解淀粉芽孢杆菌Q-426培养基优化及抑菌活性的预测

为了提高解淀粉芽孢杆菌Q-426发酵生产的抑菌活性，运用响应面法优化解淀粉芽孢杆菌Q-426发酵培养基组分，并利用BP神经网络对抑菌活性进行了预测。优化后培养基配方（g／L）为：葡萄糖3．92、氯化铵0．19、氯化镁3．83、牛肉膏5．00，并以此作为输入数据，将抑茵活性即抑菌圈直径作为输出数据，建立了BP神经网络预测模型。结果表明：优化后抑菌圈直径由24mm提高到29mm。训练BP神经网络的抑菌圈直径的拟合值与实际值之间的相对误差为-2．9629％～2．857l％，相对误差的绝对值的平均值为1．1979％；测试BP神经网络的抑菌圈直径的预测值与实际值的相对误差为一1．1111％～1．1538％，相对误差的绝对值的平均值为0．9931％，说明建立的基于4个培养基成份的抑菌圈直径BP神经网络预测模型是可行的。

复合解淀粉芽孢杆菌培养基优化及抑菌活性的预测

为了获取高活性的抑菌制剂,运用响应面法优化共培养的解淀粉芽孢杆菌Q-426和解淀粉芽孢杆菌Q-12的培养基,确定了优化培养基组成为(g/L):MgSO_4·7H_2O 0.91、柠檬酸钠3.31、酵母粉16.10、氯化铵2.0、K_2HPO_4 1.5及KH_2PO_4 0.6,优化后抑菌圈直径由27 mm提高到31 mm。再以培养基组成作为输入数据,将抑菌圈直径作为输出数据,建立了基于BP神经网络和自适应神经网络的训练模型,通过比较训练结果的均方误差和平均相对误差,表明自适应神经网络的训练效果优于。BP神经网络的训练效果,故选用自适应神经网络对抑菌圈直径进行预测。结果表明,采用自适应神经网络训练与测试的平均相对误差分别为0.0911%和0.3475%,说明基于自适应神经网络的抑菌圈直径的预测模型是可行的。