響應面法優化米曲霉α-淀粉酶液體發酵培養基

鄭 毅 劉源慧 鄧琳芬

?

響應面法優化米曲霉α-淀粉酶液體發酵培養基

鄭 毅 劉源慧 鄧琳芬

福建師范大學生命科學學院

應用快速有效的響應面分析法對米曲霉α-淀粉酶的發酵培養基進行優化。首先采用二水平Plackett-Burman設計對培養基中的6種成份進行篩選,獲得影響產酶的3個重要影響因子：豆粕粉、NaNO3、FeSO4；利用響應面分析法對該3因素進行3水平的優化,獲得它們的最佳組合（g/L）:豆粕粉 25.5、NaNO34.08、FeSO40.0075。優化后產酶水平達到1107.41U/mL，與響應面數學模型的預測值只有4.02%的誤差。

α-淀粉酶 Plackett- Burman設計 響應面分析法

淀粉酶是水解淀粉和糖原的一類酶的總稱，廣泛存在于動物、植物和微生物中[1]。淀粉酶是生物工藝學中最早實現工業生產的酶制劑品種，用途廣，產量大[1]。α-淀粉酶是淀粉酶的一種，其作用于淀粉時，可從分子內部切開α-1，4鍵而生成糊精和還原糖，產物的末端葡萄糖殘基C1碳原子為α-構型，α-淀粉酶因此而得名[1]。α-淀粉酶作為一種重要的工業酶制劑，被廣泛地用于食品，發酵，紡織，造紙業，制藥業和化學藥品工業等工業，此外還擴展到臨床，醫學，分析化學等其他領域。目前國內主要利用細菌來生產α-淀粉酶，用真菌發酵產α-淀粉酶的研究較少[2]。

本研究報道利用數學統計學法Plackett – Burman和響應面法（RSM）[3,4]快速優化米曲霉液體發酵產α-淀粉酶的發酵培養基。

1 材料與方法

1.1 菌種

米曲霉()FS016，本實驗室保藏。

1.2 培養基

斜面培養基(g/L):蔗糖 30、NaNO32、K2HPO4·3H2O 1、MgSO4·7H2O0.5、KCl 0.5、FeSO4·7H2O 0.01、麩皮 10、瓊脂10，初始pH為6.5，滅菌溫度121℃，滅菌時間23 min。

液體發酵培養基(g/L)：玉米粉 50、豆粕粉 20、NaNO34、K2HPO4·3H2O 3、MgSO4·7H2O1、FeSO4·7H2O 0.01,初始pH為6.5，滅菌溫度121℃，滅菌時間23 min。

1.3 培養條件

由斜面接一環至 250 mL三角瓶中，培養基裝量 40 mL/250 mL，發酵溫度31℃，250rmin-1的搖床上震蕩培養84h后，測定α-淀粉酶活力。

1.4 α-淀粉酶活力的測定

YOO改良法[5],酶活定義為：在pH5.0，溫度55℃條件下，1 mL的酶液在5min內水解1mg淀粉的酶量為一個活力單位，用U表示。

1.5 發酵培養基優化

1.5.1 Plackett-Burman 設計優化

選取6個因素、試驗次數選12的Plackett-Burman設計，重復次數為2次，考查各因素的主效應和交互作用的一級作用，從中篩選出對發酵優化具有顯著性影響的因素進行排列，最終獲得三個顯著性因素。

1.5.2響應面設計優化

根據BOX-Behnken的中心組合設計原理，由Plackett-Burman設計篩選出的3個重要影響因素各取三水平，設計了3因素3水平共15個實驗點的響應面分析。

本實驗用統計分析軟件SAS對實驗結果進行分析[6]。

以上所有試驗重復次數為三次，每次兩個平行。

2 結果與分析

2.1 Plackett-Burman 設計篩選培養基主要成分

選用試驗次數N=12的Plackett-Burman設計，對6個因素進行考察，分別對應于表1中A、B、D、E、G和H列，每個因素取低水平“-1”和高水平“1”。另設2個虛擬序列，對應表1中的C和F列，以考察試驗誤差。試驗設計與結果見表1。

用SAS軟件的二水平設計分析各因素的主效應,結果見表2。各因素對產酶影響順序為:豆粕粉> FeSO4> NaNO3>玉米粉,利用響應面分析對豆粕粉、NaNO3、FeSO43個培養基組分進行更深入的研究。

