莊英萍，陳洪章，夏建業(yè)，唐文俊，趙志敏

進(jìn)入21世紀(jì)以來，礦石資源和能源不斷減少、環(huán)境污染日益嚴(yán)重，使傳統(tǒng)的化石經(jīng)濟(jì)面臨巨大挑戰(zhàn)，能源危機(jī)、環(huán)境危機(jī)成為世界各國未來發(fā)展急需解決的重大問題。在此背景下，基于豐富生物質(zhì)資源的生物技術(shù)因環(huán)境友好、資源可再生等特點(diǎn)越來越受到人們的關(guān)注，工業(yè)生物技術(shù)已成為世界各國爭相發(fā)展的重點(diǎn)，其中生物過程工程技術(shù)是生物技術(shù)產(chǎn)業(yè)化的關(guān)鍵，是聯(lián)系上游生物技術(shù)，如合成生物學(xué)、基因工程、代謝工程等與實際生物技術(shù)產(chǎn)業(yè)的重要技術(shù)支撐。我國《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要 (2006?2020)》已將生物技術(shù)作為科技發(fā)展的五大戰(zhàn)略重點(diǎn)之一。2010年9月通過的《國務(wù)院關(guān)于加快培育和發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)的決定》也將生物產(chǎn)業(yè)列入戰(zhàn)略性新興產(chǎn)業(yè)。體現(xiàn)了國家層面對工業(yè)生物技術(shù)產(chǎn)業(yè)發(fā)展的重視程度，在《“十二五”生物技術(shù)發(fā)展規(guī)劃》中將生物過程工程技術(shù)列為未來重點(diǎn)突破的核心關(guān)鍵技術(shù)之一，主要涉及在線檢測技術(shù)、過程優(yōu)化和控制技術(shù)、分離提取技術(shù)、反應(yīng)器設(shè)計與制造技術(shù)等。

開展生物過程工程研究，有其獨(dú)特的意義：為應(yīng)對日益嚴(yán)峻的資源和環(huán)境壓力，世界各國都致力于發(fā)展高效綠色的生物方法與技術(shù)，以期代替?zhèn)鹘y(tǒng)的化學(xué)方法與技術(shù)制備大宗工業(yè)品，生物催化 (轉(zhuǎn)化) 是生物法制備工業(yè)品的核心，而生物催化 (轉(zhuǎn)化) 過程工程則是生物催化(轉(zhuǎn)化) 技術(shù)面向產(chǎn)業(yè)化的紐帶和基礎(chǔ)，是實現(xiàn)工業(yè)品制造綠色化、高效、低耗的關(guān)鍵；另外，在實驗室搖瓶中已基本可全化學(xué)合成基因組，并“半合成”人工細(xì)胞或“最小化細(xì)胞” (Minimal cell)，亦可用生物方法合成在自然界里不存在的新物質(zhì)，然而，從實驗室人工細(xì)胞或最小化細(xì)胞到工業(yè)應(yīng)用，還有許多基礎(chǔ)問題、尤其是生物過程工程技術(shù)方面的問題有待解決，如人工或最小化細(xì)胞在生物反應(yīng)器中的適應(yīng)性，如何以低成本進(jìn)行大規(guī)模培養(yǎng)等等，這些問題都是生物過程工程所要解決的；另一方面，我國是一個工業(yè)生物技術(shù)產(chǎn)業(yè)大國，但并非強(qiáng)國，尤其在工業(yè)生物過程工程研究方面與國外有較大的差距，導(dǎo)致工業(yè)生產(chǎn)效率低下、污染和能耗大；另一方面，我國在現(xiàn)代生物技術(shù)方面發(fā)展迅猛，尤其近年在利用動物細(xì)胞生產(chǎn)抗體、疫苗、蛋白藥物的生物技術(shù)發(fā)展迅速，而與之配套的生物過程技術(shù)、裝備與先進(jìn)國家存在較大差距，使得產(chǎn)業(yè)化效率低、產(chǎn)品質(zhì)量差等，極大地限制了我國這一產(chǎn)業(yè)的發(fā)展勢頭。因此，在大力發(fā)展工業(yè)生物技術(shù)過程中，除了要在組學(xué)研究、合成生物學(xué)研究這些“高精尖”前沿技術(shù)方面取得突破外，更不能忽視過程工程在其成果產(chǎn)業(yè)化過程中所起的關(guān)鍵作用。

生物過程工程研究有其獨(dú)特之處：生物過程的主體是細(xì)胞的生命代謝，是一個復(fù)雜的系統(tǒng)，由于生物過程在反應(yīng)器內(nèi)進(jìn)行，反應(yīng)器內(nèi)生物系統(tǒng)的表型取決于外界環(huán)境條件與細(xì)胞生理功能的共同作用，這種外界環(huán)境對細(xì)胞功能的影響可以通過不同途徑發(fā)生作用，是一個非常復(fù)雜的過程。因此為了更好地進(jìn)行過程工程研究，人們必須考慮到以下幾個方面：應(yīng)該研究細(xì)胞和反應(yīng)器兩個系統(tǒng)的特性；研究過程中要堅持基礎(chǔ)研究、關(guān)鍵共性技術(shù)與產(chǎn)品應(yīng)用技術(shù)一貫制研究，實現(xiàn)科學(xué)與工程的良好結(jié)合；生物過程研究的方式、規(guī)范、戰(zhàn)略都要轉(zhuǎn)變，以適應(yīng)生物過程大數(shù)據(jù)時代的到來；注重生物過程工程研究中的多學(xué)科交叉，多學(xué)科知識將是支撐過程工程研究的基礎(chǔ)；過程工程研究，必須做到形成工藝工程裝備一體化研究技術(shù)體系，才能支撐工業(yè)生物過程的高效產(chǎn)業(yè)化。

我國的工業(yè)生物過程工程研究自 20世紀(jì)80年代以來，受國際上研究發(fā)展趨勢及我國工業(yè)生物技術(shù)的國情影響，先后經(jīng)歷了多個發(fā)展階段：即早期從經(jīng)典的化工過程研究中演變來的動力學(xué)研究方法；基于過程控制的優(yōu)化方法；基于過程單參數(shù)、多參數(shù)相關(guān)及先進(jìn)傳感技術(shù)的多尺度過程優(yōu)化；固態(tài)發(fā)酵機(jī)理及基于機(jī)理的高效固態(tài)發(fā)酵反應(yīng)器的設(shè)計等多個發(fā)展階段。本文主要從以上幾個方面綜述我國自開展生物過程研究以來的發(fā)展歷程，并通過分析指出未來生物過程工程研究的方向及重點(diǎn)。

1 依托傳統(tǒng)化工過程的研究方法的發(fā)展

1.1 基于過程動力學(xué)的生物過程研究

在工業(yè)生物過程研究的早期，一方面大部分生物過程研究的科學(xué)工作者主要從化工領(lǐng)域研究背景轉(zhuǎn)移過來的；另一方面國際上也是這種狀況，人們對工業(yè)生物過程的研究更多的是借鑒化工過程研究的手段，試圖通過開展過程動力學(xué)研究來解決工業(yè)生物過程工程控制的問題，此類研究在 20世紀(jì)90年代最為活躍，主要是通過非結(jié)構(gòu)化的動力學(xué)模型來描述生物過程。此方法中將細(xì)胞看成黑箱，用經(jīng)驗公式來描述細(xì)胞生長動力學(xué)、底物消耗動力學(xué)等，取得了一定進(jìn)展，但是從生物過程復(fù)雜性來說，還不能完全采用類似的方式來實現(xiàn)生物過程的優(yōu)化控制。這方面的研究主要集中在批培養(yǎng)發(fā)酵的過程動力學(xué)模型的建立與驗證，固定化細(xì)胞的過程動力學(xué)等。

早期對過程動力學(xué)的研究主要集中在分批發(fā)酵動力學(xué)數(shù)據(jù)的分析和參數(shù)求取上，例如龔建華等[1]通過分析實驗數(shù)據(jù)，整理構(gòu)建了用于描述賴氨酸分批生長的動力學(xué)模型，并利用該模型分析了底物消耗在產(chǎn)物、菌體及維持上的分配問題；施源等[2]利用數(shù)學(xué)建模分析了不穩(wěn)定質(zhì)粒重組酵母菌的過程動力學(xué)，通過數(shù)值模擬可實現(xiàn)對發(fā)酵過程控制使重組乙型肝炎表面抗原產(chǎn)量提高20%；龔建華等[3]通過分批動力學(xué)模型參數(shù)Ks值設(shè)計補(bǔ)料培養(yǎng)方案，從而使大腸桿菌胞內(nèi)β-半乳糖苷酶累計量明顯增加。邱宏偉等[4]針對短梗霉多糖發(fā)酵過程，建立了基于邏輯方程和 Lucdeking-Piret方程的動力學(xué)模型。宮衡等[5]、方柏山等[6]通過對賴氨酸發(fā)酵動力學(xué)研究，并利用補(bǔ)料批培養(yǎng)[7]等操作達(dá)到高的轉(zhuǎn)化率、生產(chǎn)強(qiáng)度極高的產(chǎn)物濃度。此外在動力學(xué)研究過程中，還發(fā)展出了相應(yīng)的用于模型參數(shù)估計的單純形法[8]以及用于模型類型分類的比生長速率雙相法等相應(yīng)的數(shù)值化建模支撐方法。此外，在固定化細(xì)胞動力學(xué)研究方面，也先后發(fā)表過多篇研究論文[9-10]。

