[go: up one dir, main page]

CN120099235A - 一种微生物发酵工艺的优化方法及装置 - Google Patents

一种微生物发酵工艺的优化方法及装置 Download PDF

Info

Publication number
CN120099235A
CN120099235A CN202510594701.0A CN202510594701A CN120099235A CN 120099235 A CN120099235 A CN 120099235A CN 202510594701 A CN202510594701 A CN 202510594701A CN 120099235 A CN120099235 A CN 120099235A
Authority
CN
China
Prior art keywords
product
fermentation
single experimental
data
experimental parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202510594701.0A
Other languages
English (en)
Inventor
张强
吕康宁
赵策
岳树威
邢超
贾文雅
王海龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Huanuotai Biomedical Technology Co ltd
Original Assignee
Beijing Huanuotai Biomedical Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Huanuotai Biomedical Technology Co ltd filed Critical Beijing Huanuotai Biomedical Technology Co ltd
Priority to CN202510594701.0A priority Critical patent/CN120099235A/zh
Publication of CN120099235A publication Critical patent/CN120099235A/zh
Pending legal-status Critical Current

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q3/00—Condition responsive control processes
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K14/00—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof
    • C07K14/005—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof from viruses
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12P—FERMENTATION OR ENZYME-USING PROCESSES TO SYNTHESISE A DESIRED CHEMICAL COMPOUND OR COMPOSITION OR TO SEPARATE OPTICAL ISOMERS FROM A RACEMIC MIXTURE
    • C12P21/00—Preparation of peptides or proteins
    • C12P21/02—Preparation of peptides or proteins having a known sequence of two or more amino acids, e.g. glutathione
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
    • C12N2760/00—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA ssRNA viruses negative-sense
    • C12N2760/00011—Details
    • C12N2760/18011—Paramyxoviridae
    • C12N2760/18511—Pneumovirus, e.g. human respiratory syncytial virus
    • C12N2760/18522—New viral proteins or individual genes, new structural or functional aspects of known viral proteins or genes

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Organic Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Molecular Biology (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Biotechnology (AREA)
  • Physics & Mathematics (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Medical Informatics (AREA)
  • Biochemistry (AREA)
  • Genetics & Genomics (AREA)
  • Biophysics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Microbiology (AREA)
  • Databases & Information Systems (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Gastroenterology & Hepatology (AREA)
  • Evolutionary Computation (AREA)
  • Epidemiology (AREA)
  • Physiology (AREA)
  • Medicinal Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Virology (AREA)
  • General Chemical & Material Sciences (AREA)
  • Public Health (AREA)
  • Bioethics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Immunology (AREA)
  • Preparation Of Compounds By Using Micro-Organisms (AREA)

Abstract

本发明涉及微生物发酵技术领域，尤其涉及一种微生物发酵工艺的优化方法及装置。微生物发酵工艺的优化方法包括：构建RSV融合前F蛋白发酵过程中的微生物生长动力学方程和产物生成动力学方程，产物生成动力学方程用于表征产物与细胞最大比生长速率之间的函数关系；基于平台工艺发酵条件且改变单个实验参数，得到不同发酵条件下的微生物生长数据与产物生成数据；根据不同发酵条件下的微生物生长数据与产物生成数据、微生物生长动力学方程和产物生成动力学方程进行数据分析，得到产物和单个实验参数之间的函数关系；然后预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化。从而在无需大量实验的前提下，实现微生物发酵工艺优化。

