基于遗传算法进化的人工神经网络(GA-ANN)对葡萄糖发酵生产普鲁兰多糖的条件优化

基于遗传算法进化的人工神经网络,以葡萄糖为原料,对出芽短梗霉产普鲁兰多糖的发酵培养条件进行优化。首先通过单因素试验和Plackett-Burman实验筛选显著因素,再进行Box-Behnken实验建立数据样本,最后利用Matlab建立神经网络模型寻找最优解。结果表明,葡萄糖和酵母抽提物对普鲁兰多糖的合成具有显著的正效应,K_(2)HPO_(4)对普鲁兰多糖的合成具有显著的负效应。遗传算法-人工神经网络的决定系数与相对误差分别为0.9988与1.72%。最终优化获得普鲁兰多糖发酵的最佳培养基组分为葡萄糖150 g/L,酵母抽提物7.1 g/L,MgSO_(4)·7H_(2)O 1.4 g/L,K 2HPO 47 g/L,NaCl7 g/L,自然pH。在此条件下,普鲁兰多糖的产量为83.25 g/L,较优化前提高了79.73%。经济分析表示优化后的培养基成本较优化前降低了约70%。该研究结果为普鲁兰多糖的工业化生产提供了数据支撑,有助于提升普鲁兰多糖在行业中的竞争力。

基于蛋白质组学分析尿嘧啶对出芽短梗霉产普鲁兰多糖的影响

为了解尿嘧啶对出芽短梗霉生长及合成普鲁兰多糖的内在机制,研究了尿嘧啶在普鲁兰多糖发酵过程中的最适添加量与最适添加时间。利用非标记(Label-free)定量技术和液相色谱-串联质谱技术比较出芽短梗霉发酵后期(88 h)的蛋白质组分,并对其差异蛋白质进行生物信息学分析。结果表明:在48 h添加0.5 g/L的尿嘧啶对普鲁兰多糖的产量提高最为显著,在5 L发酵罐上验证,产量由70.13 g/L提高到86.27 g/L,提高了23%。进行蛋白质组分分析鉴定出80个差异性蛋白质,其中包括40个上调蛋白和40个下调蛋白(差异倍数>2,P<0.05),对这些差异蛋白进行聚类分析、GO功能富集分析、KEGG通路分析显示上述差异蛋白广泛涉及细胞过程、代谢过程等重要生物过程。差异蛋白质主要参与糖酵解、果糖和甘露糖代谢、乙醛酸和二羧酸代谢、丙酮酸代谢和TCA循环等代谢过程,最终引起普鲁兰多糖产量的变化。为进一步了解出芽短梗霉产普鲁兰多糖的代谢机理提供了分子基础。

靛蓝染色尼龙56纤维的臭氧脱色

采用臭氧对靛蓝染色后的尼龙56纤维进行脱色处理,探讨了各工艺条件对脱色效果和力学性能的影响,优化了臭氧脱色的工艺条件。结果表明:当臭氧处理时间为20 min、pH=9左右、纤维含湿量为20%时,尼龙56纤维力学性能保持良好且脱色效果最佳。

生物基PA56纤维的靛蓝染色

选用靛蓝隐色体浸渍法对PA56纤维进行染色。优化的染色工艺为:靛蓝质量浓度3 g/L,保险粉质量浓度10 g/L,NaOH质量浓度3 g/L,染色温度40℃,染色时间20 min。该工艺染色PA56纤维K/S值最高可达28,且染色纤维具有良好的耐皂洗色牢度和耐汗渍色牢度。