CN114283896B - 一种监测酶促反应过程中组分变化模型的建模方法 - Google Patents

一种监测酶促反应过程中组分变化模型的建模方法 Download PDF

Info

Publication number
CN114283896B
CN114283896B CN202111588821.8A CN202111588821A CN114283896B CN 114283896 B CN114283896 B CN 114283896B CN 202111588821 A CN202111588821 A CN 202111588821A CN 114283896 B CN114283896 B CN 114283896B
Authority
CN
China
Prior art keywords
reaction
concentration
enzymatic reaction
enzymatic
monitoring
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.)
Active
Application number
CN202111588821.8A
Other languages
English (en)
Other versions
CN114283896A (zh
Inventor
石贵阳
李由然
张嘉瑶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangnan University
Original Assignee
Jiangnan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangnan University filed Critical Jiangnan University
Priority to CN202111588821.8A priority Critical patent/CN114283896B/zh
Publication of CN114283896A publication Critical patent/CN114283896A/zh
Application granted granted Critical
Publication of CN114283896B publication Critical patent/CN114283896B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种监测酶促反应过程中组分变化模型的建模方法,涉及反应组分监控技术领域,该方法包括:配制底物并记录质量;两个反应釜间隔预定时间分别开启酶促反应,在酶促反应过程中,在预定采样时刻从反应釜中取样并采集样液的近红外光谱信息;处理提取的样液得到预定采样时刻的样液中酶促反应产物的浓度;按照预定时间在两个反应釜中交替采样直至酶促反应结束,再次记录质量;计算预定采样时刻的底物浓度,将产物浓度、底物浓度按照预定采样时刻与近红外光谱信息建立关联,得到反映酶促反应过程中产物与底物浓度变化的定量近红外光谱模型。该模型能够实时在线监测反应液中各组分浓度的变化,进而分析酶促反应进程,缩短了检测时间。

