一种产胞外黑色素菌株发酵条件的优化方法与流程

文档序号:11171893阅读:1257来源:国知局
一种产胞外黑色素菌株发酵条件的优化方法与流程

本发明属于菌株发酵技术领域,尤其涉及一种产胞外黑色素菌株发酵条件的优化方法。



背景技术:

微生物发酵受诸多因素的影响,微生物发酵的生产水平取决于生产菌的特性和发酵条件(包括培养基),其中发酵条件对微生物发酵产物的形成有很大的影响,每一种代谢产物都有其最适的生产条件。因此,为了提高bacillussph22产黑色素的水平,本发明在plackett-burman研究基础上,采用box-behnken响应面设计法优化bacillussph22产黑素色的发酵条件。

响应面法是利用合理的实验设计并通过实验得到一定数据,采用多元二次方程来拟合因素和响应值之间的函数关系,通过对回归方程的分析来寻求最优工艺,解决多变量问题的一种统计学方法。与通常采用的单因子和正交实验无法找到整个区域上各个因素的最佳组合及响应值的最优值比较,rsm试验次数少、周期短,求得的回归方程精确度高,又能研究几个因素间交互作用,是降低开发成本、优化加工条件、提高产品质量、解决生产过程中实际问题的一种有效办法,目前己广泛地应用于农业、生物、食品、化学、制造等领域。

综上所述,现有技术存在的问题是:现有技术中,发酵液的黑素色干重获得率低,不能真实地反映各筛选因素的影响,不能用响应面法优化h22发酵产黑色素的培养条件。



技术实现要素:

针对现有技术存在的问题,本发明提供了一种产胞外黑色素菌株发酵条件的优化方法。

本发明是这样实现的,一种产胞外黑色素菌株发酵条件的优化方法,所述产胞外黑色素菌株发酵条件的优化方法的初始ph为6.5、温度为30℃、l-酪氨酸的浓度为1g/l。

进一步,所述的产胞外黑色素菌株发酵条件的优化方法具体包括:

首先用plackett-buman法筛选出初始ph、温度、l-酪氨酸的含量三个影响大的因素;

然后进行最陡爬坡实验逐步改变初始ph、培养温度、l-酪氨酸的浓度,逼近最佳响应面区域;

最后通过box-behnken,利用sas软件进行回归分析,得到各因素的最佳培养条件;接种于最优培养基中,培养基初始ph为6.5,l-酪氨酸浓度为1g/l,培养温度为30℃。

进一步,所述回归分析的二次多项回归方程为:

黑色素产量=-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

本发明的另一目的在于提供一种产胞外黑色素菌株发酵条件的优化系统。

本发明的优点及积极效果为:得到的发酵液的黑色素量预测值为2.475g/l。

采用响应面分析法对bacillussph22发酵产黑色素的培养条件进行优化。,首先运用plackett-buman法确定出初始ph、温度、l-酪氨酸的含量为重要影响因素;然后通过最陡爬坡实验逐步改变三者的浓度,逼近最佳响应面区域;最后采用box-behnken设计和sas软件分析确定出主要因素的最优浓度,得到最佳发酵培养条件为:ph6.5,l-酪氨酸浓度1g/l,培养温度30℃,经培养发酵后,此发酵液的黑素色干重为2.45g/l,较基础培养基提高了63.5%。同时,回归方程所得到的最大预测值与验证值非常接近,说明回归方程能较真实地反映各筛选因素的影响,建立的模型与实际情况是比较吻合的,因此用响应面法优化h22发酵产黑色素的培养条件是有效可行的。

附图说明

图1是本发明实施例提供的产胞外黑色素菌株发酵条件的优化方法流程图。

图2是本发明实施例提供的温度和ph交互作用的响应曲面和等高线示意图。

图3是本发明实施例提供的l-酪氨酸浓度和ph交互作用的响应曲面和等高线示意图。

图4是本发明实施例提供的温度和l-酪氨酸浓度交互作用的响应曲面和等高线示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。

下面结合附图对本发明的应用原理作详细的描述。

本发明实施例提供的产胞外黑色素菌株发酵条件的优化方法的初始ph为6.5、温度为30℃、l-酪氨酸的浓度为1g/l。

如图1所示,本发明实施例提供的产胞外黑色素菌株发酵条件的优化方法包括以下步骤具体包括:

s101:首先用plackett-buman法筛选出初始ph、温度、l-酪氨酸的含量三个影响大的因素;

s102:然后进行最陡爬坡实验逐步改变三者的浓度,逼近最佳响应面区域;

s103:最后通过box-behnken,利用sas软件进行回归分析,得到各因素的最佳培养条件;接种于最优培养基中,培养基初始ph为6.5,l-酪氨酸浓度为1g/l,培养温度为30℃。

所述回归分析的二次多项回归方程为:

黑色素产量=-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

下面结合实验对本发明的应用效果作进一步的描述。

本发明通过察所拟合的相应曲面的形状,响应面立体分析图,从图中及软件分析,回归方程存在稳定点,通过岭嵴分析(ridgeanalysis)得到极大值所对应的各主要因素(a、b、c)即初始ph、温度、l-酪氨酸的最佳浓度分别为6.5,30℃,1g/l,此时发酵液的黑色素量最高,预测值为2.475g/l。

下面结合具体实施例对本发明作进一步描述。

图2是本发明实施例提供的温度和ph交互作用的响应曲面和等高线示意图。图中a代表ph,b代表温度,c代表l-酪氨酸浓度。

图3是本发明实施例提供的l-酪氨酸浓度和ph交互作用的响应曲面和等高线示意图。

图4是本发明实施例提供的温度和l-酪氨酸浓度交互作用的响应曲面和等高线示意图。

为了进一步分析相关变量之间的交互作用和确定最优点,通过软件做了三个关键影响因素对发酵水平交互影响的等高线图及其曲面图,如图2-图4,从等高线图可以直观地反映出两变量交互作用的显著程度,圆形表示两因素交互作用不显著,椭圆形表示两因素交互作用显著。结果表明l-酪氨酸的最佳浓度和初始ph、培养温度交互作用显著。通过岭嵴分析(ridgeanalysis)得到极大值所对应的各主要因素即初始ph、温度、l-酪氨酸的最佳浓度分别为6.5,30℃,1g/l。

以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1