一種黃傘菌發(fā)酵條件優(yōu)化及動力學模型的構建方法
【技術領域】
[0001] 本發(fā)明屬于遺傳算法的黃傘菌發(fā)酵條件技術領域，尤其涉及基于遺傳算法的黃傘 菌發(fā)酵條件優(yōu)化及動力學模型的構建方法。
【背景技術】
[0002] 黃傘（Pholiotaadiposa)，又名柳蘑、黃蘑、多脂鱗傘，是一種食藥兼用真菌。黃 傘在國外分布于歐洲、美國、日本等地，在我國分布于山東、河北、山西、吉林、浙江、河南等 多個地區(qū)。黃傘富含蛋白質、碳水化合物、維生素及多種礦物質元素，食之黏滑爽口，味道鮮 美，風味獨特，營養(yǎng)豐富，民間用于治療腫瘤和肺疾[2]。經查閱文獻，發(fā)現(xiàn)人們對黃傘的藥 效學研究主要集中于黃傘子實體和菌絲體的多糖類物質，研究表明黃傘多糖具有增強免疫 力、抑制腫瘤、預防感染、調節(jié)血脂等作用。
[0003] 黃傘多糖的來源途徑主要有以下三種：①從天然黃傘子實體中提??；②從人工培 養(yǎng)黃傘子實體中提??；③從發(fā)酵培養(yǎng)的菌絲體中提取。自然界黃傘子實體生產較慢，且由于 條件所限不易獲得；人工栽培黃傘子實體生長周期長、產量低，成本較高，因而未得到全面 開發(fā)。目前黃傘菌有效成分開發(fā)與應用主要途徑是液態(tài)發(fā)酵法，從黃傘深層發(fā)酵菌絲體中 提取多糖。為此，十分有必要對黃傘的深層發(fā)酵條件進行研究，以便用發(fā)酵的菌絲體代替子 實體作為食品、保健品和藥品的原料。采用液體深層發(fā)酵工藝培養(yǎng)黃傘，用發(fā)酵液菌絲體來 提取活性物質是今后研究和發(fā)展的必然趨勢。
[0004] 為了獲得更多的菌絲體多糖，必須對黃傘菌液體深層發(fā)酵工藝條件進行優(yōu)化。黃 傘菌發(fā)酵過程是高度的非線性、非結構化的復雜系統(tǒng)，涉及諸多的影響因素，發(fā)酵條件的選 擇對黃傘菌絲體的產量具有重要的影響。發(fā)酵條件的常規(guī)優(yōu)化方法是使用正交設計方法， 但它具有精度不高、工作量大等諸多缺點，使得由這種方法獲得的結果往往不能得到讓人 滿意的結果。研究發(fā)酵動力學是實現(xiàn)發(fā)酵過程最優(yōu)控制的前提條件，也是研究發(fā)酵過程放 大及從分批發(fā)酵過渡到流加發(fā)酵、連續(xù)發(fā)酵的理論基礎。動力學模型的建立，離不開模型 參數(shù)的估算。對于顯著非線性的發(fā)酵動力學模型而言，傳統(tǒng)的"點到點"的優(yōu)化算法對于 初始點的確定往往比較困難，而初始點的選擇又直接影響到算法的收斂。
[0005] 近20年來，一種成為研究熱點的遺傳算法（GeneticAlgorithms,簡稱GA)以其 高效、自適應及益于全局搜索的優(yōu)勢，在發(fā)酵條件優(yōu)化和動力學模型建立等許多領域中得 到應用。遺傳算法（GA)是一種基于生物自然選擇與遺傳機理的隨機搜索算法，是一種求解 復雜系統(tǒng)優(yōu)化問題的方法。有研究表明遺傳算法在處理發(fā)酵條件優(yōu)化和動力學模型建立等 問題上較傳統(tǒng)方法具有優(yōu)勢。本研究試圖利用上述方法解決黃傘深層發(fā)酵條件優(yōu)化及建立 動力學模型等問題，為發(fā)酵過程的參數(shù)優(yōu)化提供一種更為準確有效的方法，從而為黃傘菌 發(fā)酵過程的工藝控制、提高產品產量及用計算機對發(fā)酵過程的控制創(chuàng)造條件。

【發(fā)明內容】

[0006] 本發(fā)明實施例的目的在于提供基于遺傳算法的黃傘菌發(fā)酵條件優(yōu)化及動力學模 型的構建方法，以解決現(xiàn)有的問題。
[0007] 本發(fā)明實施例是這樣實現(xiàn)的，基于遺傳算法的黃傘菌發(fā)酵條件優(yōu)化及動力學模型 的構建方法，本模型的建立包含以下三部分：
[0008] 在實驗室搖瓶條件下以單因素實驗和正交設計實驗確定影響黃傘菌多糖發(fā)酵條 件的因素和其取值范圍，此部分內容分解為以下四個工作任務：
[0009](1)、以菌絲體量或菌絲體多糖產量為指標應用單因素實驗確定黃傘菌液體發(fā)酵 培養(yǎng)基的配方（碳源、氮源、生產因子、無機鹽等）及各組分取值范圍；