隨著動力學(xué)研究的不斷深入，人們開始意識到傳質(zhì)過程對動力學(xué)影響在工業(yè)生物過程研究中的重要性，從而在此方面進(jìn)行了深入研究。王志龍[11]考察了傳遞過程對 Monod方程的影響，得出了傳遞過程不影響Monod方程的形式，但影響其動力學(xué)參數(shù)的求取。朱忠奎課題組[12]建立了固定化纖維素酶的反應(yīng)動力學(xué)模型，系統(tǒng)地研究了產(chǎn)物競爭性抑制、內(nèi)擴(kuò)散限制、溶液中的宏觀底物濃度、載體大小等因素對球形載體內(nèi)部的底物、產(chǎn)物濃度分布和效率因子的影響。其研究表明適當(dāng)降低微球載體粒徑、提高反應(yīng)體系中底物溶液濃度、改變載體的結(jié)構(gòu)使底物在載體內(nèi)部容易擴(kuò)散等措施可以降低底物擴(kuò)散限制對固定化纖維素酶促反應(yīng)的影響。陳堅課題組[13]應(yīng)用改進(jìn)的 Logistic和Luedeking-Piert方程分別對細(xì)胞生長動力學(xué)和谷胱甘肽合成動力學(xué)進(jìn)行了模擬，得到不同溫度下各種動力學(xué)參數(shù)。其結(jié)果表明較高溫度可以適當(dāng)降低底物對細(xì)胞生長的抑制作用，谷胱甘肽合成與細(xì)胞生長呈現(xiàn)部分相耦聯(lián)關(guān)系。該模型為產(chǎn)朊假絲酵母Candida utilis發(fā)酵生產(chǎn)谷胱甘肽的過程控制提供了很好的理論依據(jù)。

相較于 20世紀(jì)90年代的模型優(yōu)化，近幾年的模型化或基于動力學(xué)模型的優(yōu)化往往具有更大的復(fù)雜度，并且應(yīng)用的范圍也更加廣闊，發(fā)酵產(chǎn)品也更為豐富。為不熟悉的產(chǎn)品建立其生物過程的動力學(xué)模型已經(jīng)成為了一種常規(guī)的研究手段。張建國等[14]利用分批發(fā)酵研究了靈芝Ganodermalucidum胞外多糖的合成特性，結(jié)果表明靈芝多糖合成和菌體生長呈部分生長關(guān)聯(lián)性。根據(jù)分批發(fā)酵試驗結(jié)果采用 Logistic方程、Luedeking-Piret方程和類似Luedeking-Piret方程，得到了描述靈芝生長、胞外多糖以及葡萄糖底物消耗分批發(fā)酵動力學(xué)模型。在初始葡萄糖變化較大范圍內(nèi)，試驗數(shù)據(jù)與模型預(yù)測值進(jìn)行了比較擬合，平均相對誤差小于5%，表現(xiàn)出很好的適用性。魯明波等[15]對法夫酵母的不同補(bǔ)料發(fā)酵方式進(jìn)行了研究?；诘孜镆种颇Ｐ?，提出了一種優(yōu)化的兩階段補(bǔ)料策略，用于法夫酵母產(chǎn)蝦青素的高密度發(fā)酵，與傳統(tǒng)的補(bǔ)料方式相比發(fā)酵終點(diǎn)細(xì)胞干重達(dá)到23.8 g/L，蝦青素產(chǎn)量達(dá)到 29.05 mg/L，分別比分批發(fā)酵提高了52.8%和109%。

1.2 基于過程控制的模型化方法研究

隨著動力學(xué)研究的深入，人們發(fā)現(xiàn)生化過程的模型化存在著諸多困難。首先，微生物細(xì)胞內(nèi)存在著由上千個生化反應(yīng)所組成的代謝網(wǎng)絡(luò)，很難將每一個反應(yīng)的動力學(xué)模型整合起來描述細(xì)胞生物過程；其次，在微生物細(xì)胞代謝網(wǎng)絡(luò)基礎(chǔ)上還存在著不同水平上的調(diào)控機(jī)制，如酶動力學(xué)水平上的快速調(diào)控，酶轉(zhuǎn)錄表達(dá)水平上的遲緩調(diào)控等，這些過程的時間尺度存在很大跨度，因而也很難在一個統(tǒng)一的模型中表征；最后，微生物細(xì)胞內(nèi)與胞外存在各種物質(zhì)的輸運(yùn)過程，這些過程的模型化描述也存在困難。基于此，傳統(tǒng)的非結(jié)構(gòu)化的動力學(xué)模型往往表現(xiàn)出精度低、應(yīng)用范圍窄而受到了很大限制。由此逐漸發(fā)展起來了基于人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等過程建模方法。這種方法在生物過程研究即工業(yè)生物過程控制中一經(jīng)引用，受到廣泛重視，也為工業(yè)生物過程的優(yōu)化控制發(fā)展起到了一定推動作用。

陳敏等[16]在鋅酵母分批流加發(fā)酵動態(tài)優(yōu)化過程研究中，將模式識別在鋅酵母發(fā)酵工藝優(yōu)化控制中應(yīng)用[17]，嘗試將模糊集和模式識別的理論和方法引入發(fā)酵過程研究中，以鋅酵母發(fā)酵工藝條件優(yōu)化為目的，獲得了酵母產(chǎn)量的提高，糖轉(zhuǎn)化率高及殘?zhí)菨舛鹊偷戎T因素的綜合考慮優(yōu)化控制區(qū)。蔡煜東等[18]率先在谷氨酸發(fā)酵過程的神經(jīng)網(wǎng)絡(luò)模擬預(yù)測模型，利用人工神經(jīng)網(wǎng)絡(luò)典型模型反向傳播模型，初步嘗試了神經(jīng)網(wǎng)絡(luò)模擬預(yù)測方法的效果。苗志奇等[19]則利用神經(jīng)網(wǎng)絡(luò)優(yōu)化對谷氨酸流加發(fā)酵過程進(jìn)行研究，將模擬網(wǎng)絡(luò)與優(yōu)化網(wǎng)絡(luò)結(jié)合組成雙網(wǎng)系統(tǒng)，用于谷氨酸流加生產(chǎn)過程的模擬與優(yōu)化分析。楊一兵等[20]則發(fā)展了基于神經(jīng)網(wǎng)絡(luò)的生化過程預(yù)估優(yōu)化控制，并以工業(yè)生產(chǎn)中發(fā)酵過程的補(bǔ)料控制為例，敘述了神經(jīng)網(wǎng)絡(luò)模型如何用于生化過程預(yù)估和優(yōu)化控制。方柏山等[21]在青霉素補(bǔ)料批培養(yǎng)過程研究中利用了人工神經(jīng)網(wǎng)絡(luò)模型。近些年人工神經(jīng)網(wǎng)絡(luò)在生物過程工程研究中進(jìn)一步深化，袁景淇課題組[22]利用基于人工神經(jīng)網(wǎng)絡(luò)的滾動學(xué)習(xí)預(yù)報技術(shù)，實現(xiàn)了對罐批產(chǎn)量的預(yù)報，并結(jié)合其他信息，如pH、二氧化碳產(chǎn)生量等，對異常原因進(jìn)行判斷，并結(jié)合效益函數(shù)實際值和預(yù)報曲線異常類型，來判定停罐和安排車間調(diào)度或者采取其他措施，實現(xiàn)損失的降低。譚左平等[23]針對試驗數(shù)據(jù)含有的噪音導(dǎo)致的模型預(yù)測精度和泛化能力下降的問題，提出了一種新的基于熵準(zhǔn)則的 RBF神經(jīng)網(wǎng)絡(luò)建模方法，并成功運(yùn)用在谷胱甘肽發(fā)酵過程建模中。實驗結(jié)果表明，該方法具有較高的預(yù)測精度、泛化能力和良好的魯棒性，從而對谷胱甘肽的發(fā)酵建模有潛在的應(yīng)用價值。

除了人工神經(jīng)網(wǎng)絡(luò)模型外，遺傳算法、自適應(yīng)控制理論、在線參數(shù)辨識、多變量自校正控制以及支持向量機(jī)等方法得到了充分發(fā)展和應(yīng)用。禹慧明等[24]將遺傳算法在工程優(yōu)化中的應(yīng)用，以及遺傳算法對生物科學(xué)的可能應(yīng)用作了簡單的展望。金沙等[25]利用在線參數(shù)辨識，構(gòu)建了帶有噪音的適合于工業(yè)規(guī)模青霉素半連續(xù)發(fā)酵數(shù)學(xué)模型，以排氣的二氧化碳釋放速率為在線觀測量，應(yīng)用推廣卡爾曼濾波器進(jìn)行狀態(tài)與參數(shù)的在線辨識，為過程的自適應(yīng)優(yōu)化控制奠定了基礎(chǔ)。在此基礎(chǔ)上進(jìn)一步利用自適應(yīng)控制理論[26]，構(gòu)造了青霉素半連續(xù)發(fā)酵跟蹤自適應(yīng)控制系統(tǒng)。葉開明等[27]采用多變量自校正控制，以青霉素補(bǔ)料批發(fā)酵為例，采用兩階離散動態(tài)模型描述生化反應(yīng)過程的動態(tài)行為，借助于計算機(jī)在線監(jiān)測系統(tǒng)，在40 000 L大罐上進(jìn)行參數(shù)辨識與多變量自校正控制仿真研究。魏東芝等[28]將增廣卡爾曼濾波器在維生素C二步發(fā)酵中應(yīng)用，在維生素C二步發(fā)酵動力學(xué)模型研究的基礎(chǔ)上，引進(jìn)增廣Kalman濾波器理論，將數(shù)學(xué)模型、發(fā)酵系統(tǒng)和實際操作等因素引起的偏差歸為白噪聲序列，用于發(fā)酵狀態(tài)及模型參數(shù)的濾波處理。結(jié)果表明，濾波估計比模型計算的擬合精度大為提高，加深了對該系統(tǒng)動力學(xué)特性的認(rèn)識，為維生素 C二步發(fā)酵過程的狀態(tài)估計、狀態(tài)預(yù)測及在線辨識奠定了理論基礎(chǔ)。劉毅等[29]采用最小二乘支持向量機(jī)以Pensim仿真平臺為例對青霉素發(fā)酵這一典型生化過程進(jìn)行建模研究。給出了最小二乘支持向量機(jī)參數(shù)的調(diào)整策略和分析結(jié)果，建立了產(chǎn)物濃度、菌體濃度和底物濃度等重要過程變量的在線預(yù)報模型，其結(jié)果表明用其建立的在線預(yù)報模型擬合誤差小、推廣性能好，可以作為發(fā)酵過程的進(jìn)一步控制和優(yōu)化的參考依據(jù)。

