CN109256176A - 基于代谢产物测量的微生物生长过程评估模型 - Google Patents
基于代谢产物测量的微生物生长过程评估模型 Download PDFInfo
- Publication number
- CN109256176A CN109256176A CN201811298043.7A CN201811298043A CN109256176A CN 109256176 A CN109256176 A CN 109256176A CN 201811298043 A CN201811298043 A CN 201811298043A CN 109256176 A CN109256176 A CN 109256176A
- Authority
- CN
- China
- Prior art keywords
- growth
- microorganism
- model
- metabolite
- phase
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000012010 growth Effects 0.000 title claims abstract description 107
- 244000005700 microbiome Species 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000002207 metabolite Substances 0.000 title claims abstract description 24
- 230000008569 process Effects 0.000 title claims abstract description 19
- 238000005259 measurement Methods 0.000 title claims abstract description 15
- 230000000813 microbial effect Effects 0.000 claims abstract description 22
- 230000034994 death Effects 0.000 claims abstract description 16
- 230000005526 G1 to G0 transition Effects 0.000 claims abstract description 11
- 230000002503 metabolic effect Effects 0.000 claims abstract description 9
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000011534 incubation Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims 2
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 230000003698 anagen phase Effects 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 abstract description 2
- 238000013139 quantization Methods 0.000 abstract 1
- 241000588724 Escherichia coli Species 0.000 description 10
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 239000001888 Peptone Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 235000015278 beef Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000855 fermentation Methods 0.000 description 1
- 230000004151 fermentation Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 210000002429 large intestine Anatomy 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种基于代谢产物测量的微生物生长过程评估模型,涉及生物技术领域,所要解决的是评估微生物迟缓期、指数生长期和稳定期、死亡期四个完整的生长阶段,实现直接由检测的代谢产物值反映微生物生长,并能进行定量预测。根据微生物代谢产物与种群数量的耦合关系,反演出微生物四个阶段的生长曲线,以物理参数经验值为建模工具的输入变量,建立并修正得出高精度的微生物完整生长过程评估模型。通过该模型可得到微生物性质随时间发展的预测值或预测特点,实现了评估微生物生长过程的量化。本发明优势在于算法简便有效、适用范围广,能够精确模拟出不同微生物完整的生长过程,对指导生产具有重要意义。
Description
技术领域
本发明涉及微生物技术领域,具体地说,涉及一种基于代谢产物测量的建模方法,其适用于预测各类微生物四个阶段的生长过程。
背景技术
微生物生长曲线能够反映某一特定环境条件下表现出的群体生长规律,以此衡量不同生长状况的代谢情况、生长趋势等多种重要指标,这些规律对实际生产制造、科研探索具有重要的科学指导作用。例如在发酵工程领域中,依据微生物生长阶段中的对数期得到获取缩短菌种培育周期,依据稳定期可知收获的最佳时期等;在临床医学领域,依据生长特征可以快速诊断致病微生物。因此,得到模拟精准的微生物生长模型在人口数量预测、食品生产和安全、医疗诊断、微生物科学研究等领域中都具有重要意义。
