉及三个基本原理的重复应用：（1）诱变种群以诱导遗传变异，（2）从存活种群中随机选择和筛选，并通过小规模模型发酵找到改良菌株，以及（3）产品发酵液/琼脂的测定及改良菌株的评分。每次突变获得改良菌株，再作为亲本菌株进行新一轮的突变、发酵（液体或固体）筛选、测定[1]。重复以上步骤，直到目标菌株出现。因此，筛选程序的设计通常是为了最大限度地提高用于寻找改进培养的方法的精度和选择性，并在处理未诱变的对照或参考样品时最小化变异性（以变异系数测量）。

2.发酵工艺的优化

在工业环境中，发酵培养基在工艺开发过程中不断优化，同时产生具有较高生产力或其他所需属性的新菌株。由于对生物体代谢途径的了解有限，因此通常需要采用经验方法改进培养基。通过统计实验设计也可以用于筛选进而优化发酵营养物/条件，以获得最佳工艺性能。此外，一些较新的技术包括使用进化算法（例如遗传算法和粒子群算法）也可改进发酵过程。人工神经网络也被用来改进发酵介质和各种工艺参数。

2.1传统的发酵培养基设计

几个世纪以来，通过设计传统或特殊的培养基来改善发酵。在现代，更系统的方法已应用于培养基设计。这些方法模拟了组成细胞生长的营养成分。通常，由50%的碳和8%的氮组成的微生物将在C：N比为6.25的培养基中生长。通过反复试验或基于对该生物体代谢途径的了解设计特定碳源和氮源[2]。此外，还必须注意平衡细胞中的磷酸盐、硫酸盐、镁和其他盐。上述方法非常适合初级代谢物和分批培养，但不适用于分批补料系统，例如次级代谢物的生产阶段可能会通过连续添加碳源而延长。

2.2进化计算方法

智能计算的进步带来了几种优化方法，通常称为进化计算方法。进化算法是非基于模型的优化方法，能够同时优化大量发酵变量。该方法是迭代的，不需要微生物学家对营养浓度或条件的范围进行任何初步推测。遗传算法（GA），类似于基因突变和自然选择，是一种搜索算法，实现对具有个体类型种群的多因子设计的搜索。计算种群中每个个体（通常为单个培养瓶）的适应度；适合度与预期的反应有关，例如效价、生产率或成本。然后根据适应度计算生成新的个体并开始下一次迭代。进化计算方法的另一个例子是粒子群优化（PSO）。与遗传算法一样，粒子群优化从营养水平或浓度不同的个体开始。摇瓶实验以迭代方式进行，每次迭代代表一组溶液，这些溶液在整个发酵成分空间中移动以寻找最佳浓度。每个个体都“记住”自己的最佳滴度和种群最佳滴度的位置。PSO算法使用这些数据为下一轮发酵修改培养物的营养水平。在多次迭代（通常为8±12）之后，会聚集在代表全局最佳滴度的一个或多个个体周围。

2.3统计实验设计

统计实验设计已被广泛用于首先筛选然后优化发酵过程，可以使用JMP等商业软件包快速分析数据。商业软件的可用性在很大程度上使统计实验设计成为发酵工业的现状。可以使用Plackett-Burman设计法筛选大量因素，使得某些因素由于对特定发酵没有显著影响而被消除，其他因素被保留并进行进一步检验。对于2到5个发酵变量，最常用的优化方法是响应面法[3]。基于有限的数据集构建经验模型。该模型通常采用二阶多项式方程的形式，用于预测获得最大期望响应所需的营养水平。由于考虑并量化了因素之间的相互作用以及二次效应（即曲率），因此使用较为广泛。

2.4人工神经网络

人工神经网络（ANN）已应用于微生物和哺乳动物细胞发酵。作为人工智能在发酵工艺生产中的应用，ANN更广泛地用于发酵过程控制，而不是优化本身。大多数ANN可以用统计软件实现非线性回归和判别模型。一些研究试图将ANN与统计实验设计作为设计发酵培养基的方法进行比较。ANN的优点包括它们需要最少的生物系统知识，可以处理非线性响应，并且能够在训练示例之外进行推广。主要缺点是需要相对大量的过程数据。

结语

经典菌株的开发通常依赖于改良菌株的突变和随机筛选。这种经验方法有很长的成功历史。尽管菌株的改良和筛选技术已经成熟，但随着科学技术的进步和实际生产的需要，对发酵工艺的优化也成为人们关注的焦点。将分子遗传学和生化工程相结合，以在工艺改进上产生协同效应。未来我们也要根据最新的进展及时改进和应对生产生活需求，将重点放在次级代谢产物的微生物发酵上，为微生物菌株的筛选和发酵工艺的优化提供新借鉴。

参考文献

[1] 杨婧，郑娴余，魏光强，赵存朝，毛兴菊，黄艾祥.发酵牦牛乳菌种筛选及加工工艺优化[J].中国奶牛，2020，No.365（09）：44-49.

[2] 何海燕，黄舒琳，李东霖，黄琦琦，黄智娴，覃拥灵.产农用抗生素的菌种筛选鉴定及活性产物的初步研究[J].饲料研究，2021，44（18）：67-72.

[3] 荣楠，李备，唐昊冶，林先贵，冯有智.微生物菌种筛选技术方法研究进展[J].土壤，2021，53（02）：236-242.