黑曲霉ZJUQH產α-半乳糖苷酶的固體發酵培養基優化研究

徐騰洋，方若思，董亞晨，陳啟和*

(浙江大學食品科學與營養系，浙江省食品微生物技術研究重點實驗室，浙江 杭州 310058)

α-半乳糖苷酶(α-galactosidase，EC 3.2.1.22) 屬外切糖苷酶類，特異性水解半乳糖類寡糖和多聚半乳-(葡)甘露聚糖的非還原性末端α-1,6-半乳糖苷鍵。因此它能水解蜜二糖、棉子糖、水蘇糖和毛蕊花糖等低聚糖，也能水解半乳甘露聚糖、糖復合物(如糖蛋白類和糖脂類)中的α-半乳糖苷鍵[1-2]。1895年Bau首次從管底酵母(bottom yeast)中分離出α-半乳糖苷酶，但是直到20世紀80年代，人們才開始對α-半乳糖苷酶進行大規模的深入研究。它來源于微生物、植物和動物，以單體、二聚體、三聚體或四聚體形式存在；尤以微生物的產量高，如如雙歧桿菌(Bifidobacterium)、黑曲霉菌(Aspergillus niger)[3]等。同時，該酶在食品、醫藥、飼料工業等領域得到廣泛應用。

固體發酵(solid-state fermentation，SSF)在食品酶的發酵生產中具有很大潛力，如生產成本低、能源消耗少[4-5]等，同時還可能使酶具有更優良的作用性質[6-7]。響應面法(response surface methodology，RSM)是利用合理的實驗設計并通過實驗得到一定數據，采用多元二次方程來擬合因素和響應值之間的函數關系，通過對回歸方程的分析來尋求最優工藝。該法已廣泛應用于產酶培養基組成的優化[8-9]。本實驗主要通過用響應面法優化黑曲霉ZJUQH的固體發酵培養基來提高α-半乳糖苷酶酶活，以獲得高產α-半乳糖苷酶的合適固體發酵培養基組成。

1 材料與方法

1.1 菌種

保藏于中國科學院微生物研究所的黑曲霉ZJUQH，保藏號為CGMCC No.6152。

1.2 試劑

麩皮 杭州市東南面粉廠；豆粕(質量標準為一級) 南京蛋白廠；其他試劑均為國產分析純。

1.3 儀器與設備

UV-2120PC型紫外-可見分光光度計 尤尼柯儀器有限公司；Sartorius電子天平 北京賽多利斯天平有限公司；冷凍高速離心機 美國Beckman公司；L500臺式低速大容量離心機 湖南湘儀有限公司；DCQF-1超聲復頻清洗器 上海東大超聲儀器有限公司；HYG-Ⅱa恒溫調速搖床 上海欣蕊自動化設備有限公司；TH-3560滅菌鍋 臺灣造鑫企業有限公司。

1.4 培養基

斜面培養基：馬鈴薯200g，瓊脂15～20g，葡萄糖20g，水1000mL，pH值自然。馬鈴薯去皮，切成細絲加水煮沸0.5h，然后用紗布過濾，再加糖，然后邊攪拌邊加入瓊脂，完全融化后補足水至1000mL。121℃、30min 滅菌；基礎發酵培養基(250mL三角瓶)：麩皮2.8g、玉米棒粉2.2g、蛋白胨0.4g、KH2PO40.03g、Na2HPO4·12H2O 0.08g、NaC1 0.001g、MgSO4·7H2O 0.002g、CaC120.0005g，pH值(6～6.5)自然。