Description

一种监测酶促反应过程中组分变化模型的建模方法
技术领域
本发明涉及反应组分监控技术领域,尤其是一种监测酶促反应过程中组分变化模型的建模方法。
背景技术
海藻糖(α,α-Trehalose)是一种二糖,由两个D-葡萄糖分子的α-1一键连接而成,是麦芽糖的同分异构体。它是一种非还原糖,不容易被酸水解,糖苷键不易被糖苷酶切割,分子式为C12H22O11,分子量为342.31。提纯后,它通常以二水合物的形式存在,海藻糖的生物保护机制显著,在一些恶劣条件下能够稳定细生命体的胞膜和蛋白质分子不变性失活,从而维持生物特征和生命过程,所以它又被称为天然的“生命之糖”。其工业化生产方法备受关注,海藻糖的生产方法主要有微生物发酵法、抽提法、基因重组法与酶法合成,其中酶法合成是目前工业生产应用的主要方法。酶法主要分为磷酸化途径和非磷酸化途径,前者如TPS/TPP途径,Tre P途径。这类反应需要UDP、GDP之类的高能物质,且酶促反应不稳定,难以实现大规模工业化生产。非磷酸化途径,如双酶法,该酶系包括MTSase和MTHase,MTSase可以作用于DP≥3的麦芽寡糖、麦芽糊精或直链淀粉,在其末端生成具有海藻糖结构的α,α-1,1-葡萄糖苷键;MTHase将上述α,α-1,1-葡萄糖苷键特异性的从直链末端切掉转化成海藻糖,该合成途径被称为TreY/TreZ途径,该途径被认为是最有潜力的海藻糖生产方法,因此该途径的酶促过程分析具有指导意义。目前主要用高效液相色谱HPLC来检测海藻糖组分,以分析酶促过程,该方法费时费力,且难以在线实时检测酶转化过程中的组分变化。因此,发明一种能及时连续在线反馈转化过程中底物与产物变化的在线监测技术,对分析酶促反应过程具有重大意义。
近红外光谱(Near Infrared Spectroscopy,NIRS)分析技术是在近十几年内发展最快的分析新“巨人”,它的出现可以说带来了又一次分析技术的革命。近红外光谱分析技术集物理学、化学、计算机学、信息科学及相关技术于一体,已经发展成为一个十分活跃的研究领域。近红外技术是一种无任何放射性,非接触式,具有高测量精度、高分辨率、高可靠性的厚度检测和监控技术;在食品、石油化工和医药工程等领域中得到了广泛应用。
在现有的技术中,利用近红外技术监测海藻糖生产的过程中采用检测池,样液经过外循环处理,而不是原位监测,这样会影响样液的反应温度,不能及时在线反馈真实值导致建模准确度不高。目前尚无利用近红外且能够在线监测TreY/TreZ途径过程中产物与底物量变化的报道。
发明内容
本发明人针对上述问题及技术需求,提出了一种监测酶促反应过程中组分变化模型的建模方法,利用近红外实时监测TreY/TreZ途径转化过程中,主产物海藻糖浓度与以理论转化率计算得到的底物麦芽糊精浓度变化之间的关系建立近红外光谱模型并校正,该模型用于酶反应连续过程的监测与分析。
本发明的技术方案如下:
一种监测酶促反应过程中组分变化模型的建模方法,包括如下步骤:
安装近红外监测与酶促反应装置,近红外监测装置包括计算机、近红外光谱仪及其探头,近红外光谱仪连接计算机,用于近红外建模;酶促反应装置包括至少两个反应釜;
在每个反应釜中配制初始样液,并记录反应釜与初始样液的质量,初始样液包括作为反应底物的麦芽糊精;
两个反应釜间隔预定时间分别开启酶促反应,在酶促反应过程中,将探头浸入反应釜的样液中,在预定采样时刻从反应釜中连续提取样液,并采集反应釜中样液的近红外光谱信息,近红外光谱信息与预定采样时刻相对应;对提取的样液进行离线处理,得到预定采样时刻的样液中酶促反应产物的浓度,其中产物包括主产物海藻糖和副产物葡萄糖、麦芽糖;当到达预定时间后,将探头转移到另一个反应釜中重复酶促反应过程中取样及采集光谱的步骤;
两个反应釜的初始反应阶段采样结束后,重复执行将探头浸入反应釜的样液中的步骤,按照预定时间在两个反应釜中交替取样及采集光谱直至酶促反应结束,记录反应釜与剩余样液的质量;
根据记录的两个质量和各产物的浓度计算预定采样时刻的麦芽糊精浓度,将离线处理得到的海藻糖浓度、计算得到的麦芽糊精浓度按照预定采样时刻与采集的近红外光谱信息建立关联,得到反映TreY/TreZ途径过程中产物与底物浓度变化的定量近红外光谱模型。
其进一步的技术方案为,根据记录的两个质量和各产物的浓度计算预定采样时刻的麦芽糊精浓度,包括:
根据记录的两个质量计算水分蒸发体积,则预定采样时刻的样液实际体积的表达式为:
Figure BDA0003428470400000031
其中,m为反应釜与初始样液的质量,m为反应釜与剩余样液的质量,ρ为水的密度,V′为初始样液的体积,H为总反应时间,h为相应的预定采样时刻对应的时间;将离线处理得到的海藻糖、葡萄糖、麦芽糖的浓度换算回原始体积的校正浓度,表达式分别为:
cT=ct×V÷V′;
cG=cg×V÷V′;
cM=cm×V÷V′;
其中,cT、cG、cM依次为预定采样时刻的海藻糖、葡萄糖、麦芽糖的校正浓度,ct、cg、cm依次为预定采样时刻的海藻糖、葡萄糖、麦芽糖的离线处理得到的浓度;
则计算预定采样时刻的麦芽糊精浓度的表达式为:
Figure BDA0003428470400000032
