一種產胞外黑色素菌株發酵條件的優化方法與流程
2023-11-07 04:35:15
本發明屬於菌株發酵技術領域，尤其涉及一種產胞外黑色素菌株發酵條件的優化方法。
背景技術：
微生物發酵受諸多因素的影響，微生物發酵的生產水平取決於生產菌的特性和發酵條件(包括培養基)，其中發酵條件對微生物發酵產物的形成有很大的影響，每一種代謝產物都有其最適的生產條件。因此，為了提高bacillussph22產黑色素的水平，本發明在plackett-burman研究基礎上，採用box-behnken響應面設計法優化bacillussph22產黑素色的發酵條件。
響應面法是利用合理的實驗設計並通過實驗得到一定數據，採用多元二次方程來擬合因素和響應值之間的函數關係，通過對回歸方程的分析來尋求最優工藝，解決多變量問題的一種統計學方法。與通常採用的單因子和正交實驗無法找到整個區域上各個因素的最佳組合及響應值的最優值比較，rsm試驗次數少、周期短，求得的回歸方程精確度高，又能研究幾個因素間交互作用，是降低開發成本、優化加工條件、提高產品質量、解決生產過程中實際問題的一種有效辦法，目前己廣泛地應用於農業、生物、食品、化學、製造等領域。
綜上所述，現有技術存在的問題是：現有技術中，發酵液的黑素色乾重獲得率低，不能真實地反映各篩選因素的影響，不能用響應面法優化h22發酵產黑色素的培養條件。
技術實現要素：
針對現有技術存在的問題，本發明提供了一種產胞外黑色素菌株發酵條件的優化方法。
本發明是這樣實現的，一種產胞外黑色素菌株發酵條件的優化方法，所述產胞外黑色素菌株發酵條件的優化方法的初始ph為6.5、溫度為30℃、l-酪氨酸的濃度為1g/l。
進一步，所述的產胞外黑色素菌株發酵條件的優化方法具體包括：
首先用plackett-buman法篩選出初始ph、溫度、l-酪氨酸的含量三個影響大的因素；
然後進行最陡爬坡實驗逐步改變初始ph、培養溫度、l-酪氨酸的濃度，逼近最佳響應面區域；
最後通過box-behnken，利用sas軟體進行回歸分析，得到各因素的最佳培養條件；接種於最優培養基中，培養基初始ph為6.5，l-酪氨酸濃度為1g/l，培養溫度為30℃。
進一步，所述回歸分析的二次多項回歸方程為：
黑色素產量＝-10.31639+2.06373*ph+0.36164*t+0.10081*l-5.50000e-004*ph*t-0.0931*ph*l+0.038437*t*l-0.14692*ph2-6.88613e-003*t2-0.46311*l2。
本發明的另一目的在於提供一種產胞外黑色素菌株發酵條件的優化系統。
本發明的優點及積極效果為：得到的發酵液的黑色素量預測值為2.475g/l。
採用響應面分析法對bacillussph22發酵產黑色素的培養條件進行優化。，首先運用plackett-buman法確定出初始ph、溫度、l-酪氨酸的含量為重要影響因素；然後通過最陡爬坡實驗逐步改變三者的濃度，逼近最佳響應面區域；最後採用box-behnken設計和sas軟體分析確定出主要因素的最優濃度，得到最佳發酵培養條件為：ph6.5，l-酪氨酸濃度1g/l，培養溫度30℃，經培養發酵後，此發酵液的黑素色乾重為2.45g/l，較基礎培養基提高了63.5％。同時，回歸方程所得到的最大預測值與驗證值非常接近，說明回歸方程能較真實地反映各篩選因素的影響，建立的模型與實際情況是比較吻合的，因此用響應面法優化h22發酵產黑色素的培養條件是有效可行的。
附圖說明
圖1是本發明實施例提供的產胞外黑色素菌株發酵條件的優化方法流程圖。
圖2是本發明實施例提供的溫度和ph交互作用的響應曲面和等高線示意圖。
圖3是本發明實施例提供的l-酪氨酸濃度和ph交互作用的響應曲面和等高線示意圖。
圖4是本發明實施例提供的溫度和l-酪氨酸濃度交互作用的響應曲面和等高線示意圖。
具體實施方式
為了使本發明的目的、技術方案及優點更加清楚明白，以下結合實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，並不用於限定本發明。
下面結合附圖對本發明的應用原理作詳細的描述。
本發明實施例提供的產胞外黑色素菌株發酵條件的優化方法的初始ph為6.5、溫度為30℃、l-酪氨酸的濃度為1g/l。
如圖1所示，本發明實施例提供的產胞外黑色素菌株發酵條件的優化方法包括以下步驟具體包括：
s101：首先用plackett-buman法篩選出初始ph、溫度、l-酪氨酸的含量三個影響大的因素；
s102：然後進行最陡爬坡實驗逐步改變三者的濃度，逼近最佳響應面區域；
s103：最後通過box-behnken，利用sas軟體進行回歸分析，得到各因素的最佳培養條件；接種於最優培養基中，培養基初始ph為6.5，l-酪氨酸濃度為1g/l，培養溫度為30℃。
所述回歸分析的二次多項回歸方程為：
黑色素產量＝-10.31639+2.06373*ph+0.36164*t+0.10081*l-5.50000e-004*ph*t-0.0931*ph*l+0.038437*t*l-0.14692*ph2-6.88613e-003*t2-0.46311*l2。
下面結合實驗對本發明的應用效果作進一步的描述。
本發明通過察所擬合的相應曲面的形狀，響應面立體分析圖，從圖中及軟體分析，回歸方程存在穩定點，通過嶺嵴分析(ridgeanalysis)得到極大值所對應的各主要因素(a、b、c)即初始ph、溫度、l-酪氨酸的最佳濃度分別為6.5，30℃，1g/l，此時發酵液的黑色素量最高，預測值為2.475g/l。
下面結合具體實施例對本發明作進一步描述。
圖2是本發明實施例提供的溫度和ph交互作用的響應曲面和等高線示意圖。圖中a代表ph，b代表溫度，c代表l-酪氨酸濃度。
圖3是本發明實施例提供的l-酪氨酸濃度和ph交互作用的響應曲面和等高線示意圖。
圖4是本發明實施例提供的溫度和l-酪氨酸濃度交互作用的響應曲面和等高線示意圖。
為了進一步分析相關變量之間的交互作用和確定最優點，通過軟體做了三個關鍵影響因素對發酵水平交互影響的等高線圖及其曲面圖，如圖2-圖4，從等高線圖可以直觀地反映出兩變量交互作用的顯著程度，圓形表示兩因素交互作用不顯著，橢圓形表示兩因素交互作用顯著。結果表明l-酪氨酸的最佳濃度和初始ph、培養溫度交互作用顯著。通過嶺嵴分析(ridgeanalysis)得到極大值所對應的各主要因素即初始ph、溫度、l-酪氨酸的最佳濃度分別為6.5，30℃，1g/l。
以上所述僅為本發明的較佳實施例而已，並不用以限制本發明，凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護範圍之內。