2 基于過程參數(shù)相關(guān)性分析的過程多尺度研究

2.1 單因素水平的過程優(yōu)化研究

在單因素水平上進(jìn)行過程優(yōu)化研究在過程研究早期具有較多的文獻(xiàn)報道，主要通過研究諸如攪拌轉(zhuǎn)速、通氣流量、前體添加濃度、金屬離子添加濃度等從單一水平上靜態(tài)研究初始添加量等對過程的影響，這方面的研究由于忽略了發(fā)酵過程的動態(tài)變化因而僅在一定程度上起到過程優(yōu)化的目的，但是由于操作簡單易于理解而被廣泛應(yīng)用。

李彤等[30]對 L-亮氨酸發(fā)酵過程氮源反饋與非反饋控制的初步研究，比較了幾種非反饋型、反饋型不加硫酸銨的發(fā)酵結(jié)果，提出了最佳的控制方法。方宏清等[31]在雙價基因工程大腸桿菌的大規(guī)模發(fā)酵培養(yǎng)工藝研究中，以氧傳遞系數(shù)為放大準(zhǔn)則成功地將該工藝在 200 L國產(chǎn)發(fā)酵罐上再現(xiàn)。李寅等[32]通過高發(fā)酵活力面包酵母的高產(chǎn)率流加培養(yǎng)策略研究，考察了不同的流加策略對面包酵母培養(yǎng)過程中發(fā)酵活力和產(chǎn)量的影響。并且進(jìn)一步研究了酵母搖瓶發(fā)酵中pH、裝液量、初糖濃度、碳氮磷比等單因素對谷胱甘肽發(fā)酵的影響[33]。

楊蘊(yùn)劉課題組[34]就戊二酸-7-氨基頭孢烷酸(GL-7ACA) 酰化酶基因工程菌的補(bǔ)糖方式進(jìn)行了優(yōu)化研究，分別對恒速流加、pH反饋控制和指數(shù)流加等 3種補(bǔ)糖模式進(jìn)行了考察，發(fā)現(xiàn)以指數(shù)流加方式得到的生物量和產(chǎn)酶水平最高，而從基因的表達(dá)效率即比酶活看，pH反饋的補(bǔ)料方法最優(yōu)，以上研究為GL-7ACA?；傅墓I(yè)化生產(chǎn)提供了很好的線索。詹曉北課題組[35]通過考察pH控制對熱凝膠發(fā)酵的影響，把熱凝膠發(fā)酵過程分成兩階段，菌體生長期pH恒定控制在 7.0，熱凝膠合成期 pH恒定在 5.6，可以得到最大的熱凝膠產(chǎn)量、生產(chǎn)強(qiáng)度及轉(zhuǎn)化率。譚天偉課題組[36]通過優(yōu)化前體L-蛋氨酸的量以及補(bǔ)加策略，使 S-腺苷-L-蛋氨酸的量(S-adenosyl methionine, SAM) 的最高積累量達(dá)到4.98 g/L，生物量132 g/L。徐志南等[37]考察了不同流加方式對重組大腸桿菌胞外人表皮生長因子 (hEGF) 的影響，發(fā)現(xiàn)與間歇式發(fā)酵相比，分批補(bǔ)料、在線識別流加和恒速流加均能有效地提高工程菌的質(zhì)粒穩(wěn)定性和含質(zhì)粒細(xì)胞的濃度，同時hEGF的體積濃度分別提高了28.1%、25.5%和 150%，表明恒速流加最適于 hEGF的表達(dá)。陳堅課題組[38]研究了不同溫度下谷氨酰胺轉(zhuǎn)氨酶 (Microbial transglutaminase, MTG)分批發(fā)酵的過程動力學(xué)特性，提出了分批發(fā)酵生成MTG的分階段溫度控制策略。諸葛健課題組[39]研究了供氧對假絲酵母產(chǎn)丙三醇的研究，發(fā)現(xiàn)適量供氧能得到高丙三醇產(chǎn)率，而產(chǎn)生少量的副產(chǎn)物。陳堅課題組[40]研究了金屬離子對地衣芽胞桿菌合成多聚 γ-谷氨酸的影響，表明Mn2+、Co2+、Zn2+均能促進(jìn)多聚 γ-谷氨酸的合成。劉同軍等[41]研究了溶氧對變?nèi)芫匕l(fā)酵的影響，表明在最適條件下，不同發(fā)酵階段，氧的供求情況總在發(fā)生變化。邱英華等[42]研究了溶氧對殺菌肽-X發(fā)酵工藝的影響，發(fā)現(xiàn)當(dāng)培養(yǎng)過程處于限制狀態(tài)時最適于工程菌的表達(dá)。陳堅課題組[43]研究了 pH對產(chǎn)朊假絲酵母分批發(fā)酵生產(chǎn)谷胱甘肽的影響，發(fā)現(xiàn)在pH為5.5時谷胱甘肽總產(chǎn)量最高。焦鵬課題組[44]研究了二元酸發(fā)酵過程中，烷烴的加入時間對細(xì)胞生長、P450酶的誘導(dǎo)和產(chǎn)酸的影響，并以此建立了長鏈二元酸新的發(fā)酵工藝。

隨著對生物過程理解的加深，生物過程研究不再局限于微生物發(fā)酵生產(chǎn)生物質(zhì)，其過程優(yōu)化也逐漸拓展到各個領(lǐng)域。細(xì)胞工廠概念的深入人心，使得過程優(yōu)化的策略被大量用于異源表達(dá)的生物過程中。聶艷秋等[45]利用葡萄糖作為底物，以經(jīng)過加熱預(yù)處理并活化的厭氧污泥作為種泥，研究了其初始pH值對產(chǎn)氫產(chǎn)乙酸/耗氫產(chǎn)乙酸兩段耦合工藝厭氧發(fā)酵定向生產(chǎn)乙酸的影響，并按照初始pH的不同對發(fā)酵過程進(jìn)行了分類，為利用污泥生產(chǎn)乙酸的生物過程提供了優(yōu)化結(jié)果。

2.2 基于統(tǒng)計的過程優(yōu)化方法研究

發(fā)酵培養(yǎng)基優(yōu)化往往是生物過程優(yōu)化的開端，而在20世紀(jì)90年代出現(xiàn)的基于正交實驗、均勻設(shè)計等的培養(yǎng)基實驗設(shè)計方法極大提高了培養(yǎng)基優(yōu)化的實驗設(shè)計方面的效率。另外在此基礎(chǔ)上逐漸發(fā)展起來的響應(yīng)面分析、析因?qū)嶒灥鹊玫娇焖侔l(fā)展，成為培養(yǎng)基優(yōu)化的一種非常高效的方法而被廣泛使用。

在紅霉素發(fā)酵工藝優(yōu)化研究中，范代娣等[46]通過正交實驗對培養(yǎng)基進(jìn)行優(yōu)化，抗生素生物合成提高了15%?29%。劉黨生等[47]應(yīng)用均勻設(shè)計對 L-異亮氨酸發(fā)酵進(jìn)行了培養(yǎng)基優(yōu)化。方柏山等[48]用人工神經(jīng)網(wǎng)絡(luò)模型描述發(fā)酵培養(yǎng)基與產(chǎn)物的關(guān)系，并由此模型預(yù)測產(chǎn)物濃度，用遺傳算法優(yōu)化培養(yǎng)基配方能夠收到較好的效果，它不僅能有效地提高產(chǎn)物濃度、顯著地降低培養(yǎng)基成本，而且可大大減少繁瑣的實驗工作量及縮短研究周期。李孱等[49]用響應(yīng)面法對乳酸鏈球菌Lactococcus lactis生產(chǎn)細(xì)菌素乳鏈菌肽的培養(yǎng)基進(jìn)行了優(yōu)化，使乳鏈菌肽產(chǎn)量增加了一倍。張博潤課題組[50]通過單因素實驗和正交試驗設(shè)計優(yōu)化高生物量富硒酵母培養(yǎng)條件，使硒含量達(dá)到了優(yōu)化前的1.3倍。夏黎明課題組[51]利用正交實驗，優(yōu)化了假絲酵母發(fā)酵玉米芯半纖維素水解液生產(chǎn)木糖醇的工藝條件，并結(jié)合發(fā)酵過程中通氣量的優(yōu)化使得最終的木糖醇得率達(dá)到0.75 g/g。張厚瑞等[52]采用二次正交旋轉(zhuǎn)組合設(shè)計研究了蔗渣半纖維素水解過程中硫酸濃度與液/固比對木糖收率的影響。王普等[53]通過菌種優(yōu)選得到產(chǎn)高選擇性羰基還原酶的熱帶假絲酵母104 菌株，可不對稱還原 1-(3,5-二三氟甲基) 苯基乙酮生成 (S)-1-(3,5-二三氟甲基)苯基乙醇，并利用部分因子實驗設(shè)計、最陡爬坡實驗、中心組合實驗以及響應(yīng)面分析的方法確定了最優(yōu)化的培養(yǎng)基成分，提高了 65.2%的還原酶活力。申乃坤等[54]利用耐高溫酵母菌株對木薯粉同步糖化法生產(chǎn)高濃度乙醇的發(fā)酵條件進(jìn)行了優(yōu)化，最終利用響應(yīng)面優(yōu)化的方法優(yōu)化培養(yǎng)基組成和操作參數(shù)，使得最終產(chǎn)量提高了33%。

2.3 基于在線傳感技術(shù)的多參數(shù)相關(guān)分析及過程多尺度研究

過程的動態(tài)分析涉及到過程中代謝過程的代謝轉(zhuǎn)化機(jī)理，自 20世紀(jì)90年代以來，從先進(jìn)過程在線監(jiān)測技術(shù)的研究到過程參數(shù)的相關(guān)分析，從反應(yīng)器尺度觀察到的各種參數(shù)的動態(tài)變化來解讀胞內(nèi)代謝的情況，從而對過程進(jìn)行優(yōu)化與控制，取得了很好的工業(yè)應(yīng)用成果。