在适宜的培养环境下微生物生长过程共分为四个阶段:迟滞期、指数生长期、稳定期和死亡期。这四个时期具有不同的数量特征,反映微生物在生长过程中的不同生存状态。而现有的模型都是根据前三个阶段来反映微生物数量与生长时间的关系,不能完整反映微生物生长的四个阶段。
代谢产物检测法是一种简单快速的测量方式,以此作为判断依据来检测微生物生长过程的方法已经成为高精度、快速、自动化的微生物生长检测手段,并被广泛应用于医疗中的临床检验,现有利用该方法对微生物生长的四个阶段进行定性分析的模型,但仍缺少一种能够直接定量描述微生物四个阶段生长过程曲线的模型。
因此,迫切需要一种新的模型,能直接由检测的代谢产物值反映微生物生长,并能通过这种模型对微生物生长的四个阶段进行定量预测。
发明内容
为了解决上述问题,针对现有技术的不足,本发明的目的在于提供一种基于代谢产物检测的微生物生长过程模拟模型。该方法优势在于算法简单、适用范围广、预测结果准确。
本发明提供了一种基于代谢产物检测的微生物生长过程模拟模型,具体步骤如下:
(1)首先,利用微生物一阶生长动力学函数结合有机物、生长空间、PH值和温度等限制条件,得到限定条件下的生长模型
其中kCMAX=μMAX(C≤CMAX),C表示某一时间点t的微生物生长量。
但如果微生物并不是接种后马上生长而存在滞后时,该方程不适合描述整个生长曲线,因此在新环境下微生物生长模型可构建为其中U(t-λ)满足当t≤λ时U(t-λ)=0,此时微生物不进行生长,且t>λ时U(t-λ)=1,此时微生物生长遵循该式。
(2)虽然上述方程可以用来描述整个生长过程,但新环境下微生物生长存在适应期,它是一个不连续的模型,需要2个独立的方程。本发明利用一个平滑的过渡的单元函数f(t),它决定了微生物生长曲线中迟滞期的长短,并且将微生物生长迟滞期至稳定期的过程表述为一个连续函数:
当t<<E时,f(t)=0,当t>>E时,f(t)=1,当t处于0到E之间并靠近E时,f(t)将逐步从0变成1。此时,微生物生长曲线变为:
求解上述方程得到其解
微生物的生长从一个初始浓度即最小值C0逐步增大至一个最大生长量CMAX,此时微生物生长曲线中的迟滞期、指数生长期、稳定期可表述为
其中y(t)1为微生物t时刻的生长量,AMAX为微生物生长中指数生长期生长速率最大值,E1为微生物生长迟滞期,CMAX和C0分别为微生物生长过程中的最大生长量和初始生长量,D1为修型参数。
(3)对于微生物生长的死亡期而言,死亡期微生物生长死亡率大于生长率,与指数生长期正相反,存活微生物数呈整体S型下降趋势,最后衰减至0。利用与迟滞期、指数生长期、稳定期前三时期相同的方式进行分析可得,微生物生长死亡期可表述为:
完整的微生物生长曲线可以表述为:
其中,μmax 1,μmax 2分别为指数生长期以及死亡期的最大生长速率,λ1,λ2-λ1分别为迟滞期时间以及微生物生长稳定期结束进入死亡期时间;|C|=CMAX-C0为微生物活体细胞增长数,D1,D2为修型参数。
(4)综上可得微生物生长过程代谢产物累积曲线:
其中B0为微生物代谢产物的初始量。
微生物生长曲线曲线如图2(a)所示,代谢产物累积量曲线如图2(b)所示,其中①、②、③、④分别表示微生物生长迟滞期、指数生长期、稳定期、死亡期。
由于采用了上述建模方法,本发明的有益效果是:
考虑到微生物的生长是一个连续的过程,对比现有的仅对前三个生长过程进行描述的方法,本发明设计出能描述和预测微生物在限制条件下完整的四阶段生长过程模型。同时本发明还提供了一种基于代谢产物测量的生长过程累积法,为提高模型精度给出了明确的途径。综上,本发明提出的建模方法简便有效,具有可优化的特点,能够精确模拟出微生物完整的生长过程。
附图说明
图1为本发明的模型流程示意图。
图2为微生物生长曲线与微生物代谢产物累积量曲线。
图3为25℃下大肠杆菌代谢产物CO2累积量、运用本发明的模型反演得到的大肠杆菌生长曲线。
具体实施方式
以下结合附图和实施例对本发明的技术方案作进一步描述。
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
如图1,本发明的建模方法包括建立基于代谢产物测量的微生物四阶段生长模型的步骤、模型精度评估步骤以及对模型参数进行优化的步骤。
本发明的实施例中,采用大肠杆菌为例,图3为25℃下实时监测获得的大肠杆菌代谢产物CO2信号及运用本发明的模型反演得到的大肠杆菌生长参量以及微生物生长曲线。首先将大肠杆菌接种至含有牛肉膏蛋白胨葡萄糖营养物质的5ml试管中,并25℃恒温摇床下振荡培养18小时。将振荡活化18小时的大肠杆菌培养液稀释至2.6×105cfu/ml,取5ml的大肠杆菌溶液至45ml的培养瓶中,即培养中瓶中细菌的初始浓度为2.6×104cfu/ml。最后将其放置在25℃恒温培养箱中培养并实时监测培养瓶内CO2浓度。
根据CO2的积累量与微生物生长速率的关系,利用MATLAB软件中的fminsearch函数,通过无约束非线性优化,反演出最接近实验数据数值的微生物生长曲线模型。根据文献资料,结合实际经验,将完整的微生物生长曲线模型
中的每个参数设定一个初始值。
设定2.6×104cfu/ml大肠杆菌在25℃下生长曲线指数生长期μmax 1以及死亡期μmax 2的最大生长速率为0.9/h和0.4/h,初始培养瓶内二氧化碳量B0为0.1%,修饰参数D1和D2分别为4和2,迟滞期λ1为9h,微生物生长稳定期结束进入死亡期的时间λ2-λ1为15h。
