基于径向基神经网络和遗传算法的聚-γ-谷氨酸发酵培养基优化

食品科学 ›› 2006, Vol. 27 ›› Issue (10): 288-292.

基于径向基神经网络和遗传算法的聚-γ-谷氨酸发酵培养基优化

周景文, 徐建, 陈守文, 喻子牛

华中农业大学农业微生物国家重点实验室

出版日期:2006-10-15 发布日期:2011-11-16

Optimization of Poly-γ- Glutamate Fermentation Medium Based on Radius Basis Function Neural Network and Genetic Algorithm

ZHOU Jing-Wen, Xu-Jian, Chen-Shou-Wen, Yu-Zi-Niu

State Key Laboratory of Agricultural Microbiology, Huazhong Agricultural University, Wuhan 430070, China

Online:2006-10-15 Published:2011-11-16

摘要/Abstract

摘要： 为了提高聚-γ-谷氨酸(PGA)的产量,采用正交设计方案对发酵培养基组分中谷氨酸、葡萄糖、柠檬酸、甘油的配比进行试验设计,运用径向基神经网络建立PGA产量与培养基组分浓度之间的预测模型,采用遗传算法对此模型进行全局寻优,得到四种主要组份的最佳配比:谷氨酸21.2g/L、葡萄糖75.4g/L、柠檬酸7.2g/L、甘油10.8g/L,PGA产量达到12.8g/L,采用上述方法优化后的培养基使PGA的产量原始培养基提高了39.1%。

关键词: 聚-&gamma, -谷氨酸, RBF神经网络, 遗传算法, 发酵培养基, 优化

Abstract: For improving the poly-γ-glutamate (PGA) yield, the orthogonal design was used for the trial design of the formula of medium components: glutamate, glucose, citrate and glycerol, radius basis function neural network (RBFNN) was applied for the predict modeling of the relationships between the PGA yield and the concentration of medium components. Then the genetic algorithm (GA) was used for the global optimization of the model. The optimum combination of the medium was obtained: glutamate 21.2g/L, glucose 75.4g/L, citrate 7.2g/L, glycerol 10.8g/L. The yield of PGA was improved to 12.8g/L, which was increasedby 39.1 % compared to the original medium.

Key words: , poly-&gamma, -glutamate； RBF neural network； genetic algorithm； fermentation medium； optimization；

周景文, 徐建, 陈守文, 喻子牛. 基于径向基神经网络和遗传算法的聚-γ-谷氨酸发酵培养基优化[J]. 食品科学, 2006, 27(10): 288-292.

ZHOU Jing-Wen, Xu-Jian, Chen-Shou-Wen, Yu-Zi-Niu. Optimization of Poly-γ- Glutamate Fermentation Medium Based on Radius Basis Function Neural Network and Genetic Algorithm[J]. FOOD SCIENCE, 2006, 27(10): 288-292.

[1]	陈茏，杨俊，马毛毛，吴莎莎，余平，曾哲灵. 产蛋白酶菌株的筛选及以菜籽粕为氮源的产酶条件优化[J]. 食品科学, 2021, 42(4): 115-121.
[2]	潘海博，覃璐琪，黄燕婷，梁晓琳，黄国宏，聂梦琳，饶川艳，梅丽华，李全阳. 人工神经网络结合遗传算法优化保护剂提高罗伊氏乳杆菌抗冻性能[J]. 食品科学, 2021, 42(14): 70-77.
[3]	潘飞，赵磊，陈艳麟，郝帅，张会敏. 壳聚糖/γ-聚谷氨酸负载黑米花色苷纳米粒的制备、表征及缓释性能[J]. 食品科学, 2021, 42(10): 38-44.
[4]	迟雷，王静雨，侯俊超，魏佳佳，魏涛，胡晓龙，何培新. 基于人工神经网络和遗传算法的普鲁兰酶重组大肠杆菌高密度发酵工艺优化[J]. 食品科学, 2021, 42(10): 73-78.
[5]	周志强，马金菊，甘瑾，李坤，李凯，张雯雯，涂行浩，杜丽清，张弘. 漂白紫胶/单宁酸复配涂膜对芒果常温贮藏的保鲜效果[J]. 食品科学, 2020, 41(9): 145-152.
[6]	张英昊，薛照阳，赵廷彬，殷海松，乔长晟,. 出芽短梗霉发酵液中聚苹果酸定量近红外模型的建立与应用[J]. 食品科学, 2020, 41(8): 152-158.
[7]	苏佳佳，杨天，佟恩杰，赵雪莹，何程豪，杨哪，徐学明，吴凤凤. 糙米酒酿工艺优化与挥发性成分分析[J]. 食品科学, 2020, 41(8): 177-185.
[8]	宋一凡，陈海峰，袁越锦. 猕猴桃CO2-低温高压渗透膨化干燥工艺优化[J]. 食品科学, 2020, 41(4): 229-234.
[9]	郭浩男，张莉力，冯琳琳，王天琪，王成，赵昕琪，许云贺. 结合淀粉活性乳酸菌利用生淀粉产酶条件及代谢产物[J]. 食品科学, 2020, 41(24): 46-53.
[10]	冯杰，冯娜，刘艳芳，唐庆九，周帅，刘方，张劲松，杨焱. 面向规模化应用的竹荪多糖液态深层发酵工艺优化[J]. 食品科学, 2020, 41(2): 181-187.
[11]	司阔林，徐捐捐，岳田利，袁亚宏，郭春锋. 布氏乳杆菌产γ-氨基丁酸发酵条件的优化[J]. 食品科学, 2020, 41(2): 87-93.
[12]	卢海强，谷新晰，袁巧敏，谈苏慧，田洪涛. 嗜热甘露聚糖酶manBK基因密码子优化表达及在魔芋聚糖降解中的应用[J]. 食品科学, 2020, 41(18): 113-119.
[13]	王洋洋，徐明芳，白卫滨，郑春丽，叶蕾，郑琴琴. 双水相法制备鳜鱼（Siniperca chuatsi）肌动蛋白及定量分析[J]. 食品科学, 2020, 41(12): 234-242.
[14]	蒋光阳，侯晓艳，任文，吴贺君，黎杉珊，申光辉，陈安均，王章英，张志清. 淀粉-羧甲基纤维素钠-花青素指示膜的制备及在鱼肉鲜度指示中的应用[J]. 食品科学, 2020, 41(12): 250-258.
[15]	段宇飞，王巧华. 基于特征选择与特征提取融合的鸡蛋新鲜度光谱快速检测模型优化[J]. 食品科学, 2020, 41(12): 273-278.