生物反應(yīng)過程是細(xì)胞在生物反應(yīng)器中大規(guī)模培養(yǎng)的反應(yīng)過程，其中活體細(xì)胞的代謝調(diào)控是過程優(yōu)化與放大的關(guān)鍵。張嗣良課題組[55-57]提出了生物反應(yīng)過程多尺度理論：可將生物反應(yīng)過程分為基因分子尺度、細(xì)胞尺度與生物反應(yīng)器尺度的網(wǎng)絡(luò)結(jié)構(gòu)；生物反應(yīng)過程中具有不同尺度的網(wǎng)絡(luò)狀態(tài)的輸入輸出關(guān)系，存在著信息流、物質(zhì)流與能量流，具有很寬的空間尺度和時間尺度；基因水平的分子尺度屬于納尺度范圍，一般在10–9m以下，細(xì)胞代謝屬于微尺度范圍，在10–8?10–4m之間，反應(yīng)器工程屬于介尺度范圍，在 10–3?102m之間。微生物和細(xì)胞在酶活性水平上 (包括酶的激活、抑制、亞基的結(jié)合和解離、共價修飾和降解) 控制的時間常數(shù)在毫秒至秒的范圍內(nèi)；在基因表達(dá)調(diào)控水平上 (誘導(dǎo)、轉(zhuǎn)錄的阻遏和去阻遏) 描述至分鐘；而在種群選擇和進(jìn)化水平上則描述至天或更長的時間單位。因此還必須在這些不同時間尺度范圍內(nèi)進(jìn)行動態(tài)或定態(tài)的相關(guān)研究，生物反應(yīng)過程優(yōu)化不能只是從單一尺度 (基因、細(xì)胞、生物反應(yīng)器) 上去解決，而是要注意它們之間的關(guān)系和瓶頸問題，其中跨尺度觀察與控制是微生物過程優(yōu)化的關(guān)鍵。由此形成了一套基于參數(shù)相關(guān)的發(fā)酵過程多尺度問題研究的優(yōu)化技術(shù)和發(fā)酵過程多參數(shù)調(diào)整的放大技術(shù)。

隨著生物技術(shù)發(fā)展，人們對微生物細(xì)胞內(nèi)的代謝網(wǎng)絡(luò)的研究越來越清晰，逐漸出現(xiàn)的基因尺度代謝網(wǎng)絡(luò)模型構(gòu)建、基因組學(xué)、蛋白組學(xué)、代謝組學(xué)等飛速發(fā)展，使得生物過程工程研究也逐漸由胞外宏觀代謝特性研究逐步深入到胞內(nèi)代謝流特性研究，例如穩(wěn)定性同位素13C標(biāo)記的胞內(nèi)代謝流分析技術(shù)等的發(fā)展正逐漸將生物過程工程研究推上一個新的高度。

陳昭烈課題組[58]以 HEK293細(xì)胞團(tuán)的粒徑、細(xì)胞數(shù)、細(xì)胞活力、葡萄比消耗率、乳酸轉(zhuǎn)化率為觀察指標(biāo)，考察了攪拌轉(zhuǎn)速對細(xì)胞團(tuán)形成、粒徑分布以及細(xì)胞生長和代謝的影響，表明合適的攪拌速度所產(chǎn)生的流體剪切力既能合理控制細(xì)胞團(tuán)的大小，也可以為細(xì)胞團(tuán)中HEK293細(xì)胞提供基本的物質(zhì)傳遞效率滿足其正常生長和代謝。張嗣良課題組[59]在鳥苷發(fā)酵過程研究中，通過對發(fā)酵過程多參數(shù)的相關(guān)性分析，結(jié)合生物合成代謝途徑、氨基酸和有機(jī)酸積累的分析，確認(rèn)了發(fā)酵過程代謝流從HMP向EMP 途徑的遷移，認(rèn)為造成這種代謝流遷移的原因可能是過程銨離子積累，在此基礎(chǔ)上，通過對過程參數(shù)實時檢測分析和及時調(diào)整EMP和 HMP 代謝通量，使鳥苷產(chǎn)率提高了 35%。張嗣良課題組[60]在金霉素發(fā)酵過程研究中，通過對加油后DO和OUR等參數(shù)變化的相關(guān)性分析，客觀、動態(tài)地把握臨界氧水平及氧平衡的制約因素。譚天偉課題組[61]研究了麥角固醇發(fā)酵過程中DO、OUR、pH和殘?zhí)菨舛扰c釀酒酵母的生物量和麥角固醇含量的關(guān)系，并研究了這些參數(shù)之間的內(nèi)在聯(lián)系，發(fā)現(xiàn)溶氧是關(guān)鍵敏感參數(shù)，將其控制12%左右能有效提高單位體積發(fā)酵液中麥角固醇的產(chǎn)量。郭美錦等[62]將重組畢赤酵母表達(dá)工程植酸酶過渡相的在線和離線參數(shù)進(jìn)行相關(guān)性分析，建立了過渡相在線參數(shù)pH、OUR (Carbondioxide eliminationg rate, CER)和RQ與胞內(nèi)代謝通量變化的關(guān)系，為跨尺度觀察發(fā)酵過程變化及其控制提供了數(shù)據(jù)依據(jù)。喻揚(yáng)等[63]利用氧化還原電極，研究了在厭氧條件下將氧化還原電位值 (Oxidation reduction potential, ORP) 控 制在不同水平 (–50 mV,–100 mV, –150 mV, –230 mV) 對乙醇發(fā)酵過程的影響，實現(xiàn)了通過氧化還原電位來監(jiān)控厭氧發(fā)酵過程特性，為今后厭氧條件或極低溶氧濃度的好氧發(fā)酵過程的參數(shù)采集提供了方法，也為酵母細(xì)胞合理分配代謝流，實現(xiàn)乙醇生產(chǎn)最優(yōu)化的宏觀控制提供了一種有效的手段。汪建峰等[64]利用合成生物學(xué)構(gòu)建了表達(dá)萜類化合物的大腸桿菌菌株，并建立了高效的MEP途徑用于萜類前體的合成，開展了新構(gòu)建菌株的高密度發(fā)酵研究，通過補(bǔ)糖速率調(diào)控，使紫槐二烯的產(chǎn)量從2.5 g/L提高到了6.1 g/L。鄒祥等[65]通過對實驗室規(guī)模紅霉素發(fā)酵過程的研究，在50 L規(guī)模反應(yīng)器上優(yōu)化了復(fù)合培養(yǎng)基中氮源的種類及濃度，使最終的紅霉素有效組分產(chǎn)量提高22.2%；同時利用過程中跨尺度的研究，掌握了氮源對于紅霉素生產(chǎn)優(yōu)化的機(jī)理，并成功地在132 t及372 t工業(yè)規(guī)模生物反應(yīng)器上實現(xiàn)了高產(chǎn)率的重現(xiàn)。李昆太等[66]利用小規(guī)模搖瓶實驗確定了環(huán)境pH對于維生素B12合成的顯著影響及作用機(jī)理，通過對過程中碳源及甲基供體的調(diào)控，使得維生素 B12的產(chǎn)量得到了顯著提升，并最終在120 t工業(yè)規(guī)模反應(yīng)器上實現(xiàn)了pH在 7.15至 7.30之間的精確控制，得到了214.3 mg/L的最高產(chǎn)量。此后，王澤建等[67]探究了在維生素 B12的生產(chǎn)過程中氧氣消耗與產(chǎn)量間的關(guān)系，提出了“階梯降低”O(jiān)UR控制的策略，并成功應(yīng)用在工業(yè)規(guī)模的120 t生物反應(yīng)器上，最終達(dá)到了208 mg/L的穩(wěn)定產(chǎn)量。

3 固態(tài)發(fā)酵過程的研究發(fā)展

3.1 固態(tài)發(fā)酵及其與液態(tài)深層發(fā)酵的比較

固態(tài)發(fā)酵起源于中國，但因?qū)虘B(tài)發(fā)酵本質(zhì)研究較少，導(dǎo)致其在相當(dāng)長的時期里發(fā)展緩慢。與典型的深層液態(tài)發(fā)酵相比，固態(tài)發(fā)酵基質(zhì)的含水量低，在12%?80%之間，大多為60%左右，這就使得固態(tài)發(fā)酵的有機(jī)廢水相當(dāng)少，在當(dāng)前環(huán)境污染日益嚴(yán)重的形式下，顯現(xiàn)出更大的優(yōu)勢。表1比較了固態(tài)發(fā)酵與液態(tài)發(fā)酵。

3.2 固態(tài)發(fā)酵的優(yōu)勢

相比于液態(tài)發(fā)酵，供氧充足是固態(tài)發(fā)酵的顯著優(yōu)勢。此外，固態(tài)發(fā)酵產(chǎn)生的有機(jī)廢水少，產(chǎn)物濃度高；固態(tài)發(fā)酵更貼近絲狀真菌的天然生境，許多霉菌在固態(tài)發(fā)酵條件下生產(chǎn)能力更強(qiáng)。固態(tài)發(fā)酵可利用大量價格低廉的工、農(nóng)業(yè)廢棄物生產(chǎn)高附加值產(chǎn)品，因而固態(tài)發(fā)酵被認(rèn)為是可再生性資源綜合利用最有希望的途徑之一。目前，固態(tài)發(fā)酵被廣泛應(yīng)用于食品釀酒、醫(yī)藥化工、能源環(huán)境等領(lǐng)域，表 2列舉了固態(tài)發(fā)酵產(chǎn)品的范圍及其發(fā)展歷程。

表1 固態(tài)發(fā)酵與液態(tài)發(fā)酵的比較[68-69]Table 1 Comparisons between solid-state fermentation with liquid fermentation[68-69]

表2 固態(tài)發(fā)酵產(chǎn)品發(fā)展歷程[70]Table 2 Development of solid-state fermentation products[70]