Description

一种微生物发酵工艺的优化方法及装置
技术领域
本发明涉及微生物发酵技术领域，尤其涉及一种微生物发酵工艺的优化方法及装置。
背景技术
目前，微生物产品发酵应用越来越广泛，例如疫苗等在医学上的应用。为进一步提高微生物发酵产品的产量，通常需对微生物发酵工艺进行反复优化。
但发明人发现，在传统工艺中，优化实验繁琐，工作量大，且难以发现发酵条件和产物之间的直接关联性。
发明内容
为此，本发明的目的是，提供一种微生物发酵工艺的优化方法及装置，从而建立发酵条件与产物生成之间的直接联系，准确把握各个发酵参数的最优值。
根据本发明的第一方面，提供了一种微生物发酵工艺的优化方法，包括如下步骤：
构建RSV融合前F蛋白发酵过程中的微生物生长动力学方程，微生物生长动力学方程用于表征微生物的生长与细胞最大比生长速率之间的函数关系；构建RSV融合前F蛋白发酵过程中的产物生成动力学方程，产物生成动力学方程用于表征产物与细胞最大比生长速率之间的函数关系；基于平台工艺发酵条件并且改变单个实验参数，得到不同发酵条件下的微生物生长数据与产物生成数据；单个实验参数包括但不限于温度、溶氧、pH、接种量和转速中的任意一个；根据不同发酵条件下的微生物生长数据与产物生成数据、微生物生长动力学方程和产物生成动力学方程进行数据分析，得到产物和单个实验参数之间的函数关系；根据产物和单个实验参数之间的函数关系，预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化。
如上的方面和任一可能的实现方式，进一步提供一种实现方式，构建RSV融合前F蛋白发酵过程中的微生物生长动力学方程，包括：
基于Logistic方程构建微生物生长动力学方程：
其中，X为微生物活细胞密度；t为发酵时间；为细胞最大比生长速率；为微生物最大活细胞密度；为微生物初始活细胞密度。
如上的方面和任一可能的实现方式，进一步提供一种实现方式，构建RSV融合前F蛋白发酵过程中的产物生成动力学方程，包括：
其中，P为产物生成量；为产物起始量；α为产物与微生物生长有关的合成系数；β为产物与微生物菌体量有关的合成系数。
如上的方面和任一可能的实现方式，进一步提供一种实现方式，根据不同发酵条件下的微生物生长数据与产物生成数据、微生物生长动力学方程和产物生成动力学方程进行数据分析，得到产物和单个实验参数之间的函数关系，包括：
根据不同发酵条件下的微生物生长数据与产物生成数据对微生物生长动力学方程进行数据拟合，得到单个实验参数不同数值下的细胞最大比生长速率；基于单个实验参数不同数值和其对应的细胞最大比生长速率进行数据拟合，得到细胞最大比生长速率与单个实验参数之间的函数；将细胞最大比生长速率与单个实验参数之间的函数代入产物生成动力学方程中，得到产物和单个实验参数之间的函数关系。
如上的方面和任一可能的实现方式，进一步提供一种实现方式，根据产物和单个实验参数之间的函数关系，预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化，包括：
根据产物和单个实验参数之间的函数关系，得到产物最大预测值和产物最大预测值对应的最优单实验参数；根据最优单实验参数来调节平台工艺发酵条件。
如上的方面和任一可能的实现方式，进一步提供一种实现方式，根据产物和单个实验参数之间的函数关系，预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化，还包括：
在包含最优单实验参数的发酵条件下进行产物的实际测量，得到产物实际测量值；将产物实际测量值和产物最大预测值进行比较，得到比较结果；根据比较结果来验证产物和单个实验参数之间的函数有效性。
如上的方面和任一可能的实现方式，进一步提供一种实现方式，根据比较结果来验证产物和单个实验参数之间的函数有效性，包括：
如果比较结果小于预设阈值，则判定产物和单个实验参数之间的函数有效并将最优单实验参数作为最终的最优单实验参数，否则，重新进行数据拟合和分析。
如上的方面和任一可能的实现方式，进一步提供一种实现方式，根据产物和单个实验参数之间的函数关系，预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化，还包括：
将不同的单个实验参数下确定的各自最终的最优单实验参数进行综合，得到优化的发酵参数；根据优化的发酵参数进行微生物发酵。