表1 N = 12的 Plackett - Burman的試驗設計與結果

（C）、（F）：虛擬列

表2 各因素的主效應

2.2 響應面設計優化培養基

將Plackett-Burman設計確定的3個重要因素,即豆粕粉、 FeSO4、NaNO3分別記為X1、X2、X3，以發酵酶活作為響應值，記為變量Y，利用Box-Behnken的中心組合設計,三因素各取3水平列表(見表3),設計了3因素3水平共15個試驗點的試驗設計，試驗設計及結果見表4。

利用SAS統計軟件的二次響應面回歸（RSREG）進行數據分析，參數值見表5，得到擬合二次回歸方程如下：Y=922.139933-5.133875000X1-15.381950000X2-15.933200000X3-44.37449167X1*X1-39.55369167X2*X2+76.29510833X3*X3+9.436200000X1*X2+35.56700000X1*X3+61.25020000X2*X3。

從表4可知，該模型計算出的擬合值與實驗值較好吻合，平均擬合誤差只有1.29%。該模型可信度分析見表6。從表6可知，二次響應面回歸模型是顯著，二次響應面回歸模型是顯著（決定系數R2=0.9288）,模型擬合程度較理想,說明這3個因素及其二次項能解釋Y變化的92.88%,模型回歸P值為0.0210,回歸顯著,所以該模型可用于米曲霉產α-淀粉酶發酵優化的理論推測。

表3 三因素和三水平取值

表4 發酵優化實驗 Box-Behnken設計矩陣和響應數據的實測值與擬合值

表5 參數估計表

表6 模型方程方差分析表

2.3 培養基最適組合

在獲得回歸非線性模型和響應面以后，為了求得培養基最適濃度組合，對已回歸的非線性模型方程求一階偏導，并令其等于0，得到了三元一次方程組，得到曲面的最大點。求解此方程組得到最大產酶水平的最佳培養基濃度組合：X1=-0.448(25.5g/L)；X2=-0.916(4.08g/L)；X3=-1(0.0075g/L)，預測值為1064.58U/mL，即產酶水平最高時的最佳培養基組成（g/L）：玉米粉 50、豆粕粉 25.5、NaNO34.08、K2HPO4·3H2O 3、MgSO4·7H2O1、FeSO4·7H2O 0.0075,初始pH為6.5。

2.4 回歸模型的驗證

以該法選出的最適培養基濃度進行發酵試驗,發酵水平達到1107.41U/mL，試驗值與模型計算值相差+4.02%，可見該模型可以較好地預測實際的發酵情況，說明響應面分析法用于優化發酵培養基是可行有效的[7]。

3 結論

對米曲霉F016α-淀粉酶液體發酵培養基進行優化，經Plackett-Burman設計優化確定三因素，并取三水平，根據Box-Behnken設計試驗矩陣進行實驗得到數據后，進行響應面回歸分析得到最佳培養基配方（g/L）：玉米粉 50、豆粕粉 25.5、NaNO34.08、K2HPO4·3H2O 3、MgSO4·7H2O1、FeSO4·7H2O 0.0075,初始pH為6.5。 最終酶活力為1107.41U/mL，比初始水平提高了12.54%，α-淀粉酶酶活力有了顯著提高，達到實驗預期目標。

[1] 張樹政.酶工業制劑,下冊[M].北京:科學出版社,1998.

[2] AshokP .Poonam N ,et al.Advance in Microbial Amylase. Biotechnol. Appl. Biochem.2000.31:135-152.

[3] 歐宏宇,賈士儒. SAS軟件在微生物培養條件優化中的應用[J].天津輕工業學院學報, 2001,1(36):14-17.

[4] 王萬中.實驗的設計與分析.北京:高等教育出版社,2004.

[5] 史承利,姜涌明,蹙飚等.五種α—淀粉酶測活方法的比較研究[J].微生物學通報,1995,22(1):23-24.

[6] 阮桂海.SAS統計分析實用大全[M].北京:清華大學出版社, 2005.

[7] 鄭毅,周彪等.產耐溫蛋白酶蘇云金芽孢桿菌FS140液體發酵條件優化[J].應用與環境生物學報,2007,13(5):708-712.