[0010](2)、以正交設計實驗方法確定黃傘菌發(fā)酵培養(yǎng)基各組分最佳配比；
[0011](3)、以菌絲體量或菌絲體多糖產量為指標應用單因素實驗確定黃傘菌液體發(fā)酵 培養(yǎng)條件（接種量、搖床轉速、搖瓶裝液量）取值范圍；
[0012](4)、以正交設計實驗方法確定影響黃傘菌液體發(fā)酵培養(yǎng)條件最佳取值。
[0013] 對發(fā)酵培養(yǎng)基組分及發(fā)酵條件進行神經網絡（ANN)建模和遺傳算法尋優(yōu)，此部分 研究內容分解為以下兩個工作任務：
[0014](1)、神經網絡（ANN)建模
[0015] 采用MATLAB軟件進行神經網絡的構建。以對黃傘菌發(fā)酵多糖產量影響較大的培 養(yǎng)基成分的初始質量濃度為輸入值，以"性價比"為輸出值，采用ANN法構建該系統(tǒng)的數(shù)學 模型。
[0016] ⑵、遺傳算法（GA)優(yōu)化
[0017] 將上述完成訓練的神經網絡輸出，作為求解目標函數(shù)值。由于遺傳的目標函數(shù)不 需要明確的數(shù)學和導數(shù)表達式，故可利用它計算尋優(yōu)，以求最佳的黃傘菌發(fā)酵培養(yǎng)基組分 的配比及發(fā)酵條件的最佳組合；
[0018] 采用優(yōu)化的培養(yǎng)基配方和發(fā)酵條件進行黃傘菌液體深層培養(yǎng)實驗，在實驗數(shù)據(jù) 基礎上繪制進程曲線，利用遺傳算法對黃傘菌發(fā)酵動力學進行模擬，對比Monod方程和 Logistic方程在描述黃傘菌生長動力學時的優(yōu)劣，并利用該算法確定發(fā)酵動力學模型的參 數(shù)。
[0019] 摶術效果:
[0020] 本發(fā)明創(chuàng)造性地將遺傳算法應用于黃傘菌發(fā)酵條件的優(yōu)化過程中，獲得黃傘菌最 優(yōu)的發(fā)酵培養(yǎng)基配比及最佳的環(huán)境條件組合，克服了常規(guī)優(yōu)化方法勞動強度大、精度低的 缺點，為黃傘菌放大實驗奠定基礎。目前，對真菌發(fā)酵動力學的研究主要集中在應用常規(guī)的 數(shù)學曲線擬合方法上，這種方法存在著精度低、擬合結果與實驗結果差距較大的缺點。本發(fā) 明利用GA特有的自適應性、全局優(yōu)化性和隱含并行性的優(yōu)點，利用GA對黃傘菌發(fā)酵過程及 其動力學進行研究探討，獲得動力學數(shù)學模型和模型參數(shù)，為工業(yè)化生產黃傘菌提供理論 依據(jù)。通過本發(fā)明，首次對食藥兼用真菌黃傘菌進行動力學研究，應用動力學模型可以預測 菌絲體的生長狀態(tài)，為發(fā)酵過程優(yōu)化控制奠定基礎，在前人研究的基礎上，首次引入遺傳算 法對黃傘菌發(fā)酵培養(yǎng)基和發(fā)酵條件進行優(yōu)化，提高了胞外多糖的產量，本發(fā)明首次運用遺 傳算法對黃傘菌發(fā)酵動力學進行研究，優(yōu)化了動力學模型的參數(shù)，為黃傘的進一步大規(guī)模 發(fā)酵生產提供了理論基礎。
【附圖說明】
[0021] 圖1是本發(fā)明實施例提供的基于遺傳算法的黃傘菌發(fā)酵條件優(yōu)化及動力學模型 的建立的發(fā)酵培養(yǎng)基和培養(yǎng)條件優(yōu)化技術路線圖；
[0022] 圖2是本發(fā)明實施例提供的基于遺傳算法的黃傘菌發(fā)酵條件優(yōu)化及動力學模型 的建立的遺傳算法流程圖。
【具體實施方式】
[0023] 為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合實施例，對本發(fā)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(fā)明，并不用于 限定本發(fā)明。
[0024] 下面結合附圖及具體實施例對本發(fā)明的應用原理作進一步描述。
[0025] 基于遺傳算法的黃傘菌發(fā)酵條件優(yōu)化及動力學模型的構建方法，本模型的建立包 含以下三部分：