如上的方面和任一可能的实现方式，进一步提供一种实现方式，微生物为真核或原核细胞。
根据本发明的第二方面，提供了一种微生物发酵工艺的优化装置，包括：
第一构建单元，用于构建RSV融合前F蛋白发酵过程中的微生物生长动力学方程，所述微生物生长动力学方程用于表征微生物的生长与细胞最大比生长速率之间的函数关系；
第二构建单元，用于构建RSV融合前F蛋白发酵过程中的产物生成动力学方程，所述产物生成动力学方程用于表征产物与细胞最大比生长速率之间的函数关系；
数据获取单元，用于基于平台工艺发酵条件并且改变单个实验参数，得到不同发酵条件下的微生物生长数据与产物生成数据；所述单个实验参数包括但不限于温度、溶氧、pH、接种量和转速中的任意一个；
数据分析单元，用于根据所述不同发酵条件下的微生物生长数据与产物生成数据、所述微生物生长动力学方程和所述产物生成动力学方程进行数据分析，得到产物和所述单个实验参数之间的函数关系；
参数优化单元，用于根据所述产物和所述单个实验参数之间的函数关系，预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化。
本发明与现有技术相比，具有以下有益效果：
1.本发明所构建的产物和单个实验参数之间的函数关系能够表征微生物生长、产物生成之间的直接联系，因此本发明所构建的产物和单个实验参数之间的函数关系能够直观、实用的表征发酵过程。
2.本发明提供的微生物发酵工艺的优化方法可以通过调整参数优化工艺，克服传统工艺优化需要设计繁琐实验、且工作量大的缺点。
3.依据本发明的微生物发酵工艺的优化方法来调整参数优化工艺，能够有效解决产品质量不稳定，生产难以有效监测和控制等发酵过程面临的难题，对提高发酵效率和原料利用率有重要意义。
附图说明
结合附图并参考以下详细说明，本发明各实施例的上述和其他特征、优点及方面将变得更加明显。附图用于更好地理解本方案，不构成对本发明的限定在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
图1为本发明实施例中平台工艺条件下细胞生长状态示意图；
图2为本发明实施例中平台工艺条件下细胞耗糖和目标蛋白合成情况示意图；
图3为本发明实施例中平台工艺条件下细胞生长动力学示意图；
图4为本发明实施例中平台工艺条件下蛋白生成动力学示意图；
图5为本发明实施例中不同细胞培养条件下最大比生长速率与温度关系示意图；
图6为本发明实施例中第一温度与表达量关系示意图；
图7为本发明实施例中不同细胞培养条件下最大比生长速率与溶氧关系示意图；
图8为本发明实施例中溶氧与表达量关系示意图；
图9为本发明实施例中不同细胞培养条件下最大比生长速率与pH关系示意图；
图10为本发明实施例中第二温度与表达量关系示意图；
图11为本发明实施例中第三温度与表达量关系示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本发明保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
目前，微生物产品发酵应用越来越广泛，例如疫苗等在医学上的应用。为进一步提高微生物发酵产品的产量，通常需对微生物发酵工艺进行反复优化。
但发明人发现，在传统工艺中，优化实验繁琐，工作量大，且难以发现发酵条件和产物之间的直接关联性。
为解决以上问题，本技术方案建立发酵条件与产物生成之间的直接联系，准确把握各个发酵参数的最优值，从而实现从而微生物发酵工艺优化。以下进行详细说明。
本发明实施例提供了一种微生物发酵工艺的优化方法，包括如下步骤：
步骤S101：构建RSV融合前F蛋白发酵过程中的微生物生长动力学方程，微生物生长动力学方程用于表征微生物的生长与细胞最大比生长速率之间的函数关系。
需要说明的是，在本发明中，微生物为真核或原核细胞。
在步骤S101中，构建RSV融合前F蛋白发酵过程中的微生物生长动力学方程，包括：
基于Logistic方程构建微生物生长动力学方程：
其中，X为微生物活细胞密度；t为发酵时间；为细胞最大比生长速率；为微生物最大活细胞密度；为微生物初始活细胞密度。
其中，各参数的获取方式为：采用平台工艺对RSV融合前F蛋白进行发酵生产，使用细胞计数仪，生化分析仪，高效液相分析仪等对发酵过程的细胞生长和代谢进行分析。
