基于拉曼光谱监测与代谢网络分析的AI驱动发酵优化技术实现α-淀粉酶超高效生产

（编辑推荐）本研究创新性地将拉曼光谱（Raman）、机器学习（ML）与时间序列转录组学相结合，构建了α-淀粉酶（α-amylase）发酵的智能优化框架。通过随机森林（RF）算法解析葡萄糖的关键调控作用，结合闭环反馈控制使产量提升46%（达15,729.47 U/mL），为丝状真菌（Aspergillus niger）工业发酵提供了可扩展的"数据驱动-机制解析-实时调控"三位一体策略。

　　

Highlight

葡萄糖通过SHAP分析被确认为α-淀粉酶生产的关键调控因子，闭环拉曼反馈系统将其浓度精准控制在最优区间，相较人工补料使产量提升46%（15,729.47 U/mL），发酵周期缩短28小时。

Physiological characteristics of α-amylase fermentation

黑曲霉（A. niger）发酵过程中，溶解氧（DO）在24小时内从100%骤降至25%，标志着菌体进入指数生长期。同时，摄氧率（OUR）与二氧化碳释放率（CER）呈现典型的"双峰"模式，暗示次级代谢产物（如α-淀粉酶）的合成启动。

Conclusion

本研究通过整合实时传感（拉曼）、机器学习（RF/BR算法）和系统生物学（RNA-seq），建立了可模块化的智能发酵框架。低葡萄糖条件下转录组学揭示了碳代谢重编程与分泌途径激活的分子机制，为丝状真菌（filamentous fungi）的精准调控提供了普适性策略。