基于MATLAB的发酵液恒压过滤比阻计算方法——以解淀粉芽孢杆菌Q-426发酵液为例

介绍了用MATLAB的Curve Fitting Toolbox计算解淀粉芽孢杆菌Q-426发酵液恒压过滤比阻的方法。通过在图形界面下导入恒压过滤实验数据及平滑处理、采用平滑样条拟合数据以及数值微分等操作,确定了解淀粉芽孢杆菌Q-426发酵液恒压过滤的滤饼比阻。研究表明,该方法运行可靠,无需编程,易于掌握。与传统计算方法相比,操作更为便捷,强有力的图形界面也使计算变得更加简单而直观。

氮源和碳源对解淀粉芽孢杆菌Q-426抗菌脂肽合成的影响

微生物来源的环状脂肽在生物农药以及医学领域极具应用潜力。通过测量抑菌活性并利用反相高效液相色谱(RP-HPLC),液相质谱联用(HPLC-MS)和串联质谱(MS/MS)技术检测抗菌脂肽组分的变化研究了氮(N)源、碳(C)源和培养基中的初始pH值对解淀粉芽孢杆菌Q-426菌株中抗菌脂肽bacillomycin D和fengycins合成的影响,从而为进一步研究它们生物合成的基因调控以及更有目的性提高产量提供理论依据。结果表明:L-组氨酸、L-赖氨酸、甘油、山梨醇以及培养基中的[OH]-均能促进脂肽bacillomycin D的合成,但它们在该实验菌株抗菌脂肽bacillomycinD合成途径中的调控靶点有所不同。

DKPs对解淀粉芽孢杆菌Q-426抗菌活性物质基因表达量的影响

目的:解淀粉芽孢杆菌Q-426在其生长过程中能够产生芬枯草菌素、依枯草菌素、枯草杆菌素等多种脂肽类抗菌物质。利用实时荧光定量PCR的方法考察细菌群体感应信号分子二酮哌嗪类化合物(diketopiperazines,DKPs)对脂肽类抗菌物质合成的调控作用。方法:当Q-426菌进入对数生长期中期,向发酵液中加入终浓度为5 mg/L的DKPs,并继续培养至48 h,并利用实时荧光定量PCR的方法进行抗菌物质mRNA表达水平的定量分析。结果:二酮哌嗪类化合物能够抑制抗菌活性物质相关基因的表达。

BP神经网络预测Bacillus amyloliquefaciens Q-426发酵产物活性

为了寻求工业培养基有效配比，以获得Bacillus amyloliquefaciens Q-426发酵培养较大活性，根据Bacillus amyloliquefaciens Q-426摇瓶培养实验数据，以甘蔗糖蜜、豆粕粉、氯化铵、氯化钙4个培养基成份作为影响抑菌圈直径的主要因素，利用BP（Backpropagation）神经网络方法对其抑菌圈直径进行预测，获得抑菌圈直径的BP神经网络预测模型。结果表明：训练BP神经网络时，14组自变量数据中抑菌圈直径的BP神经网络拟合值与实测值的相对误差为-1．8519％～1．9231％，相对误差绝对值的平均值为1．1213％；测试BP神经网络时，3组自变量数据中抑菌圈直径的BP神经网络预测值与实测值的相对误差为-1．8519％-0．7692％，相对误差绝对值的平均值为1．1515％，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。

解淀粉芽孢杆菌Q-426 Bacillomycin D的分离纯化及其抗肿瘤活性

环脂肽化合物因其独特的结构特点和生物活性在医药领域具有广泛的应用前景。本研究旨在从解淀粉芽孢杆菌Q-426发酵液中分离纯化获得高纯度的环脂肽单体,并对分离得到的环脂肽C-15 Bacillomycin D和C-16Bacillomycin D的抗肿瘤活性及机制进行初步研究。首先,联合使用酸沉淀和双树脂层析去除大量杂质,然后通过制备型HPLC分离得到纯度较高的两种环脂肽,经ESI-MS/MS对其进行结构鉴定,分别确定为C-15Bacillomycin D与C-16 Bacillomycin D。其次,将两种环脂肽单体及其1:1混合液(摩尔比)按不同浓度梯度作用于人癌细胞(Hela、MG、Hep-G2、HT-29),结果表明环脂肽对Hela与MG细胞增殖的抑制作用呈浓度依赖性,长链环脂肽的抑制率较短链环脂肽略高。最后,采用细胞划痕实验和PI染色法考察了C-16 Bacillomycin对细胞侵袭与迁移能力、细胞凋亡和周期的影响,结果显示,C-16 Bacillomycin D可有效影响细胞的迁移能力,诱导细胞凋亡呈浓度依赖性,且阻滞细胞G_0G_1期。

响应面法与遗传算法优化解淀粉芽孢杆菌Q-426发酵的kLa

为了实现解淀粉芽孢杆菌Q-426发酵过程溶氧的优化控制,将响应面法与遗传算法结合,研究了搅拌速度x_1及通气速率x_2对分批发酵的体积溶氧传递系数k_La的影响。响应面分析表明:当搅拌速度>680 r·min^(-1)及通气速率>140 L·h^(-1)时,k_La有最大值。将二阶回归方程作为遗传算法优化的目标函数,经过51次迭代,获得了最优值,k_La最大值为:7.3801×10^(-5)s^(-1)(x_1=755.311 r·min^(-1),x_2=171.362 L·h^(-1))。

基于BP神经网络的pH对解淀粉芽孢杆菌Q-426发酵影响的研究

为控制解淀粉芽孢杆菌Q-426发酵过程,研究了在3.7 L发酵罐中pH对菌株Q-426发酵过程的影响。选取发酵时间、pH作为自变量,菌体浓度、底物浓度、发酵产物活性作为目标量,通过构建自变量矩阵和参考序列,构建了基于BP神经网络的菌株Q-426发酵过程的预测模型。通过运用MATLAB神经网络工具箱进行训练,得出优化网络模型,并根据建立的模型进行预测。将预测值与实测值对比,拟合及预测的平均相对误差均在4%以内,说明该模型有较好的适用性。

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。