在一个具体实施方式中，RSV融合前F蛋白进行发酵生产包括如下步骤：使用5L细胞发酵罐对RSV融合前F蛋白进行发酵。培养基和补料培养基：StarCHO，StarCHO Feed，CDFS36；培养条件：目标接种量为0.5×10^6cells/ml，温度为37.0℃，pH为7.00，转速为120rpm，溶氧为40%，培养体积为3L，培养时间为10d；过程控制：发酵第2、4、6、8天分别补料StarCHO Feed补料培养基4%，4%，5%，4%（共计17%）和CDFS36补料培养基0.4%，0.4%，0.5%，0.4%（共计1.7%）；糖控制浓度2~10g/L，低于4g/L补至6g/L。
使用StarCHO基础培养基+StarCHO Feed/CDFS36补料培养基，采用平台工艺进行RSV融合前F蛋白发酵，发酵周期为8天，结果如图1和图2所示。发酵过程中CHO细胞活细胞密度逐渐增加，呈现近似“S”型的趋势，最高活细胞密度为17.2*10^6cells/ml。整个发酵过程中细胞活率均≥98%，细胞状态良好。葡萄糖浓度逐渐减少而蛋白含量逐渐升高，蛋白浓度和细胞生长趋势近似，该蛋白表达为生长偶联型。
平台工艺条件下RSV融合前F蛋白发酵生产的细胞生长动力学如图3所示。使用Logistic方程进行RSV融合前F蛋白发酵的生长动力学分析：
对方程进行积分得到：
式中：X为CHO细胞活细胞密度（×10^6cells/ml）；t为发酵时间（d）；μm为细胞最大比生长速率（h-1）；为细胞最大活细胞密度（×10^6cells/ml）；为细胞初始活细胞密度（×10^6cells/ml）。
拟合得到：，R^2=0.99568
该动力学方程能够表征蛋白表达过程中细胞生长状态。根据该动力学方程，最大活细胞密度可达到17.61×10^6cells/ml，最大比生长速率约为1.17 h-1。
步骤S102：构建RSV融合前F蛋白发酵过程中的产物生成动力学方程，产物生成动力学方程用于表征产物与细胞最大比生长速率之间的函数关系。
在步骤S102中，构建RSV融合前F蛋白发酵过程中的产物生成动力学方程，包括：
其中，P为产物生成量；为产物起始量；α为产物与微生物生长有关的合成系数；β为产物与微生物菌体量有关的合成系数。
图4为本发明实施例中平台工艺条件下蛋白生成动力学示意图。研究使用Luedeking-Piret方程进行蛋白的生成动力学分析。
对方程进行积分得到：
。
P=0+0.102×(17.584/[1+80.194×e-1.063t]-0.217)-0.006×16.542×ln[1-0.012×(1-e1.063t)]；R^2=0.99996。
P0+d1•(a/(1+b•exp(-k•t))-a/(b+1))+d2• ((a/k) •ln((b+exp(k•t))/(b+1)))
式中：P为产物生成量（g/L）；为产物起始量（g/L）。
在本方程中=0；α为产物与微生物生长有关的合成系数；在本方程中α=0.102；β为产物与微生物菌体量有关的合成系数。在本方程中β=-0.003。
步骤S103：基于平台工艺发酵条件并且改变单个实验参数，得到不同发酵条件下的微生物生长数据与产物生成数据；单个实验参数包括但不限于温度、溶氧、pH、接种量和转速中的任意一个。
步骤S104：根据不同发酵条件下的微生物生长数据与产物生成数据、微生物生长动力学方程和产物生成动力学方程进行数据分析，得到产物和单个实验参数之间的函数关系。
在步骤S104中，根据不同发酵条件下的微生物生长数据与产物生成数据、微生物生长动力学方程和产物生成动力学方程进行数据分析，得到产物和单个实验参数之间的函数关系，包括：
步骤S141：根据不同发酵条件下的微生物生长数据与产物生成数据对微生物生长动力学方程进行数据拟合，得到单个实验参数不同数值下的细胞最大比生长速率。
步骤S142：基于单个实验参数不同数值和其对应的细胞最大比生长速率进行数据拟合，得到细胞最大比生长速率与单个实验参数之间的函数。
步骤S143：将细胞最大比生长速率与单个实验参数之间的函数代入产物生成动力学方程中，得到产物和单个实验参数之间的函数关系。
在一些实施例中，以温度为例，根据不同发酵条件下的微生物生长数据与产物生成数据、微生物生长动力学方程和产物生成动力学方程进行数据分析，得到产物和温度之间的函数关系，包括如下步骤：如图5所示，建立不同细胞培养条件下最大比生长速率与温度关系：收集温度与最大比生长速率数据，如表1所示。