3.3 現(xiàn)代固態(tài)發(fā)酵的模型及調(diào)控

發(fā)酵過程的調(diào)控是實現(xiàn)過程優(yōu)化的重要途徑，也是提高固態(tài)發(fā)酵生產(chǎn)效率的主要方式。發(fā)酵過程控制需要詳細(xì)了解微生物的生物學(xué)特性，定量分析相關(guān)代謝網(wǎng)絡(luò)，運(yùn)用工程學(xué)的知識對環(huán)境變量進(jìn)行調(diào)控。固態(tài)發(fā)酵工程調(diào)控是以目標(biāo)產(chǎn)物最大化為目的，通過認(rèn)知、改變微生物的遺傳代謝特性，調(diào)節(jié)、改善發(fā)酵條件 (如反應(yīng)器類型、操作變量等)，使微生物的生產(chǎn)潛能得到最大發(fā)揮的過程。本節(jié)主要從過程工程的角度出發(fā)，著重探討固態(tài)基質(zhì)熱、質(zhì)傳遞的宏觀模擬及調(diào)控進(jìn)展。固態(tài)發(fā)酵宏觀建模針對基質(zhì)床及其周圍環(huán)境之間的熱、質(zhì)傳遞過程，主要用于評估反應(yīng)器的適用性，優(yōu)化工藝操作變量。模型所包含的傳遞項大體相同，主要有基質(zhì)內(nèi)代謝熱的產(chǎn)生、熱傳導(dǎo)、熱對流、水蒸氣的產(chǎn)生和擴(kuò)散；基質(zhì)與反應(yīng)器之間的空隙內(nèi)熱量的傳導(dǎo)和對流，氣體的擴(kuò)散，水蒸氣的擴(kuò)散和凝結(jié)；以及反應(yīng)器壁面與周圍環(huán)境之間發(fā)生的熱傳導(dǎo)和對流[71]。

20世紀(jì)80年代末和90年代初的固態(tài)發(fā)酵模型主要針對淺盤固態(tài)發(fā)酵和轉(zhuǎn)鼓式固態(tài)發(fā)酵[72]，運(yùn)用微分方程，研究熱量、氣體、生物量等隨時間的變化，而沒有考察其在空間維度上的區(qū)別。與此同時，最初的模擬主要揭示蒸發(fā)散熱和通風(fēng)操作對基質(zhì)熱量散失的作用。90年代中期發(fā)展的淺盤固態(tài)發(fā)酵模型開始使用偏微分方程[73]，揭示了固態(tài)發(fā)酵過程中熱、質(zhì)傳遞的變化。此時的模型在之前的基礎(chǔ)上有了較大發(fā)展，不僅將熱、質(zhì)傳遞耦合，還考慮了菌體在基質(zhì)表面生長對基質(zhì)顆粒尺寸、孔隙和氧氣擴(kuò)散速率的影響。不足之處在于，模型將基質(zhì)顆粒和顆粒間隙都視為規(guī)則的形狀，這與實際情況仍然有較大偏差。但是這時期的模型在物理意義上已經(jīng)較為符合實際，理論分析更為完備，為后來建模工作的發(fā)展提供了有益的參考[68-69]。

20世紀(jì)90年代后期，關(guān)于各類填充床反應(yīng)器的宏觀模型層出不窮。此時的模型沿用了偏微分方程來強(qiáng)調(diào)發(fā)酵過程中基質(zhì)熱傳導(dǎo)的不均一性，但忽略了填充床反應(yīng)器中必然存在的蒸發(fā)散熱和強(qiáng)對流現(xiàn)象，模型并未體現(xiàn)熱、質(zhì)傳遞的耦合。與此同時，模型也假設(shè)基質(zhì)顆粒及顆粒間隙的形狀是規(guī)則的，未能克服對基質(zhì)顆粒假設(shè)過于理想化的弊端。到20世紀(jì)90年代末，Smith等模型的出現(xiàn)有效緩解了上述問題。盡管其模型仍然假設(shè)基質(zhì)顆粒形狀是規(guī)則的，但其將水蒸氣、氧氣的擴(kuò)散和水分含量的變化同菌體生長和熱量傳遞相耦合；同時對菌體生長模型進(jìn)行了改進(jìn)，使其能夠體現(xiàn)菌體衰亡；值得一提的是，該模型還體現(xiàn)了基質(zhì)的三相性和多孔性，且揭示了孔隙度隨發(fā)酵過程中基質(zhì)含水量的變化呈動態(tài)分布[74-76]。因此，Smith等的模型從整體上更符合實際情況，較以往的固態(tài)發(fā)酵模型有著質(zhì)的突破。該模型的缺陷在于忽略了由于菌體對基質(zhì)顆粒的消耗利用所造成的基質(zhì)物理性質(zhì)變化。

21世紀(jì)初，人們逐漸認(rèn)識到填充床發(fā)酵過程中床層壓降增大和軸向溫差是限制其規(guī)模放大的主要因素[77]。攪拌操作及與其具有相似機(jī)理的轉(zhuǎn)鼓反應(yīng)器獲得重視，這時已經(jīng)可以通過數(shù)值模擬從熱、質(zhì)傳遞機(jī)理方面優(yōu)化反應(yīng)器的操作變量。相關(guān)模型的研究主要關(guān)注剪切力對基質(zhì)的混勻作用、破壞作用，考察基質(zhì)的多孔性及氣、液、固各相內(nèi)的熱、質(zhì)傳遞，使發(fā)酵傳遞理論進(jìn)一步發(fā)展。

氣相雙動態(tài)固態(tài)發(fā)酵反應(yīng)器通過周期性壓力脈動和氣體內(nèi)部循環(huán)，可有效促進(jìn)固態(tài)基質(zhì)散熱，近年來該技術(shù)得到較快發(fā)展。壓力脈動頻率是決定散熱速率的一個關(guān)鍵參數(shù)，通過建立熱量平衡模型，對脈動頻率進(jìn)行了優(yōu)化。發(fā)現(xiàn)變頻脈動是氣相雙動態(tài)固態(tài)發(fā)酵的最佳操作模式，可有效促進(jìn)熱量傳遞和提高發(fā)酵產(chǎn)量[78]。

4 未來發(fā)展趨勢展望

工業(yè)生物過程研究的最終目標(biāo)是要將實驗室形成的優(yōu)化工藝推廣放大到工業(yè)過程中，實現(xiàn)工業(yè)生物過程的高效轉(zhuǎn)化?；谝陨戏治隹梢钥闯錾镞^程工程的發(fā)展在經(jīng)歷了初期以化工過程研究中的計量學(xué)、反應(yīng)動力學(xué)為基礎(chǔ)的生物過程黑箱動力學(xué)模型，到后期的用于工業(yè)生物過程優(yōu)化控制的基于人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、模式識別等，基于單因素或基于統(tǒng)計分析的各種方法的應(yīng)用，都很難全面地把握過程中不同反應(yīng)尺度上的相互關(guān)系，而基于生物過程多參數(shù)相關(guān)分析的過程多尺度理論的提出，使實驗室規(guī)模與工業(yè)規(guī)模過程生理代謝參數(shù)的相關(guān)性分析得以實施，從而利用過程參數(shù)相關(guān)分析方法實現(xiàn)工業(yè)生物過程的優(yōu)化與放大，并在多個工業(yè)應(yīng)用案例中取得成功。然而要最終實現(xiàn)理性放大，單純基于專家經(jīng)驗的過程參數(shù)分析還存在一定的不足，需要深入挖掘過程放大中，反應(yīng)器內(nèi)流場的差異導(dǎo)致的細(xì)胞生理代謝差異間的機(jī)制。

工業(yè)規(guī)模反應(yīng)器內(nèi)的流場結(jié)構(gòu)與實驗室規(guī)模反應(yīng)器相比具有分布不均勻的特點(diǎn)，而細(xì)胞在分布不均勻的底物濃度場中所表現(xiàn)出來的生理代謝特性會明顯區(qū)別于均勻濃度場下的結(jié)果。因而有必要從流場和細(xì)胞生理代謝兩個角度來描述這一過程。因此提出了基于反應(yīng)器流體動力學(xué)和細(xì)胞反應(yīng)動力學(xué)整合的理性放大方法[79-81]。具體說來，就是將流體力學(xué)模擬與生物過程模型模擬相結(jié)合，通過結(jié)合黑箱模型、結(jié)構(gòu)化動力學(xué)模型，甚至在今后結(jié)合小規(guī)模的基因尺度代謝網(wǎng)絡(luò)動力學(xué)模型，實現(xiàn)包含有菌體自身特性的生物過程模擬。計算反應(yīng)動力學(xué)(Computational reaction dynamics, CRD) 與計算流體力學(xué) (Computational fluid dynamics, CFD)的結(jié)合，將成為今后研究生物過程及工業(yè)規(guī)模優(yōu)化的一個重要方向。

對于固態(tài)發(fā)酵過程的發(fā)展來講，廣義上，現(xiàn)代固態(tài)發(fā)酵與傳統(tǒng)固態(tài)發(fā)酵的區(qū)別主要在于發(fā)酵工程是否實現(xiàn)集約化、機(jī)械化和自動化。狹義上，研究者認(rèn)為能否實現(xiàn)純種大規(guī)模集約化生產(chǎn)是區(qū)別現(xiàn)代與傳統(tǒng)固態(tài)發(fā)酵的主要指標(biāo)[68]。固態(tài)發(fā)酵反應(yīng)器為微生物的生長及代謝產(chǎn)物的產(chǎn)生提供適宜的環(huán)境條件及空間，固態(tài)發(fā)酵反應(yīng)器的發(fā)展標(biāo)志著現(xiàn)代固態(tài)發(fā)酵的進(jìn)步。作者等基于法向周期作用力刺激原理，提出了新的固態(tài)發(fā)酵反應(yīng)器設(shè)計思路，即以流體靜力學(xué)理論為基礎(chǔ)，以法向作用力為動力源，強(qiáng)調(diào)生物反應(yīng)器是一個非線性活細(xì)胞代謝與周圍環(huán)境進(jìn)行質(zhì)量、熱量、能量、信息交換的生態(tài)系統(tǒng)，是由生命系統(tǒng)和環(huán)境系統(tǒng)組成的特定空間，而不是單一的裝置?；谠撛戆l(fā)明了氣相雙動態(tài)固態(tài)發(fā)酵新技術(shù)，通過發(fā)酵反應(yīng)器中氣流的周期性脈動和循環(huán)，有效改善了固態(tài)發(fā)酵過程中的熱量傳遞和氧氣傳遞，促進(jìn)了菌體的生長和代謝，縮短了發(fā)酵周期，目前該技術(shù)及裝置已成功放大到100 m3[68]。

[1] Gong JH, Ding JY, Huang HR, et al. Kinetic study and modelling on L-arginie fermentation. Chin J Biotech, 1993, 9(1): 8–15 (in Chinese).

