基于人工神经网络－遗传算法的樟芝发酵培养基优化.pdfVIP

生 物 工程 学报 ChinJBiotech2011，December25；27(12)：1773—1779 journals．im．ac．cn ChineseJournalofBiOtechnOIOgy ISSN 1000-3061 cjb@im．ac．on @2011CJB，Allrightsresewed． 基于人工神经网络．遗传算法的樟芝发酵培养基优化 陆震鸣1，何枯1，许泓瑜1，史劲松2许正宏 1江南大学医药学院 制药工程研究室，无锡 214122 2江南大学医药学院 生物活性制品加工工程研究室，无锡 214122 摘 要：采用优化模型对药用丝状真菌樟芝的复杂发酵过程进行建模，并获得最优发酵培养基组成。对樟芝发酵过程 中的形态变化过程进行 了观察 ，并分别采用人工神经网络 (ANN)和响应面法 (RSM)对樟芝发酵过程进行建模 ，同时 采用遗传算法 (GA)优化了发酵培养基组成。结果表明，ANN模型比RSM模型具有更好的实验数据拟合能力和预测 能力，GA计算得到樟芝生物量理论最大值为 6．2g／L，并获得发酵最佳接种量及培养基组成：孢子浓度 1．76x10’个／mL， 葡萄糖29．1g／L，蛋白胨9．4g／L，黄豆粉2．8gL／ 在最佳培养条件下，樟芝生物量为 (6．1~0．2)g／L。基于 -GA的 优化方法可用于优化其他丝状真菌的复杂发酵过程，从而获得生物量或活性代谢产物。 关键词：樟芝，人工神经网络，响应面法，遗传算法 M edium optimizationformyceliaproductionofAntrodia cam~pphhoorraattaabbaasseeddo0nnaarrttliftilcciiaallnneeuurraallnneetwoorrkk--ge~nneettiicc algorithm ZhenmingLu，ZheHe，HongyuXu ，JinsongShi，andZhenghongXu 1LaboratoryofPharmaceuticalEngineering,SchoolofMedicineandPharmaceutics，diangnanUniversity，Wuxi214122，China 2LaboratoryofBioactiveProductsProcessEngineering，SchoolofMedicineandPharmaceutics，JiangnanUniversity，Wuxi214122，China Abstract： ToillustratethecomplexfermentationprocessofsubmergedcultureofAntrodiacamphorataATCC 200183，we observedthemorphology changeofthisfilamentousfungus．Thenweusedtwooptimizationmodelsnma elyresponsesurface methodology(RSM)andartificialneuralnetwork(ANN)tomodelhtefemrentationprocessofAntrodiacamphorata．Bygenetic algorithm (GA)，weoptimizedtheinoculum sizenadmedium componentsforAntrodiacamphorataproduction．Theresultsshow thatfitnessnadpredictionaccuracyofANNmodelwashigherwhencomparedtothoseofRSM mode1．UsingGA。weoptimizedhte inputspaceofANNmodel。andobtainedmaximumbiomassof6．2g／LathteGA-optimizedconcentrationsofspore(1．76x10 m／E) andmediumcomponents lucose，29．1gL／；peptone，9．3gL／；andsoybeanflour,2．8gni)．Tl1ebiomassobtained