1.5 方法

1.5.1 發酵培養及酶液制備

將菌株接種到配好的PDA斜面培養基上，放入28℃恒溫生化培養箱中培養6d后，用無菌水或生理鹽水從斜面上刮下孢子制成孢子懸浮液，按一定接種量(孢子數約107CFU/mL)接種于裝有5g固體培養基質的250mL三角瓶中，置于28℃培養箱中培養6d。將發酵所得的固體發酵基質用攪拌機攪拌均勻稱取1g左右樣品，加入到10mL的0.2mmol/L pH 6.0檸檬酸鹽緩沖液中萃取酶液，在28℃水浴搖床上振蕩1h，經過濾紙過濾后獲得得待測定的粗酶液。在測定酶活前，采用pH6.0檸檬酸鹽緩沖液稀釋一定倍數后待用。

1.5.2 α-半乳糖苷酶酶活力測定

取適量發酵培養液經轉速10000r/min離心10min或者將浸提液過濾，將上清液或者濾液適當稀釋后取0.1mL，加入檸檬酸-磷酸氫二鈉緩沖液0.1mL，10mmol/L對硝基苯α-D-半乳吡喃糖苷0.05mL，于30℃溫度水浴10min，然后加入1.0mL的0.25mol/L的Na2CO3溶液終止反應，在400nm波長處測定分光光度值[10-11]。

酶活力單位定義：在pH6.0、30℃條件下，每分鐘生成1μmol對-硝基苯酚所需的酶量為一個酶活力單位。

1.6 試驗設計

1.6.1 部分因子試驗設計(fractional factorial design，FFD)

部分因子試驗可以確定培養基中哪幾種因素是最重要的，與全因子設計相比，它能大大減少實驗次數、快速地篩選到對響應變量影響最重要的因子，并且能估計因子的主效和部分交互作用，且根據實驗數據擬合的一次多項式能有效地確定最陡爬坡方向，由此接近最大響應區域。在本實驗體系中，選擇24-1部分重復因子設計，每一獨立變量在高(+)和低(－)兩個水平上進行試驗，不同因子的編碼值和對應的自然值的關系可以表述如下：

式中：xi為各因素的編碼值；Xi為各因素的實際值；X0為各因素實際值的中心值；ΔXi是截距。α-半乳糖苷酶酶活力作為因變量(Yi)。

1.6.2 中心組合設計(central composite design，CCD)

響應面設計方法(RSM)是一種尋找多因素系統中最佳條件的數學統計方法。其中，中心組合設計法(CCD)是比較常用的RSM法，適用于兩個因素的優化實驗。用SAS package(SAS Institute, Cary, NC, USA)多項式回歸分析對試驗數據進行分析，得到描述響應量(應變量)和自變量關系的二次多項式。模型可描述為：

式中：y為預測響應值即α-半乳糖苷酶酶活力；b0為截距；bi、bii、bij為回歸方程的線性系數、二次項參數和交互參數；xi和xj是因素。

1.6.3 數據處理

每個實驗處理進行3次重復，取其平均值進行分析。實驗數據采用統計分析軟件Design Expert V8.0.6(Stat-Ease, Inc., Minneapolis, MN, USA)進行統計分析。

2 結果與分析

2.1 部分因子試驗結果

在前期試驗基礎上，為尋求影響黑曲霉ZJUQH固體發酵產α-半乳糖苷酶的最顯著因子，重點針對影響發酵產該酶的比較顯著因子即蛋白胨、Na2HPO4·12H2O、料液比和接種量進行系統優化。本研究選用四因素兩水平部分因子試驗設計，各因子編碼值及水平見表1，試驗設計及其結果見表2。

表 1 部分因子試驗各因子編碼值及水平Table 1 Factors and coded values of fractional factorial design

表 2 部分因子試驗設計及結果Table 2 Design and results of fractional factorial experiment

表 3 部分因子試驗方差分析結果Table 3 Analysis of variance table (ANOVA) for selected factorial model

對部分因子試驗結果進行回歸分析，模型的相關系數R2=0.9818，意味著實驗數據的回歸模型有效，模型的P＜0.01表明回歸模型中的因子為非常顯著因子，這說明蛋白胨和料液比對黑曲霉ZJUQH產α-半乳糖苷酶酶有非常顯著的影響，而Na2HPO4·12H2O對產酶的影響不明顯。對所建立的模型進行方差分析，模型的顯著水平P值為0.0017，說明模型足夠擬合試驗數據。