更具体地说,fminsearch函数能够从一个初始值开始,找到一个标量函数的最小值。对于本发明来说,当设定参数模拟得到的生长曲线与实验数据的差值大于设定值时,自行对建模参数进行调整优化模型,直至与实际微生物生长测量线最为接近时停止计算。最终得到大肠杆菌在该条件下的生长曲线。其中指数生长期μmax 1以及死亡期μmax 2的最大生长速率为0.7476/h和0.4487/h,初始培养瓶内二氧化碳量B0为0.0038%,修饰参数D1和D2分别为2.9683和1.8936,迟滞期λ1为15.6131h,微生物生长稳定期结束进入死亡期的时间λ2-λ1为23.2395h。
运用SPSS软件分析,通过本发明模型得到的大肠杆菌生长曲线与实际生长数据的残差情况。结合实际数据与拟合结果分析可得,模型拟合相关系数为1,拟合优度好,模型回归程度强;残差平方和SSE为0.117,代表反应变量的变异中没有被回归模型所包含的变量解释的部分,残差大部分在±0.04之间,可以解释大部分的预测值,证明模型有效;均方根误差为0.013142,预测标准误差为13.06564,证明观测值与真实值的离散程度很低。
由实验数据可见,仿真结果与实验结果基本一致,本模型具有良好的应用性。
Claims (4)
1.一种基于代谢产物测量的微生物生长过程评估模型,其特征在于,包括建立基于代谢产物测量的微生物四阶段生长模型的步骤以及对模型拟合度评估步骤及参数优化步骤;
其中,建立基于代谢产物测量的微生物四阶段生长模型的步骤为根据微生物代谢产物与种群数量的耦合关系,反演出微生物完整的四个阶段的生长曲线,使用微生物代谢产物累积曲线指数生长期的最大生长速率、初始培养瓶代谢产物的浓度、进入迟滞期等物理参数经验值为建模工具的输入变量,建立并修正得出高精度的微生物的完成生长过程模型;
模型精度评估及优化步骤包括:连续、实施测量微生物生长过程中产生的代谢产物浓度信息,根据代谢产物的积累量与微生物生长速率的耦合关系,给每个物理参数设定一个初始值,当设定参数模拟得到的生长曲线与实验数据的差值大于拟合优度值时,对模型表达式中的物理参数进行调整优化。
2.根据权利要求1所述的一种基于代谢产物测量的微生物四阶段生长建模方法,其特征在于,建立微生物生长模型的步骤进一步包括:
步骤A1:根据理论,确定微生物代谢产物含量与种群数量耦合关系的式子,分析出微生物生长的特征量;
步骤A2:采取μmax1,μmax2(分别为指数生长期以及死亡期的最大生长速率)、λ1,λ2-λ1(分别为迟滞期时间以及微生物生长稳定期结束进入死亡期时间)、|C|=CMAX-C0(微生物活体细胞增长数),B0(微生物代谢产物的初始量)为模型中的特征变量,在原有函数的基础上对生长曲线模型进行二次建模。
步骤A3:经过反复的实验,提取微生物代谢产物浓度信息,对模型的物理参数进行修正,获得代谢产物对微生物生长量的影响规律,使所建立的理论模型与实际数据相吻合,进而提高微生物生长参数的反演精度。
3.根据权利要求1所述的一种基于代谢产物测量的微生物四阶段生长建模方法,其特征在于,能够直接定量描述微生物四个阶段生长过程曲线的模型。本模型利用一个平滑的过渡的单元函数f(t),它决定了微生物生长曲线中迟滞期的长短,并且将微生物生长迟滞期至稳定期的过程表述为一个连续函数:
当t<<E时,f(t)=0,当t>>E时,f(t)=1,当t处于0到E之间并靠近E时,f(t)将逐步从0变成1。此时,微生物生长曲线变为
同理,微生物生长死亡期可表述为:
因此完整的微生物生长曲线可以表述为:
4.根据权利要求1所述的一种基于代谢产物测量的微生物四阶段生长建模方法,其特征在于,
模型精度评估步骤中,对微生物生长过程中产生的代谢产物浓度信息进行连续实施的测量,根据代谢产物的积累量与微生物生长速率的关系,利用fminsearch函数,给每个物理参数设定一个初始值,当设定参数模拟得到的生长曲线与实验数据的差值大于拟合优度值(即大于5%)时,启动模型参数优化步骤,直至与实际微生物生长测量线最为接近时停止计算。综上可得微生物生长过程代谢产物累积曲线:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811298043.7A CN109256176A (zh) | 2018-10-28 | 2018-10-28 | 基于代谢产物测量的微生物生长过程评估模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811298043.7A CN109256176A (zh) | 2018-10-28 | 2018-10-28 | 基于代谢产物测量的微生物生长过程评估模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109256176A true CN109256176A (zh) | 2019-01-22 |
Family
ID=65043676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811298043.7A Pending CN109256176A (zh) | 2018-10-28 | 2018-10-28 | 基于代谢产物测量的微生物生长过程评估模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109256176A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112767995A (zh) * | 2020-12-16 | 2021-05-07 | 广东省微生物研究所(广东省微生物分析检测中心) | 一种微生物次级代谢产物制备过程中产物产率评估方法 |
CN116542343A (zh) * | 2023-05-29 | 2023-08-04 | 苏州硕亚环保科技有限公司 | 一种用于水生态治理的微生物生长状况监测管理方法 |