龔建華, 丁久元, 黃和容, 等. L-精氨酸發(fā)酵動力學(xué)特性的分析研究. 生物工程學(xué)報, 1993,9(1): 8–15.

[2] Shi Y, Yuan WK, Chen MH. Study on growth kinetics of unstable recombinant Saccharomyces cerevisiae. Chin J Biotech, 1990, 6(1): 44–49 (in Chinese).

施源, 袁渭康, 陳敏恒. 不穩(wěn)定的基因工程酵母生長動力學(xué)研究. 生物工程學(xué)報, 1990, 6(1):44–49.

[3] Gong JH, Strandberg L, Enfors SO. A kinetic study on the production of β-galactosidase by Escherichia coli ATCC 15224. Chin J Biotech,1990, 6(3): 246–251 (in Chinese).

龔建華, Strandberg L, Enfors SO. 大腸桿菌ATCC 15224胞內(nèi)β-半乳糖苷酶生成的動力學(xué)研究. 生物工程學(xué)報, 1990, 6(3): 246–251.

[4] Qiu HW, Yang SZ. The characteristics of Aureobasidiumpullulans fermentation process.Chin J Biotech, 1990, 6(4): 332–337 (in Chinese).

邱宏偉, 楊守志. 短梗霉多糖發(fā)酵過程特征的研究. 生物工程學(xué)報, 1990, 6(4): 332–337.

[5] Gong H, Lun SY. Optimization of Lysine fed-batch fermentation. Chin J Biotech, 1996,12(4): 482–488 (in Chinese).

宮衡, 倫世儀. 賴氨酸流加發(fā)酵最優(yōu)控制的研究. 生物工程學(xué)報, 1996, 12(4): 482–488.

[6] Fang BS, Lin JQ. Estimation for model parameters of batch fermentation kinetics. Chin J Biotech,1992, 8(3): 283–287 (in Chinese).

方柏山, 林金清. 分批發(fā)酵動力學(xué)模型參數(shù)的估算. 生物工程學(xué)報, 1992, 8(3): 283–287.

[7] Gong H, Lun SY. The kinetics of lysine batch fermentation. Chin J Biotech, 1996, 12(S):219–225 (in Chinese).

宮衡, 倫世儀. 賴氨酸分批發(fā)酵動力學(xué)的研究.生物工程學(xué)報, 1996, 12(S): 219–225.

[8] Fang BS. The application of simplex method to the estimation of kinetic and energetic parameters of microbial growth. Chin J Biotech, 1991, 7(3):257–262 (in Chinese).

方柏山. 單純形法在微生物生長動力學(xué)和能學(xué)參數(shù)估算中的應(yīng)用. 生物工程學(xué)報, 1991, 7(3):257–262.

[9] Li XL, Jin NR. Kinetics and mathematical model of ethanol formation by immobilized yeast cells.Chin J Biotech, 1991, 7(3): 263–271 (in Chinese).

李祥麟, 金寧人. 固定化酵母酒精生成動力學(xué)及其數(shù)學(xué)模型. 生物工程學(xué)報, 1991, 7(3):263–271.

[10] Li FC, Xu JN, Zhang SL, et al. A mathematic model for the continuous production invert sugar with immobilized yeast cells. Chin J Biotech,1992, 8(4): 378–388 (in Chinese).

李凡超, 徐京寧, 張嗣良, 等. 固定化酵母細(xì)胞連續(xù)生產(chǎn)轉(zhuǎn)化糖反應(yīng)動力學(xué)的研究. 生物工程學(xué)報, 1992, 8(4): 378–388.

[11] Wang ZL. Coupling model of the substrate premeabling through the cytoplasmic membrane and Monod kinetics. Chin J Biotech, 2000, 16(5):636–640 (in Chinese).

王志龍. 基質(zhì)穿膜傳遞過程和 Monod方程的耦合模型. 生物工程學(xué)報, 2000, 16(5): 636–640.

[12] Zhou JQ, Chen SG, Zhu ZK. Kinetics model of spherical immobilized cellulose. Chin J Biotech,2005, 21(5): 799–803 (in Chinese).

周建芹, 陳實公, 朱忠奎. 微球載體固定化纖維素酶的反應(yīng)動力學(xué)模型研究. 生物工程學(xué)報,2005, 21(5): 799–803.

[13] Wei GY, Li Y, Du GC, et al. Kinetics models for the effect of temperature on batch glutathione fermentation by Candida utilis. Chin J Biotech,2003, 19(3): 358–363 (in Chinese).

衛(wèi)功元, 李寅, 堵國成, 等. 溫度對谷胱甘肽分批發(fā)酵的影響及動力學(xué)模型. 生物工程學(xué)報,2003, 19(3): 358–363.

[14] Zhang JG, Chen XM, He XS. Kinetic model for exopolysaccharides Ganodermalucidum in batch fermentation. Chin J Biotech, 2007, 23(6):1065–1070 (in Chinese).

張建國, 陳曉明, 賀新生. 靈芝胞外多糖分批發(fā)酵動力學(xué)模型. 生物工程學(xué)報, 2007, 23(6):1065–1070.

[15] Lu MB, Ji L, Liu YS, et al. Kinetic model for optimal feeding strategy in astaxanthin production by Xanthophyllomyces dendrorhous. Chin J Biotech, 2008, 24(11): 1937–1942 (in Chinese).

魯明波, 紀(jì)磊, 劉永勝, 等. 基于動力學(xué)模型的法夫酵母發(fā)酵生產(chǎn)蝦青素的補(bǔ)料策略優(yōu)化. 生物工程學(xué)報, 2008, 24(11): 1937–1942.

[16] Chen M, Liu WH, Wang JX. Dynamical state operation optimization of the zinc yeast fed-batch fermentation process. Chin J Biotech, 1995, 11(2):184–189 (in Chinese).

陳敏, 劉萬卉, 王靜馨. 鋅酵母分批流加發(fā)酵動態(tài)優(yōu)化. 生物工程學(xué)報, 1995, 11(2): 184–189.

[17] Chen M, Liu WH, Wang JX. Application of pattern recognition on optimum control of zinc yeast fermentation process. Chin J Biotech, 1996,12(3): 367–370 (in Chinese).

陳敏, 劉萬卉, 王靜馨. 模式識別在鋅酵母發(fā)酵工藝優(yōu)化控制中的應(yīng)用. 生物工程學(xué)報, 1996,12(3): 367–370.

[18] Cai YD, Chen CQ, Zhou B. The neural network model for predicting the process of fermentation.Chin J Biotech, 1995, 11(1): 90–92 (in Chinese).

蔡煜東, 陳常慶, 周斌. 谷氨酸發(fā)酵過程的神經(jīng)網(wǎng)絡(luò)模擬預(yù)測模型. 生物工程學(xué)報, 1995, 11(1):90–92.

[19] Miao ZQ, Zhao LY, Yuan YJ. A neral network for the optimization of fed-batch fermentation of glutamic acid. Chin J Biotech, 1998, 14(2):198–202 (in Chinese).

苗志奇, 趙凌云, 元英進(jìn). 谷氨酸流加發(fā)酵過程的神經(jīng)網(wǎng)絡(luò)優(yōu)化研究. 生物工程學(xué)報, 1998,14(2): 198–202.

[20] Yang YB, Wang SQ, Zhang QL, et al. Prediction and optimal control for bioprocess based on ANNs. Chin J Biotech, 1996, 12(1): 101–105 (in Chinese).

楊一兵, 王樹青, 張泉靈, 等. 基于神經(jīng)網(wǎng)絡(luò)的生化過程預(yù)估優(yōu)化控制. 生物工程學(xué)報, 1996,12(1): 101–105.

[21] Fan BS, Hu ZD. Artificial neural network model for penicillin fermentation in fed-batch. Chin J Biotech, 1996, 12(S): 215–218 (in Chinese).

方柏山, 胡宗定. 青霉素補(bǔ)料分批培養(yǎng)的人工神經(jīng)網(wǎng)絡(luò)模型. 生物工程學(xué)報, 1996, 12(S):215–218.

[22] Li YF, Yuan JQ. Neural network detection of abnormalities in fed-batch fermentation. Chin J Biotech, 2005, 21(1): 102–106 (in Chinese).

李運(yùn)鋒, 袁景淇. 神經(jīng)網(wǎng)絡(luò)預(yù)報在發(fā)酵過程異常診斷中的應(yīng)用. 生物工程學(xué)報, 2005, 21(1):102–106.

[23] Tan ZP, Wang ST, Deng ZH, et al. GSH fermentation process modeling using entropy-citerion based RBF neural network model. Chin J Biotech, 2008, 24(5): 829–836 (in Chinese).

譚左平, 王士同, 鄧趙紅, 等. 基于熵準(zhǔn)則的魯棒的 RBF谷胱甘肽發(fā)酵建模. 生物工程學(xué)報,2008, 24(5) 829–836.

[24] Yu HM, Yao RH, Lin WT. Genetic algorithms: an application of evaluation theory and genetics to optimization problems in engineering. Chin J Biotech, 1997, 13(4): 339–342 (in Chinese).

禹慧明, 姚汝華, 林煒鐵. 遺傳算法——進(jìn)化論思想與遺傳學(xué)原理在工程優(yōu)化中的應(yīng)用. 生物工程學(xué)報, 1997, 13(4): 339–342.

[25] Jin S, Zhang SL, Yu JT. Online identification of state and parameters for fed-batch penicillin fermentation process. Chin J Biotech, 1989, 5(4):315–321 (in Chinese).