對試驗數據平均值與中心點試驗數據平均值進行t檢驗。結果表明：在方差相等和方差不等的條件下，中心試驗點平均值和部分重復試驗平均值差異較小，說明試驗的最優點在當前試驗設計范圍之內，不需要進行爬坡試驗設計[12-13]。

2.2 中心組合試驗

根據部分因子試驗結果及統計分析，對蛋白胨添加量(A)和料液比(B)進行進一步優化。以處理0的水平為中心水平進行響應面試驗設計，其中心組合試驗因子水平設計見表4，試驗結果見表5。

表 4 中心組合試驗各因子及其編碼值Table 4 Factors and coded values of central composite design

表 5 中心組合試驗設計及結果Table 5 Design and results of central composite experiment

表 6 中心組合試驗方差分析結果Table 6 ANOVA results from CCD

對中心組合試驗數據進行響應面回歸分析，可得如下二次多項式回歸方程：

Y=51.51 + 10.06A +13.41B + 2.7AB – 1.5A2+ 0.71B2

表6是中心組合試驗的方差分析結果，數據顯示模型的P值為0.0018，說明所建立的模型是顯著的，在考察范圍能較好的闡明固體發酵產α-半乳糖苷酶的酶活變化。二次回歸方程表征的響應曲面圖如圖1所示。由響應曲面圖1可知，當編碼水平A=0.1和B=1時，即優化的培養基組成為(250mL)：麩皮2.8g、玉米棒粉2.2g、蛋白胨0.6g、KH2PO40.03g、Na2HPO4·12H2O 0.08g、NaC1 0.001g和MgSO4·7H2O 0.002g，料液比1：2.44，pH值自然，接種量為1.5mL/5g，發酵培養6d，α-半乳糖苷酶酶活力預測的最大值為76.89U/g。

圖 1 固態發酵培養基中蛋白胨(A)和料液比(B)對發酵產α-半乳糖苷酶影響的響應曲面圖Fig.1 Reponse surface plot showing α-galactosidase production against peptone (A) and the ratio of culture medium solid to water (B)

2.3 驗證實驗

通過部分因素試驗和中心組合試驗獲得的優化條件，即在250mL錐形瓶的優化培養基組成為：麩皮2.8g、玉米棒粉2.2g、蛋白胨0.6g、KH2PO40.03g、Na2HPO4·12H2O 0.08g、NaC1 0.001g和MgSO4·7H2O 0.002g，料液比1：2.44，pH值自然，接種量為1.5mL/5g，在此條件進行驗證試驗，得到優化后α-半乳糖苷酶酶活力達到(77.21±2.01)U/g(n=3)，其驗證結果顯示該優化結果比未優化培養基(蛋白胨0.4g、Na2HPO4·12H2O 0.08g、料液比1：3、接種量1.5mL/5g，pH值自然)提高了57.41%，本研究較好的達到了優化固態發酵培養基產α-半乳糖苷酶目的。在酶制劑的微生物發酵代謝研究中，培養條件的優化對代謝產物合成有著重要的作用。目前科學研究最常用的優化策略是單次因子法，而響應面方法是統計技術的合稱，包括試驗設計、建模、因子效應評估以及尋求因子最佳操作條件[14-15]。通過本研究證明，固態發酵培養基組成中水分含量是調控產酶的關鍵因子。

3 結 論

采用響應面方法對黑曲霉ZJUQH固體發酵產α-半乳糖苷酶的培養基進行優化，利用部分因子試驗確定蛋白胨添加量、Na2HPO4·12H2O、料液比和接種量對黑曲霉ZJUQH產α-半乳糖苷酶的影響顯著順序，結果發現主要影響因子為蛋白胨添加量、料液比。針對蛋白胨添加量和料液比進行中心組合試驗優化，建立了蛋白胨添加量和料液比與黑曲霉ZJUQH產α-半乳糖苷酶之間的數學模型，由響應面確定了黑曲霉ZJUQH固體發酵產α-半乳糖苷酶的最優培養基組成，最后經驗證實驗進一步表明黑曲霉ZJUQH產α-半乳糖苷酶的酶活力達到了(77.21±2.01)U/g。

