基于在线OUR/CER检测的发酵过程代谢通量实时解析方法研究

《Fermentation》：Microbial Manufacturing of Recombinant Protein: Recent Advances, Challenges, and Strategies Yonghan Chen, Zhiyan Zhang, Chuan Wang, Qingjing Huang, Lixiu Yan, Chang Sun, Jun Kang, Jiamin Zhang and Jie Cheng

　　

研究人员提出了一种结合在线摄氧率（OUR）与二氧化碳释放率（CER）检测的代谢通量实时解析方法，用于解决传统通量平衡分析（FBA）在动态发酵过程中预测精度不足的问题。该方法通过将实验测得的OUR与CER作为等式约束，构建二次规划（QP）形式的简约通量平衡分析模型（QP?pFBA），以最小化非在线可测反应的通量平方和作为目标函数，实现对胞内代谢流的动态估算。研究采用一分钟采样间隔获取发酵液OUR、CER及细胞浓度数据，并通过差分法计算比生长速率（μ）、比耗氧率（vO?）与比二氧化碳生成率（vCO?）。与传统FBA相比，QP?pFBA能够更准确地反映微生物在实际发酵过程中的能量效率特征，避免非生理最优解的产生。该方法为发酵过程的实时代谢监控与优化提供了理论基础与技术支持。

研究背景方面，发酵工业的精细化控制依赖于对胞内代谢状态的实时掌握。传统代谢通量分析（FBA）基于稳态假设与物料守恒，常因忽略动态特性而产生多个等优解，部分解偏离微生物实际能量效率原则。为解决这一问题，研究人员将简约通量平衡分析（pFBA）与二次规划结合，提出QP?pFBA算法，旨在通过在线可测的代谢参数实现高时间分辨率的通量解析。

关键技术方法包括：1）基于一分钟采样频率同步获取OUR、CER及细胞干重（DCW）数据；2）通过差分方程计算比生长速率与特异性底物消耗/产物生成速率；3）构建以OUR与CER为等式约束的QP?pFBA模型，目标函数为最小化非在线检测反应的通量平方和；4）采用动态优化策略求解全时段代谢通量分布。

研究结果分为三个部分。第一部分为在线参数计算方法，研究人员建立了基于OUR、CER与DCW的差分公式，实现了μ、v_O?与v_CO?的实时计算。第二部分为QP?pFBA算法构建，模型以Σα_iv_i2 ? α_μv_BIOMASS2 ? α_CO?α_{EX_CO?}2 ? α_O?α_{EX_O?}2为目标函数，约束条件包括S·v=0、v^lb≤v≤v^ub及在线检测反应通量的实测值，其中权重系数α_i满足Σα_i=1。第三部分为算法验证，结果表明QP?pFBA能有效剔除传统FBA中非生理最优解，所得通量分布更符合微生物能量效率最大化原则。

讨论与结论部分指出，QP?pFBA通过引入二次规划目标与在线约束，显著提升了动态发酵过程的代谢通量预测精度。该方法无需昂贵仪器即可实现胞内代谢状态的实时推断，为发酵过程监控、故障诊断与动态优化提供了实用工具。研究发表于《Fermentation》，为工业发酵的智能控制提供了新的方法论支持。