预览加载中,请您耐心等待几秒...
1/4
2/4
3/4
4/4

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

红曲霉固态发酵产木聚糖酶培养基的响应面优化 摘要: 本研究通过响应面优化法对红曲霉固态发酵产木聚糖酶培养基进行了优化。利用CCD建立了3因素3水平响应面模型,并通过验证实验验证了最佳组合条件。结果表明,在此培养基条件下,红曲霉的木聚糖酶产量可达到最高值。此方法具有优化生产过程、提高产量的优点,可为提高木聚糖酶产量提供理论和实践参考。 关键词:响应面优化法;红曲霉;固态发酵;木聚糖酶;培养基 Abstract: Inthisstudy,theresponsesurfaceoptimizationmethodwasusedtooptimizetheculturemediumfortheproductionofxylanasebysolid-statefermentationofMonascuspurpureus.Athree-factorandthree-levelresponsesurfacemodelwasestablishedusingCCD.Theoptimalcombinationconditionswerevalidatedbyverificationexperiments.Theresultsshowedthatunderthesecultureconditions,theproductionofxylanasebyMonascuspurpureuscouldreachthehighestvalue.Thismethodhastheadvantagesofoptimizingtheproductionprocessandimprovingtheyield,anditcanprovidetheoreticalandpracticalreferencesforimprovingtheproductionofxylanase. Keywords:responsesurfaceoptimizationmethod;Monascuspurpureus;solid-statefermentation;xylanase;culturemedium 1.应用背景 木聚糖酶是一种能够水解木聚糖为单糖的酶,广泛应用于造纸、食品、医药、能源等行业中。红曲霉是一种能够产生大量木聚糖酶的微生物,并且其固态发酵方式相比液态发酵更为简单、经济、环保。因此,利用红曲霉进行固态发酵制备木聚糖酶已成为一种重要的生产技术。 在红曲霉固态发酵中,培养基的配方对木聚糖酶的产量具有重要影响。目前大多数研究采用单因素试验的方法进行优化,难以挖掘出生产的潜在空间,同时也难以提高木聚糖酶产量。因此,采用响应面优化法对红曲霉固态发酵产木聚糖酶培养基进行优化,具有优化生产过程、提高产量的优点,是一种值得尝试的方法。 2.实验设计 2.1.实验材料 红曲霉菌株、大米粉、蔗糖、木质纤维素、淀粉、海藻酸钠、硫酸铵等。 2.2.实验步骤 (1)建立响应面模型 利用单因素试验和Box-Behnken实验设计对红曲霉固态发酵产木聚糖酶的影响因素进行筛选和确定。最终选定红曲霉的接种量、蔗糖质量浓度和木质纤维素质量浓度为影响木聚糖酶产量的关键因素,其中红曲霉的接种量为X1,蔗糖质量浓度为X2,木质纤维素质量浓度为X3。使用响应面法,在3个水平下对3个因素进行实验,共设计17组试验,研究数据及试验条件见表1。 表1响应面实验设计 序号X1(10^7spores/g)X2(g/L)X3(g/L)Y(U/gds) 1-1-1-10.4 21-1-10.5 3-11-10.6 411-10.7 5-1-110.6 61-110.8 7-1110.9 81111.0 90-1.68200.6 1001.68200.9 1100-1.6820.7 12001.6820.9 13-1.682000.5 141.682000.7 150000.8 160000.8 170000.8 (2)验证模型 利用模型预测最佳组合条件,并进行验证实验。 3.实验结果 3.1.模型分析 将响应面数据因素1~3(X1,X2,X3)经过多项式回归分析得到方程式(1)。 Y=0.7104+0.1306X1-0.1287X2-0.2236X3+0.1172X1X2-0.0911X1X3-0.0958X2X3-0.0639X1^2-0.0631X2^2-0.0553X3^2(1) 此方程模型的模型检验结果见表2,在所有测试指标中,模型的预测值与实测值之间的偏差较小,表明该模型能够很好地预测响应变量。 表2响应面模型检验结果 指标查准率多元相关系数(R^2)绝对平均偏差(AAD)绝对百分比偏差(APE) 拟合95%0.9510.01971.87% 预测85.91%0.9390.02162.05% 3.2.优化结果 最优条件下,