[1] COMFORT D A, BOBROV K S, IVANEN D R, et al. Biochemical analysis of Thermotoga maritima GH36 α-galactosidase (TmGalA) confirms the mechanistic commonality of clan GH-D glycoside hydrolases[J]. Biochemistry, 2007, 46(11)： 3319-3330.

[2] VIANA P A, de REZENDE S T, MARQUES V M, et al. Extracellular α-galactosidase from Debaryomyces hansenii UFV-1 and its use in the hydrolysis of raffi nose oligosaccharides[J]. Journal of Agricultural and Food Chemistry, 2006, 54(6)： 2385-2391.

[3] SCALABRINIA P, ROSSIB M, SPETTOLIA P, et al. Characterization of Bifidobacterium strains for use in soymilk fermentation[J]. International Journal of Food Microbiology, 1998, 39(3)： 213-219.

[4] CHAHAL D S. Solid-state fermentation with Trichoderma reesei for cellulase production[J]. Applied and Environmental Microbiology, 1985, 49(1)： 205-210.

[5] NIGAM P, SINGH D. Recent process developments in solid-state substrate systems and their applications in biotechnology solid-state fermentation[J]. Journal of Basic Microbiology, 1994, 34(6)： 405-423.

[6] PANDEY A, SELVAKUMAR P, POONAM N. Solid-state fermentation for the production of industrial enzymes[J]. Current Science, 1999, 77(1)： 149-169.

[7] H?LKER U, H?FER M, LENZ J. Biotechnological advantages of laboratory-scale solid-state fermentation with fungi[J]. Applied Microbiology and Biotechnology, 2004, 64(2)： 175-186.

[8] CHEN Q H, HE G Q, ALI M A M. Optimization of medium composition for the production of elastase by Bacillus sp. EL31410 with response surface methodology[J]. Enzyme and Microbial Technology, 2002, 30(5)： 667-672.

[9] CHEN Qihe, FU Mingliang, LIU Jing, et al. Optimization of ultrasonic-assisted extraction (UAE) of betulin from white birch bark using response surface methodology[J]. Ultrasonics Sonochemistry, 2009, 16(5)： 599-604.

[10] LIU Caiqin, CHEN Qihe, RUAN Hui, et al. Response surface methodology for optimizing the fermentation medium of alphagalactosidase in solid-state fermentation[J]. Letters in Applied Microbiology, 2007, 45(2)： 206-212.

[11] GARROA M S, VALDEZA G F, GIORIA G S. Temperature effect on the biological activity of Bifidobacterium longum CRL 849 and Lactobacillus fermentum CRL 251 in pure and mixed cultures grown in soymilk[J]. Food Microbiology, 2004, 21(5)： 511-518.

[12] 張曉萍, 楊靜, 勇強, 等. 響應面優化法在纖維素合成培養基設計上的應用[J]. 林產化學與工業, 2010, 30(3)： 29-34.

[13] 劉青芝, 李霞, 蘇移山, 等. 響應面法優化γ-聚谷氨酸發酵條件[J]. 中國生化藥物雜志, 2011, 32(2)： 99-102.

[14] MU Yu, ZHENG Xianjun, YU Hanqing. Determining optimum conditions for hydrogen production from glucose by an anaerobic culture using response surface methodology (RSM)[J]. International Journal of Hydrogen Energy, 2009, 34(19)： 7959-7963.

[15] 趙世光, 王詩然, 薛正蓮, 等. Ganoderma lucidum UIM-281產漆酶發酵條件的篩選及響應面優化[J]. 食品與發酵工業, 2009, 35(11)： 72-77.