CN116661517A (zh) * | 2023-07-24 | 2023-08-29 | 山东三方化工集团有限公司 | 基于物联网的复合微生物肥料发酵温度智能调控*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110054855A1 (en) * | 2009-09-01 | 2011-03-03 | Usa As Represented By The Secretary Of The Army | Method For Microbiological Quasi-Chemical Kinetics Growth-Death Modeling in Food |
CN102220239A (zh) * | 2011-03-24 | 2011-10-19 | 苏州百器智能装备***有限公司 | 一种基于生长预测模型的流加控制*** |
CN104298868A (zh) * | 2014-09-30 | 2015-01-21 | 北京农业信息技术研究中心 | 一种冷链物流的冷却肉货架期预测方法及*** |
CN105184049A (zh) * | 2015-08-10 | 2015-12-23 | 上海交通大学 | 基于调控-代谢网络整合模型预测微生物生长表型的方法 |
-
2018
- 2018-10-28 CN CN201811298043.7A patent/CN109256176A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110054855A1 (en) * | 2009-09-01 | 2011-03-03 | Usa As Represented By The Secretary Of The Army | Method For Microbiological Quasi-Chemical Kinetics Growth-Death Modeling in Food |
CN102220239A (zh) * | 2011-03-24 | 2011-10-19 | 苏州百器智能装备***有限公司 | 一种基于生长预测模型的流加控制*** |
CN104298868A (zh) * | 2014-09-30 | 2015-01-21 | 北京农业信息技术研究中心 | 一种冷链物流的冷却肉货架期预测方法及*** |
CN105184049A (zh) * | 2015-08-10 | 2015-12-23 | 上海交通大学 | 基于调控-代谢网络整合模型预测微生物生长表型的方法 |
Non-Patent Citations (2)
Title |
---|
LIHAN HUANG: "Optimization of a new mathematical model for bacterial growth", FOOD CONTROL * |
项金冬: "基于光谱技术的微生物生长检测研究", 中国优秀博硕士学位论文全文数据库(硕士)基础科学辑 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112767995A (zh) * | 2020-12-16 | 2021-05-07 | 广东省微生物研究所(广东省微生物分析检测中心) | 一种微生物次级代谢产物制备过程中产物产率评估方法 |
CN112767995B (zh) * | 2020-12-16 | 2023-05-23 | 广东省微生物研究所(广东省微生物分析检测中心) | 一种微生物次级代谢产物制备过程中产物产率评估方法 |
CN116542343A (zh) * | 2023-05-29 | 2023-08-04 | 苏州硕亚环保科技有限公司 | 一种用于水生态治理的微生物生长状况监测管理方法 |
CN116542343B (zh) * | 2023-05-29 | 2023-11-10 | 苏州硕亚环保科技有限公司 | 一种用于水生态治理的微生物生长状况监测管理方法 |
CN116661517A (zh) * | 2023-07-24 | 2023-08-29 | 山东三方化工集团有限公司 | 基于物联网的复合微生物肥料发酵温度智能调控*** |
CN116661517B (zh) * | 2023-07-24 | 2023-09-29 | 山东三方化工集团有限公司 | 基于物联网的复合微生物肥料发酵温度智能调控*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Baranyi | Stochastic modelling of bacterial lag phase | |
Swinnen et al. | Predictive modelling of the microbial lag phase: a review | |
Ippoliti et al. | Modeling of photosynthesis and respiration rate for Isochrysis galbana (T-Iso) and its influence on the production of this strain | |
CN109256176A (zh) | 基于代谢产物测量的微生物生长过程评估模型 | |
Spolaore et al. | Optimization of Nannochloropsis oculata growth using the response surface method | |
Pappu et al. | Artificial neural network model for predicting production of Spirulina platensis in outdoor culture | |
