格氏乳杆菌GU-G23高密度培养因子多维度优化及其验证

Multi-dimensional Optimization of High-density Lactobacillus gasseri GU-G23 Culture

二维码有效期 120s

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.