表1 温度与最大比生长速率数据
培养温度（℃） 最大比生长速率（h-1）
33 0.832
35 1.054
37 1.125
39 0.923
用二次方程建立比最大生长速率（y=）与温度（x=T）之间的函数关系：= -0.0284×T2+2.0587×T – 36.206；R² = 0.9991。
将代入中，并令t=8（细胞培养8d）得到方程：
P=0+0.102×(17.584/[1+80.194×e-(-0.0284×T^2+2.0587×T-36.206) ×8]-0.217)-0.006×16.542×ln[1-0.012×(1-e(-0.0284×T^2+2.0587×T-36.206) ×8)]。
如图6所示，根据方程，当培养温度T=36.5℃时，蛋白表达量最高为1.381g/L。将培养温度控制为36.5℃，最终表达量为1.379g/L，与预测值没有明显区别。
步骤S105：根据产物和单个实验参数之间的函数关系，预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化。
在步骤S105中，根据产物和单个实验参数之间的函数关系，预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化，包括：
根据产物和单个实验参数之间的函数关系，得到产物最大预测值和产物最大预测值对应的最优单实验参数；根据最优单实验参数来调节平台工艺发酵条件。
在一些实施例中，可以根据最优温度值调整溶氧浓度与Ph，包括如下步骤：如图7所示，建立不同细胞培养条件下最大比生长速率与溶氧关系：收集溶氧与最大比生长速率数据，如表2所示。
表2 溶氧与最大比生长速率数据
溶氧控制（%） 最大比生长速率（h-1）
20% 1.0768
40% 1.1576
60% 1.1392
70% 1.0896
用二次方程建立比最大生长速率（y=）与溶氧（x=O）之间的函数关系：=-1.2706×O2+1.1705×O+0.8933；R² = 0.9996。
将代入中，并令t=8（细胞培养8d）得到方程：
P=0+0.102×(17.584/[1+80.194×e-(-1.2706×O^2+1.1705×O+0.8933) ×8]-0.217)-0.006×16.542×ln[1-0.012×(1-e(-1.2706×O^2+1.1705×O+0.8933) ×8)]。
如图8所示，根据方程，当溶氧浓度O=45%时，蛋白表达量最高为1.477g/L。将溶氧浓度控制为45%，最终表达量为1.472g/L，与预测值没有明显区别。
在一些实施例中，如图9所示，建立不同细胞培养条件下最大比生长速率与pH关系：收集pH与最大比生长速率数据，如表3所示。
表3 pH与最大比生长速率数据。
pH 最大比生长速率（h-1）
6.25 1.1934
6.75 1.3113
7.25 1.3086
7.50 1.2681
7.75 1.1889
用二次方程建立比最大生长速率（y=）与溶氧（x=p）之间的函数关系：=-0.2383×p2+3.3347×p-10.338；R² = 0.9991。
将代入中，并令t=8（细胞培养8d）得到方程：
P=0+0.102×(17.584/[1+80.194×e-(-0.2383×p^2+3.3347×p-10.338) ×8]-0.217)-0.006×16.542×ln[1-0.012×(1-e(-0.2383×p^2+3.3347×p-10.338) ×8)]；
如图10所示，根据方程，当溶氧浓度pH=7.00时，蛋白表达量最高为1.597g/L。将细胞培养pH控制为7.00，最终表达量为1.595g/L，与预测值没有明显区别。
在一些实施例中，构建产物生成与温度的生成动力学函数并求出最大产物生成。
将= -0.0106t2 + 0.7706t - 12.536（R² = 0.9957）待入产物生成动力学方程中。
如图11所示，根据方程，当温度t=36.4时，表达量最高能达到1.605g/L。
在步骤S105中，根据产物和单个实验参数之间的函数关系，预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化，还包括：