Muñoz-Tamayo et al. | Getting the most out of it: optimal experiments for parameter estimation of microalgae growth models | |
Ginovart et al. | Digital image analysis of yeast single cells growing in two different oxygen concentrations to analyze the population growth and to assist individual-based modeling | |
Vereecken et al. | Analysis and practical implementation of a model for combined growth and metabolite production of lactic acid bacteria | |
Gao et al. | Parameterization of a light distribution model for green cell growth of microalgae: Haematococcus pluvialis cultured under red LED lights | |
Surisetty et al. | Robust modeling of a microalgal heterotrophic fed-batch bioreactor | |
CN109243528A (zh) | 基于知识图谱有向图的生物过程控制方法 | |
Maschke et al. | Improved time resolved KPI and strain characterization of multiple hosts in shake flasks using advanced online analytics and data science | |
Albrecht et al. | A multi-model approach to implement a dynamic shelf life criterion in meat supply chains | |
Survyla et al. | Viable cell estimation of mammalian cells using off-gas-based oxygen uptake rate and aging-specific functional | |
Wungmool et al. | Measurement of the cell density of microalgae by an optical method | |
Rastädter et al. | Physiological characterization of Sulfolobus acidocaldarius in a controlled bioreactor environment | |
Ritonja et al. | Dynamic Modeling of the impact of temperature changes on CO2 production during Milk fermentation in batch bioreactors | |
Pretzner et al. | Predictive monitoring of shake flask cultures with online estimated growth models | |
Puentes et al. | Dynamic modeling of Carnobacterium maltaromaticum CNCM I-3298 growth and metabolite production and model-based process optimization | |
Archambault et al. | Nannochloropsis sp. algae for use as biofuel: Analyzing a translog production function using data from multiple sites in the southwestern United States | |
Valík et al. | Modelling the Effect of Temperature on the Initial Decline during the Lag Phase of Geotrichum candidum | |
Heath et al. | A model of the cell cycle and cell division phasing in a marine diatom | |
Chen et al. | Digital Twins and Data-Driven in Plant Factory: An Online Monitoring Method for Vibration Evaluation and Transplanting Quality Analysis | |
Deschênes et al. | Extremum seeking control of batch cultures of microalgae Nannochloropsis oculata in pre-industrial scale photobioreactors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190122 |