金沙, 張嗣良, 余俊棠. 青霉素半連續(xù)發(fā)酵過程狀態(tài)與參數(shù)在線辨識. 生物工程學(xué)報, 1989,5(4): 315–321.

[26] Jin S, Zhang SL, Yu JT. Study of adaptive control for fermentation process. Chin J Biotech, 1990,6(1): 50–55 (in Chinese).

金沙, 張嗣良, 余俊棠. 發(fā)酵過程自適應(yīng)控制研究. 生物工程學(xué)報, 1990, 6(1): 50–55.

[27] Ye KM, Jin S, Zhang SL, et al. A feasibility study of multivariable sef-tuning control for biochemical processes-fed-batch penicillin fermentation. Chin J Biotech, 1993, 9(1): 61–68(in Chinese).

葉開明, 金沙, 張嗣良, 等. 生化反應(yīng)過程的多變量自校正控制—以重復(fù)流加青霉素發(fā)酵為例.生物工程學(xué)報, 1993, 9(1): 61–68.

[28] Wei DZ, Yuan WK, Yuan ZY, et al. Extend Kalman Filter (EKF) application in vitamin C two-step fermentation process. Chin J Biotech,1993, 9(1): 31–35 (in Chinese).

魏東芝, 袁渭康, 袁中一, 等. 增廣 Kalman濾波器在維生素 C二步發(fā)酵中的應(yīng)用. 生物工程學(xué)報, 1993, 9(1): 31–35.

[29] Liu Y, Wang HQ. Modelling a penicillin fed-batch fermentation using least squares support vector machines. Chin J Biotech, 2006, 22(1): 144–149(in Chinese).

劉毅, 王海清. 采用最小二乘支持向量機(jī)的青霉素發(fā)酵過程建模研究. 生物工程學(xué)報, 2006,22(1): 144–149.

[30] Li T, Gong JH, Huang HR. A study on the feedback/non-feedback nitrogen source controls in L-leucine fermentation. Chin J Biotech, 1995,11(1): 96–99 (in Chinese).

李彤, 龔建華, 黃和容. L-亮氨酸發(fā)酵過程氮源反饋與非反饋控制的初步研究. 生物工程學(xué)報,1995, 11(1): 96–99.

[31] Fang HQ, Wang XP, Chen M, et al. Fermentation study of recombinant Escherichia coli MM in large scale. Chin J Biotech, 1997, 13(3): 294–297(in Chinese).

方宏清, 王敘甫, 陳明, 等. MM 工程菌的大規(guī)模發(fā)酵培養(yǎng)工藝研究. 生物工程學(xué)報, 1997,13(3): 294–297.

[32] Li Y, Chen J, Song Q, et al. Fed-batch culture strategy for high yield of baker’s yeast with high fermentative activity. Chin J Biotech, 1997, 13(2):160–167 (in Chinese).

李寅, 陳堅, 宋祺, 等. 高發(fā)酵活力面包酵母的高產(chǎn)率流加培養(yǎng)策略研究. 生物工程學(xué)報,1997, 13(2): 160–167.

[33] Li Y, Chen J, Zhou ND, et al. The effect of environmental conditions and glucose feeding strategy on glutathione (GSH) production. Chin J Biotech, 1998, 14(2): 147–152 (in Chinese).

李寅, 陳堅, 周楠迪, 等. 環(huán)境條件及搖瓶補(bǔ)糖策略對谷胱甘肽發(fā)酵的影響. 生物工程學(xué)報,1998, 14(2): 147–152.

[34] Gong W, Chen J, Yang YL. Optimization of glucose fed-batch culture for GL-7ACA acylase production by Escherichia coli MMR204/pZC1.Chin J Biotech, 2004, 20(6): 953–957 (in Chinese).

龔巍, 陳軍, 楊蘊(yùn)劉. GL-7ACA?；富蚬こ叹?Eschedchia coli MMR204／pZC1)批式補(bǔ)糖發(fā)酵條件優(yōu)化. 生物工程學(xué)報, 2004, 20(6):953–957.

[35] Wang L, Zhan XB, Zhu YH, et al. Influence of pH control on the production of curdlan by Alcaligenesfaecalia strain. Chin J Biotech, 2002,18(5): 634–637 (in Chinese).

王磊, 詹曉北, 朱一暉, 等. pH控制對熱凝膠發(fā)酵的影響. 生物工程學(xué)報, 2002, 18(5): 634–637.

[36] Liu PY, Dong HZ, Tan TW. Effect of feeding pre-L-methionine on high-cell-density fermentation for S-adenosyl-L-methionine production. Chin J Biotech, 2006, 22(2): 268–272(in Chinese).

劉沛溢, 董函竹, 譚天偉. 補(bǔ)加前體L-蛋氨酸對高密度發(fā)酵生產(chǎn) S-腺苷-L-蛋氨酸的影響. 生物工程學(xué)報, 2006, 22(2): 268–272.

[37] Xu ZN, Cen PL, Wong WKR. The effect of different glucose feeding modes on hEGF production in an excretory recombinant Escherichia coli K12 system. Chin J Biotech,2001, 17(5): 594–597 (in Chinese).

徐志南, 岑沛霖, Wong WKR. 不同流加發(fā)酵方式對重組大腸桿菌細(xì)胞外 hEGF表達(dá)水平的影響. 生物工程學(xué)報, 2001, 17(5): 594–597.

[38] Zheng MY, Du GC, Chen J, et al. A strategy of temperature control in batch MTG fermentation.Chin J Biotech, 2000, 16(6): 759–762 (in Chinese).

鄭美英, 堵國成, 陳堅, 等. 分批發(fā)酵生產(chǎn)谷氨酰胺轉(zhuǎn)氨酶的溫度控制策略. 生物工程學(xué)報,2000, 16(6): 759–762.

[39] Jin HR, Fang HY, Zhuge J. The effect of oxygen supply on production of glycerol with Candida glycerolgenesis. Chin J Biotech, 2000, 16(2):203–206 (in Chinese).

金海如, 方慧英, 諸葛健. 供氧對產(chǎn)丙三醇假絲酵母產(chǎn)丙三醇發(fā)酵研究. 生物工程學(xué)報, 2000,16(2): 203–206.

[40] Yang G, Chen J, Qu YB, et al. Effect of metal ions on γ-poly (glutamic acid) synthesis by Bacillus licheniformis. Chin J Biotech, 2001, 17(6):706–709 (in Chinese).

楊革, 陳堅, 曲音波, 等. 金屬離子對地衣芽孢桿菌合成多聚 γ-谷氨酸的影響. 生物工程學(xué)報,2001, 17(6): 706–709.

[41] Liu TJ, Xu WL, Sun WB, et al. Effect of dissolved oxygen on mutanolysin fermentation. Chin J Biotech, 2000, 16(2): 229–231 (in Chinese).

劉同軍, 徐文琳, 孫文波, 等. 溶氧對變?nèi)芫匕l(fā)酵的影響. 生物工程學(xué)報, 2000, 16(2):229–231.

[42] Qiu YH, Shen Y, Wang YH, et al. Effect of dissolved O2on the fermentation of recombinant cecropin-X by Escherichia coli. Chin J Biotech,2004, 20(6): 972–974 (in Chinese).

邱英華, 沈益, 王玉海, 等. 溶氧對殺菌肽-X發(fā)酵工藝的影響. 生物工程學(xué)報, 2004, 20(6):972–974.

[43] Wei GY, Li Y, Du GC, et al. Effects of dissolved oxygen and pH on Candida utilis batch fermentation of glutathione. Chin J Biotech, 2003,19(6): 734–739 (in Chinese).

衛(wèi)功元, 李寅, 堵國成, 等. 溶氧及 pH 對產(chǎn)朊假絲酵母分批發(fā)酵生產(chǎn)谷胱甘肽的影響. 生物工程學(xué)報, 2003, 19(6): 734–739.

[44] Xiao YZ, Jiao P, Hua YT, et al. Study on fermentation of long-chain dicarboxylic acid based on enzymology. Chin J Biotech, 2001,17(2): 218–220 (in Chinese).

肖云智, 焦鵬, 華玉濤, 等. 烷烴對P450酶的誘導(dǎo)及二元酸發(fā)酵工藝改進(jìn). 生物工程學(xué)報,2001, 17(2): 218–220.

[45] Nie YQ, Liu H, Du GC, et al. Acetate production by acidification-homoacetogenesis two-phase coupling process: effect of initial pH. Chin J Biotech, 2007, 23(4): 686–691 (in Chinese).

聶艷秋, 劉和, 堵國成, 等. 初始 pH 值對產(chǎn)氫產(chǎn)乙酸／耗氫產(chǎn)乙酸兩段耦合工藝定向生產(chǎn)乙酸的影響. 生物工程學(xué)報, 2007, 23(4): 686–691.

[46] Fan DD, Chen B, Shang LA, et al. The improvement of fermentation technical parameters for the eryhrus-mycin formation. Chin J Biotech,1999, 15(1): 104–108 (in Chinese).

范代娣, 陳斌, 尚龍安, 等. 紅霉素發(fā)酵工藝優(yōu)化研究. 生物工程學(xué)報, 1999, 15(1): 104–108.

[47] Liu DS, Wang P, Li FD, et al. Application of uniform design in L-isoleucine fermentation. Chin J Biotech, 1991, 7(3): 247–251 (in Chinese).

劉黨生, 王鵬, 李福德, 等. 均勻設(shè)計在 L-異亮氨酸發(fā)酵中的應(yīng)用. 生物工程學(xué)報, 1991, 7(3):247–251.

[48] Fang BS, Chen HW, Xie XL, et al. The medium optimization of xylitol fermentation based on neural networks and genetic algorithms. Chin J Biotech, 2000, 16(5): 648–650 (in Chinese).

方柏山, 陳宏文, 謝曉蘭, 等. 基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的木糖醇發(fā)酵培養(yǎng)基優(yōu)化研究. 生物工程學(xué)報, 2000, 16(5): 648–650.