步骤S151：在包含最优单实验参数的发酵条件下进行产物的实际测量，得到产物实际测量值。
步骤S152：将产物实际测量值和产物最大预测值进行比较，得到比较结果。
步骤S153：根据比较结果来验证产物和单个实验参数之间的函数有效性。
在步骤S153中，根据比较结果来验证产物和单个实验参数之间的函数有效性，包括：
如果比较结果小于预设阈值，则判定产物和单个实验参数之间的函数有效并将最优单实验参数作为最终的最优单实验参数，否则，重新进行数据拟合和分析。
在步骤S105中，根据产物和单个实验参数之间的函数关系，预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化，还包括：
将不同的单个实验参数下确定的各自最终的最优单实验参数进行综合，得到优化的发酵参数；根据优化的发酵参数进行微生物发酵。
需要说明的是，本发明实施例中所涉及的检测方法如下：
活细胞密度和细胞活率检测：取细胞培养液约1ml，与0.4%台盼蓝溶液1:1混合均匀，随后在细胞计数仪上检测。
葡萄糖浓度检测：取细胞培养液约1ml，4000g条件下离心5min，取上清在生化分析仪上检测。
RSV融合前F蛋白检测：样品处理：取上清液加超纯水稀释2倍，混合均匀后用0.22μm滤膜过滤；流动相A（0.1%三氟乙酸水）：量取1000ml超纯水，加三氟乙酸1ml，混匀后超声脱气；流动相B（0.1%三氟乙酸乙腈）：量取1000ml乙腈，加三氟乙酸1ml，混合均匀后超声脱气。色谱柱：BioResolve RP mAb 4.6×100mm2.7μm；色谱条件：流动相A:流动相B=1:1，流速为0.5ml/min，柱温55℃，波长为215nm，样盘温度5℃，进样量50μl；结果计算：按外标法以峰面积计算样品蛋白浓度。
本申请实施例还提供一种微生物发酵工艺的优化装置，包括：
第一构建单元，用于构建RSV融合前F蛋白发酵过程中的微生物生长动力学方程，所述微生物生长动力学方程用于表征微生物的生长与细胞最大比生长速率之间的函数关系；
第二构建单元，用于构建RSV融合前F蛋白发酵过程中的产物生成动力学方程，所述产物生成动力学方程用于表征产物与细胞最大比生长速率之间的函数关系；
数据获取单元，用于基于平台工艺发酵条件并且改变单个实验参数，得到不同发酵条件下的微生物生长数据与产物生成数据；所述单个实验参数包括但不限于温度、溶氧、pH、接种量和转速中的任意一个；
数据分析单元，用于根据所述不同发酵条件下的微生物生长数据与产物生成数据、所述微生物生长动力学方程和所述产物生成动力学方程进行数据分析，得到产物和所述单个实验参数之间的函数关系；
参数优化单元，用于根据所述产物和所述单个实验参数之间的函数关系，预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种微生物发酵工艺的优化方法，其特征在于，包括如下步骤：
构建RSV融合前F蛋白发酵过程中的微生物生长动力学方程，所述微生物生长动力学方程用于表征微生物的生长与细胞最大比生长速率之间的函数关系；
构建RSV融合前F蛋白发酵过程中的产物生成动力学方程，所述产物生成动力学方程用于表征产物与细胞最大比生长速率之间的函数关系；
基于平台工艺发酵条件并且改变单个实验参数，得到不同发酵条件下的微生物生长数据与产物生成数据；所述单个实验参数包括但不限于温度、溶氧、pH、接种量和转速中的任意一个；
根据所述不同发酵条件下的微生物生长数据与产物生成数据、所述微生物生长动力学方程和所述产物生成动力学方程进行数据分析，得到产物和所述单个实验参数之间的函数关系；
根据所述产物和所述单个实验参数之间的函数关系，预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化。
2.根据权利要求1所述的方法，其特征在于，所述构建RSV融合前F蛋白发酵过程中的微生物生长动力学方程，包括：
基于Logistic方程构建微生物生长动力学方程：
；其中，X为微生物活细胞密度；t为发酵时间；为细胞最大比生长速率；为微生物最大活细胞密度；为微生物初始活细胞密度。
3.根据权利要求2所述的方法，其特征在于，所述构建RSV融合前F蛋白发酵过程中的产物生成动力学方程，包括：
