在微生物的發(fā)酵技術研究中,高效的發(fā)酵條件優(yōu)化方法是近年來的研究熱點和難點。目前,應用得較多的方法是正交試驗設計法和響應面設計法,但它們需要較多的試驗次數,效率較低,因此,不能廣泛應用于工業(yè)發(fā)酵條件的優(yōu)化上。如何減少發(fā)酵條件優(yōu)化所需的實驗次數,提高優(yōu)化效率,成為優(yōu)化方法發(fā)展的關鍵。在此基礎上,方開泰教授提出了均勻設計方法,能顯著減少試驗次數,但是相應的優(yōu)化精度下降。
中科學院成都生物研究所譚紅課題組將計算機人工智能技術與統(tǒng)計學方法相結合,提出了基于均勻設計的人工神經網絡優(yōu)化方法,并成功應用于伊枯草菌素A的發(fā)酵條件優(yōu)化,伊枯草菌素A的產量提高34.6%。研究表明,與均勻設計方法相比,在對發(fā)酵條件的優(yōu)化上,人工神經網絡能夠建立更加精確的模型,并且具有更佳的擬合能力、預測能力和泛化能力。同時,當神經網絡與遺傳算法連用時,神經網絡方法同樣能高效地進行因素的敏感性分析,但是卻比均勻設計方法具有更好的優(yōu)化精度。
該研究提出的基于均勻設計的神經網絡方法,具有較少的試驗次數需求和更高的優(yōu)化精度,能極大地降低發(fā)酵優(yōu)化研究成本,提高效率。這是次將該方法應用于微生物發(fā)酵條件優(yōu)化研究。
該研究受家支撐項目資助。