《Process Biochemistry》：Optimizing
Saccharomyces cerevisiae biomass production with
Ziziphus lotus juice via hybrid modeling approaches
编辑推荐：
柽柳汁作为新型碳源优化酵母生物量生产，通过Plackett-Burman设计筛选出酵母提取物、硫酸镁、硫酸锰及柽柳汁浓度为核心因素，结合RSM-ANN-GA混合模型确定最佳条件（5.27g/L酵母提取物、0.01g/L MgSO?、0.05g/L MnSO?、80g/L柽柳汁），使生物量提升至7.23g/L（原3.81g/L），验证混合建模在非线性交互优化中的优势。
作者：Chemes Elhouda Messaad、Hani Belhadj、Abdenacer Mouffok、Nourelhouda Hammoudi、Yacine Benguerba、Mouloud Ghadbane、Hamdi Bendif、Tarek H. Taha、Walid Elfalah、Gregorio Peron
研究机构：阿尔及利亚姆西拉大学（University of M’sila）植物资源价值化生物多样性与生物技术实验室（Laboratory of Biodiversity and Biotechnological Techniques for Plant Resources Valorization），地址：Bordj Bou Arreridj路，姆西拉28000
摘要 开发可持续且成本效益高的发酵过程需要使用非常规底物并优化相关策略。本研究以Ziziphus lotus 果汁（ZLJ）作为Saccharomyces cerevisiae 生物量生产的新碳源进行了探讨。采用Plackett-Burman设计方法确定了关键因素，发现糖浓度、酵母提取物（YE）、MgSO?和MnSO?的影响最为显著。随后将响应面方法（RSM）与人工神经网络（ANNs）结合使用，以捕捉非线性因素间的相互作用。最优的ANN架构实现了较高的预测准确性，并在训练集、验证集和测试集上展现了良好的泛化能力。为进一步完善培养基组成，将遗传算法（GA）与RSM-ANN模型集成。优化后的条件为：5.27?g/L YE、0.01?g/L MgSO?、0.05?g/L MnSO?、80?g/L ZLJ，其生物量产量达到7.23?g/L，是初始条件（3.81?g/L）的两倍。RSM-ANN-GA框架的表现优于单独使用RSM方法，降低了预测误差并提高了模型可靠性。结果表明ZLJ是一种成本低廉且营养丰富的底物，同时展示了混合计算建模在发酵优化中的强大作用。这种集成的RSM-ANN-GA方法为提高酵母生物量产量提供了一种可扩展且可重复的策略，具有更广泛的应用于微生物生物过程和工业生物技术的潜力。本研究首次将Z. lotus 果汁的利用与RSM-ANN-GA框架相结合，用于酵母生物量的优化，有效模拟了非线性营养因素间的相互作用。
引言 Saccharomyces cerevisiae 是生物技术领域最重要的微生物之一，长期以来因其能将糖转化为乙醇、二氧化碳和生物量而在食品、饮料和制药行业中得到广泛应用[1]、[2]、[3]。除了工业价值外，S. cerevisiae 还被用作真核细胞生物学和遗传学的模式生物。大规模生产酵母生物量通常使用糖蜜、葡萄糖等富含糖的底物[4]、[5]。然而，对传统原材料的依赖引发了经济和可持续性问题[6]，因此亟需寻找替代原料[7]、[8]。在这种情况下，Ziziphus lotus （L.）Desf.果实成为一种有前景的底物。这种属于鼠李科的灌木植物在干旱和半干旱地区生长旺盛，例如在阿尔及利亚的Aures地区被称为“sedra”[9]、[10]。其果实呈红色，传统上被新鲜食用、干燥或加工后食用，当地居民有大量消费[11]、[12]。该果实营养价值高，含有多种营养成分和植物化学物质，如氨基酸、三酰甘油、碳水化合物、蛋白质、固醇、膳食纤维、维生素和矿物质[13]。碳水化合物占Nbeg可食用部分的约10.15%，主要成分是葡萄糖、果糖和蔗糖，同时还含有阿拉伯糖、半乳糖和鼠李糖等其他单糖[11]、[12]、[14]。鉴于Nbeg中糖类的多样性、低成本以及不与食物竞争的特点，它成为大规模生产面包酵母的理想碳源。然而，不同菌株对发酵过程中碳源和氮源及矿物质的营养需求各不相同，因此需要同时优化这些因素[15]、[16]。培养条件的优化同样重要；但在本研究中，pH值、温度和接种量均固定在已知的最适范围内，而营养成分则因其对微生物生产力的显著影响而被系统优化。传统的单一因素优化方法效率较低，因为它们无法考虑变量间的相互作用[17]。相比之下，Plackett-Burman设计（PBD）和响应面方法（RSM）等统计方法能够高效识别关键因素并建模它们的联合效应[18]。最近在吸附和环境过程优化方面的研究表明，RSM在识别关键操作变量方面效果显著，但在存在强非线性相互作用时，其多项式结构可能限制预测准确性[19]。为克服这些限制，基于人工智能的工具（尤其是人工神经网络（ANNs）因能更好地捕捉过程变量与系统响应之间的复杂非线性关系而受到越来越多的应用[19]、[20]。近年来，由于ANN能够捕捉二次RSM模型难以描述的复杂非线性关系，其在生物过程优化中的应用日益增多。比较研究表明，当采用基于ANN或混合ANN–GA的框架时，预测准确性更高、误差更小、优化效率更高[21]。当与遗传算法（GA）等优化技术结合使用时，这些混合方法的表现优于传统方法[18]、[22]。此外，关于抗生素降解和污染物去除系统的最新研究强调了人工智能在多维建模和过程优化中的关键作用，尤其是在涉及多个相互作用参数的复杂反应环境中[20]。尽管这些计算策略具有潜力，但它们在利用Z. lotus 等非常规底物生产酵母生物量方面的应用仍较为有限。
本研究旨在评估Z. lotus 果汁作为Saccharomyces cerevisiae 生物量生产的低成本可持续底物的适用性，并通过集成实验-计算方法优化培养基。具体目标包括：（i）利用Plackett-Burman筛选方法确定影响酵母生物量形成的关键营养因素；（ii）通过RSM优化这些因素的联合效应；（iii）评估结合ANN和GA的混合建模是否能提高预测准确性和优化效率。通过解决这些问题，本研究旨在验证Z. lotus 作为替代底物的有效性，并提供一种适用于基于酵母的生物过程的稳健优化框架。
Z. lotus》果汁的制备 来自阿尔及利亚姆西拉地区的果实经过精心处理：首先清洗并干燥，然后在100°C下用蒸馏水煮沸60分钟（质量与体积比为1:5）。煮沸后，通过布料挤压提取果汁（ZLJ），再通过4000 rpm离心30分钟去除种子和细胞残渣。得到的上清液富含营养物质，可作为碳源。
筛选对生物量生产有影响的培养基成分 本研究通过基于PBD的15次实验运行评估了十个独立变量对酵母生物量生产的影响（详见补充材料中的表S2）。PBD的正交性允许在不考虑变量相互作用的情况下单独评估每个因素[40]。实验数据拟合了一阶模型，表达式如下：