；其中，P为产物生成量；为产物起始量；α为产物与微生物生长有关的合成系数；β为产物与微生物菌体量有关的合成系数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述不同发酵条件下的微生物生长数据与产物生成数据、所述微生物生长动力学方程和所述产物生成动力学方程进行数据分析，得到产物和所述单个实验参数之间的函数关系，包括：
根据所述不同发酵条件下的微生物生长数据与产物生成数据对所述微生物生长动力学方程进行数据拟合，得到所述单个实验参数不同数值下的细胞最大比生长速率；
基于所述单个实验参数不同数值和其对应的细胞最大比生长速率进行数据拟合，得到细胞最大比生长速率与所述单个实验参数之间的函数；
将所述细胞最大比生长速率与所述单个实验参数之间的函数代入所述产物生成动力学方程中，得到产物和所述单个实验参数之间的函数关系。
5.根据权利要求4所述的方法，其特征在于，所述根据所述产物和所述单个实验参数之间的函数关系，预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化，包括：
所述根据所述产物和所述单个实验参数之间的函数关系，得到所述产物最大预测值和所述产物最大预测值对应的最优单实验参数；
根据所述最优单实验参数来调节平台工艺发酵条件。
6.根据权利要求5所述的方法，其特征在于，所述根据所述产物和所述单个实验参数之间的函数关系，预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化，还包括：
在包含所述最优单实验参数的发酵条件下进行产物的实际测量，得到产物实际测量值；
将所述产物实际测量值和所述产物最大预测值进行比较，得到比较结果；
根据所述比较结果来验证所述产物和所述单个实验参数之间的函数有效性。
7.根据权利要求6所述的方法，其特征在于，所述根据所述比较结果来验证所述产物和所述单个实验参数之间的函数有效性，包括：
如果所述比较结果小于预设阈值，则判定所述产物和所述单个实验参数之间的函数有效并将所述最优单实验参数作为最终的最优单实验参数，否则，重新进行数据拟合和分析。
8.根据权利要求7所述的方法，其特征在于，所述根据所述产物和所述单个实验参数之间的函数关系，预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化，还包括：
将不同的单个实验参数下确定的各自最终的最优单实验参数进行综合，得到优化的发酵参数；
根据所述优化的发酵参数进行微生物发酵。
9.根据权利要求5所述的方法，其特征在于，所述微生物为真核或原核细胞。
10.一种微生物发酵工艺的优化装置，其特征在于，包括：
第一构建单元，用于构建RSV融合前F蛋白发酵过程中的微生物生长动力学方程，所述微生物生长动力学方程用于表征微生物的生长与细胞最大比生长速率之间的函数关系；
第二构建单元，用于构建RSV融合前F蛋白发酵过程中的产物生成动力学方程，所述产物生成动力学方程用于表征产物与细胞最大比生长速率之间的函数关系；
数据获取单元，用于基于平台工艺发酵条件并且改变单个实验参数，得到不同发酵条件下的微生物生长数据与产物生成数据；所述单个实验参数包括但不限于温度、溶氧、pH、接种量和转速中的任意一个；
数据分析单元，用于根据所述不同发酵条件下的微生物生长数据与产物生成数据、所述微生物生长动力学方程和所述产物生成动力学方程进行数据分析，得到产物和所述单个实验参数之间的函数关系；
参数优化单元，用于根据所述产物和所述单个实验参数之间的函数关系，预测RSV融合前F蛋白的生成趋势并且对发酵条件进行优化。
CN202510594701.0A 2025-05-09 2025-05-09 一种微生物发酵工艺的优化方法及装置 Pending CN120099235A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202510594701.0A CN120099235A (zh) 2025-05-09 2025-05-09 一种微生物发酵工艺的优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202510594701.0A CN120099235A (zh) 2025-05-09 2025-05-09 一种微生物发酵工艺的优化方法及装置

