微生物发酵过程中统计优化技术的应用分析

【摘要】本文主要对近年来，常用的几种统计优化方法进行了详细地介绍与分析，以期促进微生物发酵的健康发展。

【关键词】微生物发酵 试验设计 统计优化

对于微生物发酵过程来说，其是一个非常复杂的生化反应过程，因此其能否顺利进行，不仅在于生产菌种自身的性能，还在于所使用的发酵培养基的配方、发酵条件等外界条件。为了能够寻求到最佳的发酵工艺，则需要运用到统计优化技术，其不仅能降低成本，而且还能实现微生物发酵的高产、高效。

一、均匀设计法

二、最陡爬坡法

一般来说，人们又将最陡爬坡法称之为最速上升法，运用这种方法能够快速准确地寻找到各种变量的最优区域。在微生物发酵的过程中人们往往需要通过利用回归方程的方式来寻找其中最佳的工艺条件，而一旦其所建立的回归方程并不在最优区域，那么就不能用来寻找最佳工艺条件，但是利用最陡爬坡法便能够将这种问题很好的解决掉。利用最陡爬坡法时，首先，需要根据前期的工作拟合出一定量的方程来确定其中各个变量的爬坡方向及其变化的步长，若其中系数为正，那么这种因素的水平就会递增；反之，这种因数的水平便会递减。在进行最陡爬坡法试验设计之前，应当以其系数最大的变量为基准，进而确定出基本的步长，并以其它变量与基准变量系数的比值来确定其它变量的步长，也就是说要进行试验设计前必须要确定爬坡方向和变化步长后再选取中心点进行。

三、中心组合设计法

近年来，利用响应面法进行微生物的发酵也得到广泛的应用，而其中中心组合设计法又是应用得较多的响应面设计方法。与其他统计优化技术相比，中心组合设计法具有精度高、预测性好等诸多优良的特点。该方法具体为在2析因设计或部分析因设计的基础上添加2K个轴向点和中心点而组成，在这一设计中K个因子的2k中心组合设计需要进行的试验总数为N=2k+2k+n0，在这里2k表示的是全因子试验次数，2k表示的是轴点的试验次数，n0表示的是中心点的重复试验次数。而这种方法只适合只有2―5个因素、5水平的优化试验。

四、结束语

通过上文的分析不难看出，当前不断优化微生物发酵统计的方法对微生物发酵培养基在微生物代谢产物中的研究有着十分重要的作用。伴随着科学技术的不断发展，专业性的可以投入实际使用的统计优化软件也得到了不断开发，如SPSS、SAS等，这些专业软件的出现，能够帮助科研工作者迅速、可靠的进行优化试验设计及进行数据的分析，从而促进微生物发酵的健康发展。