《TRENDS IN FOOD SCIENCE & TECHNOLOGY》：Research progress on precision screening and high-density cultivation technologies for probiotics: from multi-omics and high-throughput to intelligent fermentation
编辑推荐：
```
•一个全链条框架将精准筛选和高密度培养联系在一起。•多组学、人工智能和单细胞技术使得目标菌株的挖掘成为可能。•动态喂养和多阶段培养克服了发酵瓶颈。•计算流体动力学（CFD）、数字孪生技术和在线传感技术实现了智能发酵。•生物技术和人工智能的协同作用推动了数据驱动的益生菌生产
```
- •
一个全链条框架将精准筛选和高密度培养联系在一起。
- •
多组学、人工智能和单细胞技术使得目标菌株的挖掘成为可能。
- •
动态喂养和多阶段培养克服了发酵瓶颈。
- •
计算流体动力学（CFD）、数字孪生技术和在线传感技术实现了智能发酵。
- •
生物技术和人工智能的协同作用推动了数据驱动的益生菌生产。
引言
益生菌已经超越了它们在乳制品发酵中的传统工业价值，成为能够调节宿主微生物生态平衡并带来明确健康益处的活性微生物，扩展到了精准营养干预和代谢疾病治疗领域（Savo Sardaro等人，2023年；Zhang等人，2023年，Zhang等人，2023年）。同时，随着生命科学中对宿主-微生物组相互作用的理解不断深入（Gandhi & Shah，2017年），开发具有特定生理活性和优异工业过程适应性的功能菌株已成为当代食品科学和先进生物制造的核心焦点（Mejía-Caballero & Marco，2026年；Shen等人，2024年）。然而，从最初的实验室发现到大规模工业应用的转变远非易事，因为这一转化过程面临一系列严重的工程瓶颈，这些瓶颈具有明显的链式特征（Wang等人，2024年）。
第一个主要瓶颈出现在最初的筛选阶段，这揭示了实验室规模筛选与工业发酵性能之间的脱节。传统的基于表型的筛选方法由于通量低而受到限制，而仅基于基因组的数据无法准确预测菌株在复杂生理环境中的实际表现。许多在理想实验室条件下选出的候选菌株无法成功转移到工业规模的生产中。例如，Limosilactobacillus reuteri DSM 17938 对pH值和温度压力敏感（Hernández等人，2019年），其高密度发酵通常受到乳酸积累和形成存活但不可培养（VBNC）细胞的限制（Selvamani等人，2022年）。此外，Lactaseibacillus casei Zhang 对酸压力的蛋白组响应表明，在实验室条件下测得的抗压性可能无法预测其工业性能（Wu等人，2011年）。这类失败往往被忽视，但工业报告一致指出，氧气梯度、剪切应力、底物限制、酸积累和噬菌体污染是扩大规模的障碍（Kim等人，2026年；Kiousi等人，2022年；Mbye等人，2020年）。这些报告证实了实验室筛选与工业发酵之间的差距。因此，应用人工智能、微流控芯片平台和仿生模型对于从低通量经验筛选向高通量数字数据分析的转变至关重要（Han等人，2025年；Potenza等人，2024年）。随后，在高密度生长阶段出现了第二个关键瓶颈，此时菌株的增殖受到复杂的代谢和密度依赖性限制的影响。在发酵过程中，底物竞争、剧烈的pH值波动以及乳酸和乙酸等代谢副产物的过度积累会导致强烈的反馈抑制（Song等人，2023年）。此外，某些菌株中观察到的碳代谢物抑制（CCR）效应要求采用全局代谢调节策略，包括局部去除代谢物和多层次的营养供应，以克服生物量积累的限制（Lu等人，2022年；Zha等人，2024年）。
