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。