[0026] 在實驗室搖瓶條件下以單因素實驗和正交設計實驗確定影響黃傘菌多糖發(fā)酵條 件的因素和其取值范圍，此部分內容分解為以下四個工作任務：
[0027](1)、以菌絲體量或菌絲體多糖產量為指標應用單因素實驗確定黃傘菌液體發(fā)酵 培養(yǎng)基的配方（碳源、氮源、生產因子、無機鹽等）及各組分取值范圍；
[0028](2)、以正交設計實驗方法確定黃傘菌發(fā)酵培養(yǎng)基各組分最佳配比；
[0029](3)、以菌絲體量或菌絲體多糖產量為指標應用單因素實驗確定黃傘菌液體發(fā)酵 培養(yǎng)條件（接種量、搖床轉速、搖瓶裝液量）取值范圍；
[0030] (4)、以正交設計實驗方法確定影響黃傘菌液體發(fā)酵培養(yǎng)條件最佳取值。
[0031] 對發(fā)酵培養(yǎng)基組分及發(fā)酵條件進行神經網絡（ANN)建模和遺傳算法尋優(yōu)，此部分 研究內容分解為以下兩個工作任務：
[0032](1)、神經網絡（ANN)建模
[0033] 采用MATLAB軟件進行神經網絡的構建。以對黃傘菌發(fā)酵多糖產量影響較大的培 養(yǎng)基成分的初始質量濃度為輸入值，以"性價比"為輸出值，采用ANN法構建該系統(tǒng)的數(shù)學 模型。
[0034] (2)、遺傳算法（GA)優(yōu)化
[0035] 將上述完成訓練的神經網絡輸出，作為求解目標函數(shù)值。由于遺傳的目標函數(shù)不 需要明確的數(shù)學和導數(shù)表達式，故可利用它計算尋優(yōu)，以求最佳的黃傘菌發(fā)酵培養(yǎng)基組分 的配比及發(fā)酵條件的最佳組合；
[0036] 采用優(yōu)化的培養(yǎng)基配方和發(fā)酵條件進行黃傘菌液體深層培養(yǎng)實驗，在實驗數(shù)據(jù) 基礎上繪制進程曲線，利用遺傳算法對黃傘菌發(fā)酵動力學進行模擬，對比Monod方程和 Logistic方程在描述黃傘菌生長動力學時的優(yōu)劣，并利用該算法確定發(fā)酵動力學模型的參 數(shù)。
[0037] 本發(fā)明采用的研究方法：
[0038] (1)、本發(fā)明首先采取單因素和正交設計實驗獲得影響黃傘菌液體發(fā)酵培養(yǎng)基的 主要組分，并以單因素和正交試驗數(shù)據(jù)為樣本，建立發(fā)酵條件與多糖產量對應關系的BP神 經網絡模型，并運用遺傳算法進行模型尋優(yōu)，得到最佳發(fā)酵條件；
[0039](2)、對黃傘菌菌體生長動力學模型采用Monod方程和Logistic方程描述，多糖合 成模型采用Luedeking-Piret方程描述。在Matlab平臺下，應用遺傳算法分別對兩組模型 與實驗數(shù)據(jù)進行擬合，進行參數(shù)估算。
[0040] 本發(fā)明采用的實驗方法：本發(fā)明的實驗方法分為以下三個部分：
[0041] (1)、以遺傳算法優(yōu)化黃傘菌液體發(fā)酵培養(yǎng)基配方；
[0042](2)、以遺傳算法優(yōu)化黃傘菌發(fā)酵環(huán)境條件；
[0043](3)、以遺傳算法對黃傘菌液體發(fā)酵動力學進行研究。
[0044] 第一部分：以遺傳算法優(yōu)化黃傘菌液體發(fā)酵培養(yǎng)基配方
[0045] (1)、發(fā)酵液制備及多糖測定：
[0046] ③黃傘菌菌種
[0047] 黃傘是泰山資源豐富的真菌資源，野生黃傘子實體采于泰山。采用組織分離法得 到菌絲體，并將其轉接到PDA斜面培養(yǎng)基上。
[0048] ③一級種子液培養(yǎng)基：蛋白胨1. 0%，葡萄糖2. 0%，酵母膏0. 2%，KH2P040. 1%， MgS04. 7H200. 1%，pH自然，0·IMPa，121Γ滅菌 20min。
[0049] ③黃傘菌液體培養(yǎng)基礎培養(yǎng)基：同一級種子液培養(yǎng)基。
[0050] ③培養(yǎng)方法
[0051 ] 250mL搖瓶裝液量100mL基礎培養(yǎng)基，接入10 %的一級種子液，在旋轉式搖床上轉 速為200r/min，28°C條件下培養(yǎng)5-6d，即為黃傘菌液體培養(yǎng)發(fā)酵液。
[0052] ③菌絲體得率的測