Publications (1)

Publication Number Publication Date
CN120099235A true CN120099235A (zh) 2025-06-06

Family

ID=95881292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202510594701.0A Pending CN120099235A (zh) 2025-05-09 2025-05-09 一种微生物发酵工艺的优化方法及装置

Country Status (1)

Country Link
CN (1) CN120099235A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105373669A (zh) * 2015-11-28 2016-03-02 泰山医学院 一种黄伞菌发酵条件优化及动力学模型的构建方法
CN108738312A (zh) * 2015-12-23 2018-11-02 辉瑞公司 Rsv f蛋白突变体
CN110334373A (zh) * 2019-04-24 2019-10-15 江南大学 一种基于机理模型和模糊加权lssvm的发酵建模与优化方法
CN111826314A (zh) * 2020-07-20 2020-10-27 上海交通大学 L-乳酸的生产菌株凝结芽孢杆菌h-2及l-乳酸的生产方法
CN112512567A (zh) * 2018-04-03 2021-03-16 赛诺菲 抗原性呼吸道合胞病毒多肽
CN119028423A (zh) * 2024-08-05 2024-11-26 宁夏红果生物科技有限公司 基于数据分析模型的微生物发酵优化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105373669A (zh) * 2015-11-28 2016-03-02 泰山医学院 一种黄伞菌发酵条件优化及动力学模型的构建方法
CN108738312A (zh) * 2015-12-23 2018-11-02 辉瑞公司 Rsv f蛋白突变体
CN112512567A (zh) * 2018-04-03 2021-03-16 赛诺菲 抗原性呼吸道合胞病毒多肽
CN110334373A (zh) * 2019-04-24 2019-10-15 江南大学 一种基于机理模型和模糊加权lssvm的发酵建模与优化方法
CN111826314A (zh) * 2020-07-20 2020-10-27 上海交通大学 L-乳酸的生产菌株凝结芽孢杆菌h-2及l-乳酸的生产方法
CN119028423A (zh) * 2024-08-05 2024-11-26 宁夏红果生物科技有限公司 基于数据分析模型的微生物发酵优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨耀: "ARTP诱变选育高产谷胱甘肽酿酒酵母及其超声辅助发酵技术的研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》, 15 April 2022 (2022-04-15), pages 51 - 69 *

Similar Documents

Publication Publication Date Title
Jorjani et al. Effects of cell density and temperature on oxygen consumption rate for different mammalian cell lines
De Backer et al. Reaction and diffusion in a gel membrane reactor containing immobilized cells
CN109401989A (zh) 一种工业酿酒酵母菌的驯化方法
CN114264643B (zh) 基于单细胞拉曼光谱快速预测食醋发酵进程的方法
CN109321477B (zh) 一种酵母高密度培养的方法
JP2013544106A5 (zh)
CN118151692A (zh) 一种食醋发酵室的温度自适应调节方法及系统
Berraud Production of highly concentrated vinegar in fed-batch culture
CN120099235A (zh) 一种微生物发酵工艺的优化方法及装置
EP3990140A1 (en) Method in bioprocess purification system
Tyagi et al. Process engineering studies on continuous ethanol production by immobilized S. cerevisiae
CN115701639B (zh) 预测与控制制曲过程微生物菌群的方法及其应用
CN101948894B (zh) 梯度稀释补料酶膜耦合反应及用于鱼鳞胶原蛋白多肽制备
US20230348940A1 (en) Methods and systems for producing cellulosic ethanol by biomass saccharification and fermentation
Mears et al. Continuous fermentation for biopharmaceuticals?
Sanchez et al. Performance of a continuous bioreactor with immobilized yeast cells in the ethanol fermentation of molasses-stillage medium
CN107779479B (zh) 生产乙醇用酿酒酵母组合物及其用于生产乙醇的方法
CN1225554C (zh) 乳酸菌固定化细胞原位分离发酵生产乳酸工艺
CN119020159B (zh) 一种耦合液态固态发酵的自动化生物反应方法及系统
CN119875867B (zh) 一种提高乙酸耐受能力的粟酒裂殖酵母菌基因工程菌株、构建方法及其应用
CN113637788A (zh) 一种构建重组质粒对样本中真菌进行绝对定量的方法
CN113716991B (zh) 一种有机废弃物快速堆肥方法及其膜式发酵系统
CN120290320A (zh) 一种高丰度同位素标记微生物细胞制备的方法
CN120340593A (zh) 一种多级参数高温大曲发酵质量评价方法及系统
WO2025006837A1 (en) Systems and methods of real time prediction of biomass for cells cultured in fixed bed bioreactors

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination