利用响应面方法和人工神经网络模型，对比研究了Priestia flexa BCA501菌株在Trichanthera gigantea叶片中对固态发酵单宁降解的效果

《Bioresource Technology Reports》：Comparative optimization of solid-state fermentative tannin degradation in Trichanthera gigantea foliage by Priestia flexa BCA501 using response surface methodology and artificial neural network models

　　尼科·G·杜曼丹（Nico G. Dumandan）| 安妮·西塔·T·卡加奥安（Annie Cita T. Kagaoan）| 杰伊·罗内尔·V·科内霍斯（Jay Ronel V. Conejos）| 弗朗西斯科·B·埃莱加多（Francisco B. Elegado）| 阿米莉亚·B·希松-弗拉德哈斯（Amelia B. Hizon-Fradejas）| 安娜贝尔·T·阿布雷拉（Annabelle T. Abrera）| 谢丽尔·洛泽尔·B·阿雷奥拉（Sheryl Lozel B. Arreola）
菲律宾大学洛斯巴尼奥斯分校国家分子生物学与生物技术研究所，拉古纳省，4031，菲律宾

**摘要**
单宁限制了Trichanthera gigantea叶片作为饲料资源的有效利用，这突显了需要采取有效策略来减轻其抗营养作用。本研究应用响应面方法（RSM）和结合遗传算法的人工神经网络（ANN–GA），在固态发酵条件下优化了Priestia flexa BCA501对Trichanthera gigantea叶片中单宁的降解效果。采用中心复合设计（face-centered central composite design）来评估葡萄糖补充、蛋白胨补充和发酵时间对单宁减少的影响。RSM模型具有高度显著性（p < 0.0001），相关系数R = 0.9301，表明该二次模型能够充分描述实验范围内的系统。碳和氮的补充显著提高了单宁降解率73%，葡萄糖和蛋白胨之间存在明显的交互作用。使用相同的数据集，ANN–GA捕捉到了非线性响应行为，并在有限的设计空间内确定了最佳条件，其预测相关性（R = 0.9500）和预测误差均优于RSM。实验验证确认，ANN–GA优化的条件显著提高了单宁降解率（p < 0.05）。总体而言，这两种方法都能有效描述发酵系统，而ANN–GA提供了更高的优化精度，证明了其作为增强富含单宁生物质生物转化的补充工具的价值。

**引言**
Trichanthera gigantea是一种热带饲料作物，含有高蛋白和矿物质，具有作为饲料原料的潜力。然而，由于其高单宁含量，其在动物营养中的利用受到限制，因为单宁会通过结合蛋白质和抑制酶活性来降低营养物质的消化率（Ebadi等人，2005；Yao等人，2019）。单宁大致分为可水解型和缩合型，前者更容易被微生物降解，而后者由于稳定的蛋白质复合物而表现出更强的抗营养作用。因此，高单宁含量会负面影响饲料效率和营养利用，限制了这种生物质在动物生产系统中的有效应用。这一限制也对可持续性和经济可行性产生广泛影响，因为营养利用效率低下会增加饲料成本和对传统饲料资源的依赖（Zayed等人，2025）。

通过发酵进行微生物降解单宁已成为一种成本效益高且环境可持续的方法，用于提高富含单宁生物质的营养价值。Priestia flexa BCA501（先前被鉴定为Paenibacillus lautus；Dumandan等人，2025）是一种能够将单宁酸水解为没食子酸及相关酚类的单宁酶产生菌，是固态发酵（SSF）条件下降解单宁的理想微生物候选者。选择该菌株基于先前的研究证明其具有单宁降解能力（Dumandan等人，2025）。SSF提供了低水分环境，有利于微生物酶的产生和纤维植物底物的高效生物转化。

SSF过程中单宁降解的效率受碳和氮的可用性、水分含量以及发酵时间等相互作用因素的影响，这些因素共同以非线性和时间依赖的方式影响微生物生长、酶诱导和底物可及性（Krishna，2005）。这些复杂的相互作用限制了单因素优化方法的有效性，需要多变量建模工具来进行过程优化。响应面方法（RSM）因其能够通过结构化的实验设计统计评估线性、二次和交互效应而被广泛使用。然而，RSM依赖于二阶多项式假设，可能限制其完全描述生物发酵系统固有的非线性响应行为的能力（Asoo等人，2024）。

人工神经网络-遗传算法（ANN–GA）框架提供了一种数据驱动的替代方法，能够建模非线性关系并探索多维因素空间，而无需预先定义的功能形式。当应用于中心复合设计或Box–Behnken矩阵等结构化实验设计时，ANN作为在实验范围内受限的非线性插值工具，而不是全局预测模型。在控制模型复杂性和实验验证的情况下，ANN–GA可以补充RSM，捕捉到二次模型无法完全表示的响应模式（Bouaoudat等人，2012；Li等人，2024）。

因此，本研究比较评估了RSM和ANN–GA在SSF条件下对Trichanthera gigantea叶片中单宁降解的葡萄糖浓度、蛋白胨浓度和发酵时间的建模和优化效果。两种方法均使用相同的中心复合设计数据集进行评估，模型性能基于预测一致性和相同条件下的实验验证进行评估。

**微生物和材料**
使用从Silver Therapon（Leiopotherapon plumbeus）肠道中分离出的Priestia flexa BCA501作为接种菌，该菌株先前被鉴定为Paenibacillus lautus BCA501（基于16S rRNA基因分析；Dumandan等人，2025），但后续的全基因组序列分析提供了更高分辨率的分类学鉴定，表明该菌株更准确地应归类为P. flexa。

**响应面方法**
从FCCD获得的实验数据被拟合到二阶多项式方程，以描述固态发酵过程中过程变量与单宁降解之间的关系。回归模型（以实际值表示）为：
**单宁降解 = 7.409 ? 0.485A + 15.893B + 6.634C ? 0.377AB + 0.004AC + 0.222BC + 0.348A2 ? 2.550B2 ? 0.811C2**
其中A、B和C分别代表葡萄糖浓度、蛋白胨浓度和发酵时间。该模型具有高度显著性。

**结论**
本研究表明，在固态发酵条件下，使用RSM和ANN–GA方法可以有效优化Priestia flexa BCA501对Trichanthera gigantea叶片中单宁的降解。RSM在实验设计范围内充分描述了系统，而ANN–GA在预测值与实验结果之间实现了更好的一致性，并确定了单宁降解率显著提高的最佳条件。实验验证确认了两种模型的可靠性。

**作者贡献声明**
尼科·G·杜曼丹（Nico G. Dumandan）：撰写——原始草稿、方法论、研究、数据分析、概念化。
安妮·西塔·T·卡加奥安（Annie Cita T. Kagaoan）：撰写——审阅与编辑、方法论、研究。
杰伊·罗内尔·V·科内霍斯（Jay Ronel V. Conejos）：撰写——审阅与编辑、方法论。
弗朗西斯科·B·埃莱加多（Francisco B. Elegado）：撰写——审阅与编辑、方法论。
阿米莉亚·B·希松-弗拉德哈斯（Amelia B. Hizon-Fradejas）：撰写——审阅与编辑、方法论。
安娜贝尔·T·阿布雷拉（Annabelle T. Abrera）：撰写——审阅与编辑、方法论。
谢丽尔·洛泽尔·B·阿雷奥拉（Sheryl Lozel B. Arreola）：撰写——审阅与编辑、方法论。

**利益冲突声明**
作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。

**致谢**
作者衷心感谢东南亚区域农业研究生研究与培训中心（SEARCA）的资助支持。同时，我们也感谢菲律宾大学洛斯巴尼奥斯分校国家分子生物学与生物技术研究所（BIOTECH）的饲料与特种产品实验室提供的技术协助和研究设施支持。