油脂降解培养基优化的遗传算法实验研究.pdf

维普资讯 第 32卷 分析化学 (FENXIHUAXUE) 研究简报 第 4期 2004年 4月 ChineseJournalofAnalyticalChemistry 48l～484 油脂降解培养基优化的遗传算法实验研究 李绍新 邢 达 秦华明 杨湘波 谭石慈 (华南师范大学激光生命科学研究所 ，广州 510631) (华南理工大学生物工程系，广州 510631) 摘 要 我们运用遗传算法，首次对利用热带假丝酵母降解油脂的培养基优化问题进行了研究。通过5代实 验完成了5O个实验样本、6种培养基成分、64个浓度水平的优化任务。按照优化后的培养基组成，热带假丝 酵母降解油脂的降解率为95．4％，比正交设计法提高了7．63％。实验结果表明：利用遗传算法可优化培养基 成分含量，取得更好的效果；遗传算法是一种优于单因素试验法和正交设计法的新型、高效的培养基优化方 法 。 关键词 油脂降解 ，培养基优化，遗传算法 1 引 言 在微生物降解油脂并应用其进行油脂废水强化处理的研究中，当筛选出高效降解油脂菌株后，微生 物的发酵培养成为关键因素。而且微生物发酵培养的培养基成分复杂，用一般数理统计方法也难于优 化。传统的优化培养基配方的方法是单因素试验法或正交设计法。单因素试验法是以因素间没有交互 作用为前提，对于大多数培养基组成而言，这种假设往往不成立 ；正交设计如果组分多，则实验数量呈几 何级数增长，得到的结果也只是次优解。为了优化培养基配方 ，采用遗传算法(geneticalgorithms，简称 GA)是一种行之有效的方法 ¨。 遗传算法首先由美国的Holland提出来 J，它基于达尔文进化论和孟德尔遗传学说，仿效生物的进 化与遗传，根据 “生存竞争”和 “优胜劣汰”的原则，借助复制、交换、突变等操作 ，使所要解决的问题从初 始解一步步地逼近最优解。与其它传统搜索方法相 比，GA具有随机性、鲁棒性、并行性全局搜索的优 越性 J。在培养基优化方面 GA的最大的优越性是不需要建立数学模型确定各个因素之间的相互影 响，有 目标函数值即可 J。最早报道应用 GA于培养基优化的是Freyer等L5J，其后 Zuzek等也进行了尝 试 。但 目前国际上将之应用于发酵方面的研究相对较少。 基于在筛选高效降解油脂菌株研究的基础上 【，本实验采用遗传算法进行油脂降解培养基优化的 研究，结果表明，利用遗传算法以较少的实验样本优化了培养基的成分含量，提高了油脂的降解率。 2 基本原理 遗传算法是一种基于生物 自然选择与遗传机理的随机搜索算法。与传统搜索算法不同，遗传算法 从一组随机产生的种群的初始解开始搜索过程。种群中的每个个体是问题的一个解 ，称为 “染色体”。 染色体是一串符号，比如一个二进制字符串。这些染色体在后继迭代中不断进化，成为遗传。在每一代 中用 “适值”来测量染色体的好坏，生成的下一代染色体称为后代。后代是由前一代染色体通过交叉或 者变异运算形成的。在新一代形成过程中，根据适应度的大小选择部分后代，淘汰部分后代，从而保持 种群大小是常数。适值高的染色体被选中的概率较高。这样经过若干代之后，算法收敛于最好的染色 体很可能就是 问题的最优解或次优解 。 3 实验部分 3．1 材料 菌种为热带假丝酵母(Candidatropiealis)，由华南理工大学生物工程实验室分离所得 。4~C条件下 2003-02—19收稿 ；2003-09-08接受 本文系广东省 自然科学基金资助项 目(No．015012) 维普资讯 482 分 析 化 学 第 32卷 用马铃薯一琼脂保存。斜面培养基采用马铃薯一琼脂培养基用来激活菌种 。种子培养基的成分有 6种， 包括橄榄油 0．5％，酵母浸膏 0．1％，蛋 白胨 1％，KH2PO40．2％，(NH4)2SO 0．2％，Na2HPO 0．2％， MgSO0．02％，CaC10．01％