即使在高细胞密度培养条件下达到了最佳生物量，将益生菌扩大到工业生物反应器中也面临着严重的生理和环境约束（Kiousi等人，2022年；Wu等人，2011年）。具体来说，大型生物反应器内部的流场异质性容易引起细胞应激和生理衰退（Khoo等人，2025年；Mbye等人，2020年）。由于反应器内溶解氧和底物浓度的显著波动，这种环境异质性直接影响了细胞内代谢通量，从而阻碍了高密度发酵过程中存活细菌的富集。此外，传统离线监测方法中的时间延迟严重限制了对发酵过程的精确控制，使得难以实时捕捉微生物菌株的瞬态代谢变化（Hernández等人，2019年）。因此，迫切需要将数字孪生技术与多维在线传感器相结合，并基于潜在的代谢机制构建数字模型，从而实现发酵过程的智能监测和全局动态优化。
为了弥合筛选与制造之间的差距，本文构建并定义了一个系统的闭环技术框架，涵盖从精准筛选到发酵规模扩大的整个上游链。本综述重点介绍了基于多组学和人工智能的目标优化和筛选策略，以及基于全局代谢调节和智能发酵技术的有效细胞增殖方法。通过对这些技术在整个价值链中的发展进行深入分析，本综述旨在架起理想化实验室研究与复杂工业生产之间的桥梁，从而为新一代功能性益生菌的高质量转化、精准生产和技术应用提供坚实的理论基础和科学指导。
节选
集成益生菌功能安全性评估的基准
随着组学技术和高通量生物技术的快速发展，益生菌菌株的筛选和评估范式正在发生深刻变革。虽然传统的菌株评估主要基于表型特征，但当前评估系统的重点越来越多地转向对基因组基础和作用机制的深入分析。高通量全基因组测序等技术已变得不可或缺
益生菌高密度生长的代谢、物理化学和动力学约束
高密度发酵对于益生菌的商业生产至关重要，但生物量产出受到几个参数的限制，如动力学、代谢和物理化学性质（Liu等人，2025年；Yoshida，2026年；Zhang、Guo等人，2023年）。在理想的实验室条件下，这些瓶颈通常被忽视。不同菌株的氧气消耗、碳代谢和酸耐受性差异很大，因此在高密度培养中会出现不同的瓶颈
益生菌工业发酵过程中微环境异质性和细胞应力的分析
将益生菌从实验室振荡 flask 扩大到工业细胞工厂绝不仅仅是一个简单的体积增加，而是一个涉及微观细胞代谢和宏观生化工程的多尺度系统挑战（Garg等人，2017年；Tallei等人，2022年；N. Wang、Wu 和 Chen，2025年；Xu等人，2023年）。在这个扩大规模的过程中，生物反应器内部物理化学环境的剧烈变化构成了限制生物量的核心瓶颈
核心的工业化瓶颈在于理想筛选与复杂发酵之间的脱节
益生菌产业价值链的核心在于从庞大的微生物资源库中精准挖掘具有特定功能的菌株，并将其成功转化为稳定、高存活率的工业产品。然而，在当前的筛选-扩大规模链中，前端高通量功能发现与后端大规模发酵传播之间存在显著的逻辑错位和技术脱节（Das等人，2026年）。
结论与未来展望
本综述提出了一个高密度益生菌发酵和精准筛选的集成框架，包括多组学菌株发现、单细胞高通量验证、全局代谢调节和智能发酵控制。从经验筛选向数据驱动发现的转变加快了安全且功能性强菌株的识别。pH值把控喂养、DPPC和多层次培养拓扑结构已被用于解决底物等问题
CRediT 作者贡献声明
Yuqing Liu： 方法学、研究、软件、写作——原始草稿。Xiangyang Cheng： 研究、软件、写作——原始草稿。Qianrui Wang： 研究、软件、写作——原始草稿。Qingrong Huang： 写作——评审与编辑。Changhu Xue： 写作——评审与编辑、方法学。Zihao Wei： 写作——评审与编辑、监督、软件、资源、项目管理、方法学、资金获取、概念化。
致谢
本工作得到了中国国家自然科学基金（项目编号：32402292）的支持。此外，本工作还得到了常州大学CFSE青年交叉创新研究计划（项目编号：2024102）的资助。
Yuqing Liu|Xiangyang Cheng|Qianrui Wang|Qingrong Huang|Changhu Xue|Zihao Wei
```
