人工神经网络结合粒子群算法优化两相体系催化合成β-苯乙醇的研究
摘 要：本论文主要研究了马克斯克鲁维酵母（Kluyveromyces marxianus AS.2.1440）两相体系生物催化合成β-苯乙醇培养条件的优化。首先从7种有机溶剂中筛选到油酸作为两相体系的最佳原位提取剂。采用Plackett-Burman实验筛选出对发酵液中β-苯乙醇浓度有显著影响的三个因素：有显著负效应的两相比（油酸：水）、有显著正效应的接种量、培养温度。再用最陡爬坡路径逼近上述三个因素的最大产β-苯乙醇区域。由中心组合实验及人工神经网络结合粒子群算法确定培养基的最佳条件。最佳条件：两相比（油酸：水）为1.1，接种量7.7%，温度31.7℃。根据最佳条件进行实验，产β-苯乙醇的浓度达到1.28g/L，较水相发酵产β-苯乙醇0.93g/L，提高了38%，提高效果显著。
关键词：β-苯乙醇；Plackett-Burman；人工神经网络；粒子群算法
目 录
中文摘要.............................................................I
英文摘要 II
目录 III
1. 绪论 1
1.1 产品概述 1
1.1.1 β-苯乙醇的结构与性质....................................1
1.1.2 β-苯乙醇的用途..........................................1
1.1.3 β-苯乙醇的市场前景......................................1
1.2 β-苯乙醇的制备................................................1
1.2.1 化学合成法 1
1.2.2 植物提取法 2
1.2.3 生物转化法 2
1.3 生物转化法合成β-苯乙醇的途径及影响因素....................... 2
1.3.1 生物转化法合成β-苯乙醇的途径............................2
1.3.1.1 艾利希途径 .......................................2
1.3.1.2 莽草酸途径 .......................................2
1.3.2 合成β-苯乙醇的微生物....................................3
1.3.3 微生物合成β-苯乙醇的影响因素............................3
1.3.3.1 培养基条件对微生物合成β-苯乙醇的影响..............4
1.3.3.2 培养体系对微生物合成β-苯乙醇的影响................4
1.3.4 生物转化法合成β-苯乙醇的研究进展........................4
1.4 原为产物提取技术在β-苯乙醇生产中的应用........................5
1.5 人工神经网络结合粒子群算法在培养基优化中的应用 ...............5
1.6 本课题的研究意义 .............................................6
1.7 本课题的研究任务 .............................................7
1.7.1 技术路线 ...............................................7
1.7.2 本课题的主要研究内容 ...................................7
2. 实验部分 8
2.1 实验试剂及设备 8
2.1.1 试剂与原材料 8
2.1.2 仪器与设备 8
2.2 菌种 8
2.3 培养基及培养条件 9
2.3.1 培养基 9
2.3.2 培养条件 9
2.4 有机相的选择 9
2.5 发酵产物的分析方法 9
2.5.1 发酵液预处理 9
2.5.2 高效液相色谱条件 10
2.5.3 β-苯乙醇标准曲线的制作.................................10
2.5.4 发酵液中β-苯乙醇的测定.................................10
2.6 实验设计 11
2.6.1 Plackett-Burman实验设计 11
2.6.2 最陡爬坡实验设计 11
2.6.3 中心组合实验设计 11
2.6.4 人工神经网络结合粒子群算法 11
3. 结果与讨论 13
3.1 有机溶剂的选择 13
3.2 影响发酵液中β-苯乙醇浓度的重要因素...........................13
3.3 最陡爬坡实验逼近最大产β-苯乙醇区域...........................14
3.4 中心组合实验 15
3.5 人工神经网络结合粒子群算法模拟培养基的最佳培养条件 17
3.5.1 人工神经网络建模 ......................................17
3.5.2 粒子群算法全局搜索寻优 ................................18
3.6 验证实验 18
4．总结与展望 19
致谢 20
参考文献 21
