《Journal of Food Engineering》：Machine learning-based analysis of process factors associated with quality variability in industrial probiotic manufacturing
编辑推荐：
机器学习（Machine Learning, ML）被应用于178个工业规模益生菌生产批次的分析。总产量（total production）与活菌数降低（VCC reduction）的预测准确率约为75%。一周活菌数变化（one-week VCC change
机器学习（Machine Learning, ML）被应用于178个工业规模益生菌生产批次的分析。总产量（total production）与活菌数降低（VCC reduction）的预测准确率约为75%。一周活菌数变化（one-week VCC change）的预测性能较低，准确率为59.5%。冷冻保护剂（cryoprotectant）与排放（discharge）相关变量在不同分类阈值下均保持重要地位。压力（pressure）相关变量与总产量及活菌数降低存在关联。
一、研究背景与问题提出
益生菌因其在调节肠道菌群、增强免疫功能及支持代谢健康等方面的作用而受到日益增长的科学与商业关注。其中，鼠李糖乳杆菌（Lactobacillus rhamnosus）因其对胃酸和胆汁盐的耐受性以及肠道黏膜黏附能力而被广泛使用。然而，益生菌制造过程涉及发酵、离心浓缩、冷冻干燥、过筛及储存等多阶段紧密耦合的单元操作，各阶段工艺条件的波动可导致产量和细胞活力出现显著差异，维持一致的产品质量面临重大挑战。产品质量主要以活菌数（viable cell count, VCC）衡量，以菌落形成单位（colony-forming units, CFU）表示。尽管采用标准化评估方案，实际生产中批次间VCC变异性仍然普遍存在，且这种变异性源于跨阶段工艺条件的复杂交互作用，传统分析方法难以有效解析。现有研究大多基于实验室或中试规模、在受控条件下针对单一因素开展，关于这些关系能否推广到涵盖上游培养、下游处理及加工后储存的工业规模生产体系，尚缺乏系统性证据。因此，亟需一种整合全流程信息的分析框架，以表征和管理益生菌生产中的质量变异。
二、研究内容与意义
本研究利用来自韩国一东生物科技株式会社（ILDONG Bioscience Co., Ltd.）工业规模益生菌生产线的196个批次真实生产数据，经预处理后纳入178个批次、36个变量，对鼠李糖乳杆菌IDCC 3201产品的三个质量属性进行预测分析：总产量、相对于理论值的VCC降低量以及加工后一周储存期间的VCC变化。研究采用基于XGBoost的分类模型捕捉变量间的非线性关系，并通过特征重要性分析识别与批次间质量变异最相关的工艺变量。同时，通过替代分类阈值、预处理条件和基线模型开展敏感性分析以评估结果的稳健性。该研究的创新之处在于：整合了涵盖种子培养、主培养、浓缩、冷冻保护剂添加及冷冻干燥各阶段常规记录的工艺变量；联合评估三个互补的质量属性，且输入变量限定为各预测任务对应时间点可获取的信息；对预测性能和特征重要性模式进行了系统的稳健性评估。该研究为工业规模益生菌制造中的质量预测和工艺理解提供了探索性的全流程视角。
三、关键技术方法
研究人员采用以下主要技术方法：基于XGBoost的分类模型用于预测三个质量属性的批次间变异性；缺失数据处理采用多步骤过滤策略（变量缺失率>50%先排除，样本缺失率>25%再排除，变量缺失率>25%最终排除）结合变量特异性插补方法（体积与接种量相关变量用中位数插补，pH与TCC相关变量按TCC排序后线性插补，其余变量用均值插补）；时间序列变量（泵出口压力、流速、过程压力、背压）通过最小值、最大值和算术平均值等描述性统计量转化为固定长度的批次级特征；特征重要性分析用于识别关键工艺变量；通过改变分类阈值、预处理条件和比较基线机器学习模型进行稳健性评估。样本队列来源于韩国京畿道平泽市的工业规模生产线，主发酵在50 m3工业生物反应器中进行，工作体积20 kL，温度37 °C、pH 5.7条件下受控运行。
四、研究结果
4.1 预测性能评估
研究人员采用XGBoost分类模型对三个质量属性进行预测。总产量和VCC降低的预测准确率约为75%，表明这两个质量属性与工艺变量之间存在较强的可预测关联。相比之下，一周VCC变化的预测准确率仅为59.5%，预测性能较低，提示短期储存期间的活力变化可能受工艺变量之外的其他因素影响，或现有变量信息不足以充分捕捉这一动态过程。
4.2 关键特征重要性分析
特征重要性分析显示，冷冻保护剂（cryoprotectant）体积和排放（discharge）相关变量（包括排放次数和平均单次排放量）在多个分类阈值下始终位居重要特征前列，表明这些下游处理环节的变量与质量变异的关联具有稳健性。此外，压力相关变量（包括泵出口压力、过程压力和背压）与总产量和VCC降低显著相关，提示浓缩离心阶段的压力条件对产量和细胞存活具有重要影响。
4.3 稳健性分析
通过替代分类阈值、改变预处理条件以及采用其他基线机器学习模型进行比较，研究人员验证了预测性能和特征重要性模式的一致性。冷冻保护剂和排放相关变量的重要性在不同分析条件下保持稳定，进一步支持了这些变量作为工业益生菌生产质量关键影响因素的可靠性。
五、讨论与结论总结
讨论部分指出，本研究通过整合多阶段工艺数据，揭示了工业规模益生菌制造中质量变异的潜在工艺驱动因素。与实验室规模研究不同，工业环境中的变量交互更为复杂，而树集成模型能够有效捕捉这些非线性关系。冷冻保护剂和排放变量的持续重要性表明，下游处理环节对最终产品质量的贡献不容忽视；压力变量的关联性则提示浓缩过程的物理条件需要精细化控制。一周VCC变化预测性能较低，说明储存稳定性可能受更广泛的未测量因素影响，未来研究可纳入储存条件、包装材料等变量以提升预测能力。
研究结论表明，基于机器学习的方法能够以约75%的准确率预测工业益生菌生产的总产量和VCC降低，并识别出冷冻保护剂、排放及压力相关变量作为质量变异的关键关联因素。该研究展示了常规记录的工艺数据在工业规模生物制造中支持预测性质量评估和工艺理解的潜力，为益生菌生产的过程优化和质量控制提供了数据驱动的方法论参考。