[49] Li C, Bai JH, Cai ZL, et al. Culture medium optimization and primary kinetics analysis for nisin production. Chin J Biotech, 2001, 17(2):187–192 (in Chinese).

李孱, 白景華, 蔡昭鈴, 等. 細(xì)菌素發(fā)酵培養(yǎng)基的優(yōu)化及動力學(xué)初步分析. 生物工程學(xué)報,2001, 17(2): 187–192.

[50] Fan XY, Guo XN, Fu XH, et al. The breeding and culture condition optimization of a high-biomass selecium-enriched yeast strain. Chin J Biotech,2003, 19(6): 720–724 (in Chinese).

范秀英, 郭雪娜, 傅秀輝, 等. 高生物量富硒酵母的選育及培養(yǎng)條件初步優(yōu)化. 生物工程學(xué)報,2003, 19(6): 720–724.

[51] Fang XN, Huang W, Xia LM. Xylitol production from corn cob hemicellulosic hydrolysate by Canidida sp.. Chin J Biotech, 2004, 20(2):295–298 (in Chinese).

方祥年, 黃煒, 夏黎明. 假絲酵母發(fā)酵玉米芯半纖維素水解液生產(chǎn)木糖醇. 生物工程學(xué)報,2004, 20(2): 295–298.

[52] Zhang HR, Zeng JZ, He CX, et al. Utilization of sugar cane bagasse hydrolyusates for xylitol production by yeast. Chin J Biotech, 2002, 18(6):724–728 (in Chinese).

張厚瑞, 曾健智, 何成新, 等. 酵母發(fā)酵蔗渣半纖維素水解物生產(chǎn)木糖醇. 生物工程學(xué)報,2002, 18(6): 724–728.

[53] Wang P, Sun LM, He JY. Medium optimization for enhanced production of carbonyl reductase by Candida tropicalis 104 by response surface methodology. Chin J Biotech, 2009, 25(6):863–868 (in Chinese).

王普, 孫立明, 何軍邀. 響應(yīng)面法優(yōu)化熱帶假絲酵母 104菌株產(chǎn)羰基還原酶發(fā)酵培養(yǎng)基. 生物工程學(xué)報, 2009, 25(6): 863–868.

[54] Shen NK, Wang QY, Lu Y, et al. Enhancing ethanol production using thermophilic yeast by response surface methodology. Chin J Biotech,2010, 26(1): 42–47 (in Chinese).

申乃坤, 王青艷, 陸雁, 等. 響應(yīng)面法優(yōu)化耐高溫酵母生產(chǎn)高濃度乙醇. 生物工程學(xué)報, 2010,26(1): 42–47.

[55] Zhang SL, Ye BC, Chu J, et al. From multi-scale methodology to systems biology: to integrate strain improvement and fermentation optimization. J Chem Technol Biotechnol, 2006,81(5) 734–745.

[56] Zhang SL, Chu J, Zhuang YP. A multi-scale study of industrial fermentation processes and their optimization//Zhong JJ, Ed. Biomanufacturing.Berlin Heidelberg: Springer, 2004: 97–150.

[57] Zhang SL, Cao XJ, Chu J, et al. Bioreactors and bioseparation//Tsao GT, Ouyang PK, Chen J, Eds.Biotechnology in ChinaⅡ . Berlin Heidelberg:Springer, 2010: 105–150.

[58] Liu H, Liu XM, Wu BC, et al. Effects of hydrodynamic on aggregates formation, growth and metabolism of HEK293 cells in suspension culture. Chin J Biotech, 2006, 22(1): 101–106 (in Chinese).

劉紅, 劉興茂, 吳本傳, 等. 流體動力對HEK293細(xì)胞的細(xì)胞團(tuán)形成及細(xì)胞生長和代謝的影響. 生物工程學(xué)報, 2006, 22(1): 101–106.

[59] Cai XP, Chen SX, Chu J, et al. Analysis on metabolic flux shift during guanosine fermentation. Chin J Biotech, 2002, 18(5):622–625 (in Chinese).

蔡顯鵬, 陳雙喜, 儲炬, 等. 鳥苷發(fā)酵過程代謝流遷移的分析. 生物工程學(xué)報, 2002, 18(5):622–625.

[60] Zhang M, Fan T, Su LM, et al. The affecting of soybean oil in fermentation process with co-relation analysis of parameters. Chin J Biotech,2000, 16(6): 750–754 (in Chinese).

張明, 樊滔, 蘇麗明, 等. 通過參數(shù)相關(guān)性分析對豆油在發(fā)酵過程中的作用的探討. 生物工程學(xué)報, 2000, 16(6): 750–754.

[61] Gao H, Tan TW. Analysis of parameters for optimum of ergosterol fermentation. Chin J Biotech, 2001, 17(6): 693–697 (in Chinese).

高樺, 譚天偉. 影響酵母細(xì)胞麥角固醇的發(fā)酵控制參數(shù)的分析. 生物工程學(xué)報, 2001, 17(6):693–697.

[62] Guo MJ, Chu J, Zhuang YP, et al.Parameters-based association analysis for recombinant phytase expression in genetically engineered Pichia pastoris at transition phase.Chin J Biotech, 2004, 20(6): 932–936 (in Chinese).

郭美錦, 儲炬, 莊英萍, 等. 重組畢赤酵母表達(dá)工程植酸酶發(fā)酵過渡相參數(shù)相關(guān)分析. 生物工程學(xué)報, 2004, 20(6): 932–936.

[63] Yu Y, Wang YH, Chu J, et al. The influence of controlling redox potential on ethanol production by Saccharomyces cerevisiae. Chin J Biotech,2007, 23(5): 878–884 (in Chinese).

喻揚(yáng), 王永紅, 儲炬, 等. 控制發(fā)酵過程氧化還原電位優(yōu)化釀酒酵母乙醇生產(chǎn). 生物工程學(xué)報,2007, 23(5): 878–884.

[64] Wang JF, Xiong ZQ, Zhang SL, et al. Engineering MEP pathway in Escherichia coli for amorphadiene production and optimizing the bioprocess through glucose feeding control. Chin J Biotech, 2014, 30(1): 64–75 (in Chinese).

汪建峰, 熊智強(qiáng), 張嗣良, 等. 基于 2-C-甲基-D-赤蘚糖醇-4磷酸途徑的產(chǎn)紫槐二烯大腸桿菌構(gòu)建及其補(bǔ)糖策略優(yōu)化. 生物工程學(xué)報, 2014,30(1): 64–75.

[65] Zou X, Hang HF, Chu J, et al. Oxygen uptake rate optimization with nitrogen regulation for erythromycin production and scale-up from 50 L to 372 m3scale. Biores Technol, 2009, 100(3):1406–1412.

[66] Li KT, Liu DH, Chu J, et al. An effective and simplified pH-stat control strategy for the industrial fermentation of vitamin B12 by Pseudomonas denitrificans. Biopr Biosyst Eng,2008, 31(6): 605–610.

[67] Wang ZJ, Wang HY, Li YL, et al. Improved vitamin B12 production by step-wise reduction of oxygen uptake rate under dissolved oxygen limiting level during fermentation process. Biores Technol, 2010, 101(8): 2845–2852.

[68] Chen HZ. Modern Solid State Fermentation.Netherlands: Springer, 2013.

[69] Chen HZ. Modern Solid State Fermentation:Technology-Theory and Practice. Beijing:Chemical Industry Press, 2013 (in Chinese).

陳洪章, 現(xiàn)代固態(tài)·發(fā)酵技術(shù)——理論與實踐. 北京: 化學(xué)工業(yè)出版社, 2013.

[70] Chen HZ, Xu J. Principle and Application of Modern Solid State Fermentation. Beijing:Chemical Industry Press, 2004 (in Chinese).

陳洪章, 徐建. 現(xiàn)代固態(tài)發(fā)酵原理及應(yīng)用. 北京: 化學(xué)工業(yè)出版社, 2004.

[71] Rajagopalan S, Rockstraw DA, Munson-McGee SH. Modeling substrate particle degradation by Bacillus coagulans biofilm. Biores Technol, 1997,61(3): 175–183.

[72] Mitchell DA, von Meien OF, Krieger N. Recent developments in modeling of solid-state fermentation: heat and mass transfer in bioreactors.Biochem Eng J, 2003, 13(2/3): 137–147.

[73] Sargantanis J, Karim MN, Murphy VG, et al.Effect of operating conditions on solid substrate fermentation. Biotechnol Bioeng, 1993, 42(2):149–158.

[74] Ashley VM, Mitchell DA, Howes T. Evaluating strategies for overcoming overheating problems during solid-state fermentation in packed bed bioreactors. Biochem Eng J, 1999, 3(2): 141–150.

[75] Mitchell DA, Pandey A, Sangsurasak P, et al.Scale-up strategies for packed-bed bioreactors for solid-state fermentation. Proc Biochem, 1999,35(1/2):167–178.

[76] Hasan SDM, Costa JAV, Sanzo AVL. Heat transfer simulation of solid state fermentation in a packed-bed bioreactor. Biotechnol Technol, 1998,12(10): 787–791.

[77] Smits JP, van Sonsbeek HM, Tramper J, et al.Modelling fungal solid-state fermentation: the role of inactivation kinetics. Biopr Eng, 1999, 20(5):391–404.

[78] Zhao ZM, Wang L, Chen HZ. Variable pressure pulsation frequency optimization in gas double-dynamic solid-state fermentation (GDSSF)based on heat balance model. Proc Biochem,2015, 50(2): 157–164.

[79] Wang G, Tang WJ, Xia JY, et al. Integration of microbial kinetics and fluid dynamics toward model-driven scale-up of industrial bioprocesses.Eng Life Sci, 2015, 15(1): 20–29.

[80] Wang G, Chu J, Noorman H, et al. Prelude to rational scale-up of penicillin production: a scale-down study. Appl Microbiol Biotechnol,2014, 98(6): 2359–2369.

[81] Wang Y, Chu J, Zhuang YP, et al. Industrial bioprocess control and optimization in the context of systems biotechnology. Biotechnol Adv, 2009,27(6): 989–995.