其中,c为预定采样时刻的麦芽糊精浓度,c′为初始样液的浓度,1.05为海藻糖与麦芽糖的理论转化率,1.11为葡萄糖的理论转化率。
其进一步的技术方案为,对提取的样液进行离线处理,得到预定采样时刻的样液中酶促反应产物的浓度,包括:
采用预定浓度的乙醇终止提取的样液的酶促反应,经高速离心后,稀释合适倍数后采用HPLC检测各个预定采样时刻的样液中海藻糖、葡萄糖、麦芽糖的浓度。
其进一步的技术方案为,在每个反应釜中配制初始样液,包括,对于每个反应釜:
称取一定量的麦芽糊精和去离子水倒入反应釜中混合后得到初始样液,并记录初始样液的体积和浓度。
其进一步的技术方案为,反应釜自带有温控***和搅拌装置,温控***包括温度传感器,用于实时向温控***反馈样液的温度,搅拌装置包括置于反应釜底部的搅拌桨;
两个反应釜间隔预定时间分别开启酶促反应,包括:将温度传感器伸入反应釜中固定在合适位置,开启温控***和搅拌装置,控制样液的温度在预设温度,待麦芽糊精溶解后,间隔预定时间分别在两个反应釜中放入不同配比的MTSase与MTHase,以及一致量的普鲁兰酶与环糊精酶,错开反应时间分别开启酶促反应。
其进一步的技术方案为,安装近红外监测与酶促反应装置,还包括:
近红外监测装置还包括天顶可移动的铁环,连接近红外光谱仪及其探头的光纤穿过铁环,调整铁环位置用于保持光纤不弯折;
酶促反应装置还包括铁架台,反应釜置于铁架台上,通过铁架台固定探头。
其进一步的技术方案为,近红外光谱信息的采集条件为:近红外光谱仪的扫描范围为3995cm-1-12000cm-1,分辨率为16cm-1,扫描次数为5-10次,连续扫描。
其进一步的技术方案为,采用HPLC测定样液的色谱条件为:聚氨基柱-DikamaPolyamino,5μm,250×4.6mm;乙腈/水的体积比为75/25;流速为1.0mL/min,检测器采用视差折光检测器;进样量为20μL;柱温为30℃,视差温度为35℃。
其进一步的技术方案为,MTSase的最适反应温度为45-50℃,MTHase的最适反应温度为48-50℃,两者最适pH均为6.0-6.5。
其进一步的技术方案为,建模方法还包括,静态建模以验证实验可行性:
按酶转化过程的实际转化率计算配制不同浓度的麦芽糊精、海藻糖、麦芽糊精与海藻糖混合溶液,以及配制加入盐酸的MTSase与MTHase灭活酶液,作为四种样液,其中盐酸用于控制灭活酶液的pH为2.0-2.2;
将相同体积的四种样液分别放入烧杯中,将探头依次浸入样液中并采集近红外光谱信息;将近红外光谱信息与样本已知浓度或添加含量建立关联,得到光谱模型;采集待测液体的近红外光谱信息并输入至光谱模型中,得到待测液体的浓度,与其实际浓度进行比较,判断光谱模型的准确性。
本发明的有益技术效果是:
本方法在TreY/TreZ途径酶促过程中,通过探头连续不断采集样液的近红外光谱信息,并与离线处理得到的各产物浓度、计算得到的底物浓度按照预定采样时刻建立关联,得到能够反映TreY/TreZ途径过程中产物与底物浓度变化的定量近红外光谱模型,该模型能够实时在线监测反应液中各组分浓度的变化,进而可以分析酶促反应进程,大大缩短了检测时间,该模型准确可靠,降低了反应的监测成本。
附图说明
图1是本申请提供的监测酶促反应过程中组分变化模型的建模方法流程图。
图2是本申请提供的近红外监测与酶促反应装置的示意图。
图3是本申请提供的TreY/TreZ途径反应液近红外原始光谱曲线。
图4是本申请提供的TreY/TreZ途径反应液经多元散射校正预处理的近红外光谱曲线。
图5是本申请提供的PLS模型的校正集和预测集海藻糖的预测值与真值的关系图。
图6是本申请提供的PLS模型的校正集和预测集麦芽糊精的预测值与真值的关系图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
一种监测酶促反应过程中组分变化模型的建模方法,如图1所示,包括如下步骤:
步骤1:静态建模以验证实验可行性。
按酶转化过程的实际转化率计算配制不同浓度的麦芽糊精、海藻糖、麦芽糊精与海藻糖混合溶液,以及配制加入盐酸的MTSase与MTHase灭活酶液,作为四种样液,其中盐酸用于控制灭活酶液的pH为2.0-2.2。
准备每份10mL的样液分别放入20mL的烧杯中,将近红外探头依次浸入样液中并采集近红外光谱信息。将近红外光谱信息与样本已知浓度或添加含量建立关联,得到光谱模型。采集待测液体的近红外光谱信息并输入至光谱模型中,得到待测液体的浓度,与其实际浓度进行比较,判断光谱模型的准确性。可选的,待测液体为四种样液中的一种。经实验验证,本方法具备可行性。
步骤2:安装近红外监测与酶促反应装置。
如图2所示,近红外监测装置包括计算机1、近红外光谱仪2及其探头3、天顶可移动的铁环4。近红外光谱仪2连接计算机1,用于近红外建模,连接近红外光谱仪2及其探头3的光纤5穿过铁环4,调整铁环位置用于保持光纤5不弯折。
酶促反应装置包括铁架台6和至少两个自带有温控***和搅拌装置的反应釜7。反应釜7置于铁架台6上,通过铁架台6固定探头3。温控***包括温度传感器71,用于实时向温控***反馈样液的温度,搅拌装置包括置于反应釜底部的搅拌桨72。
可选的,本实施例使用三个反应釜,分别命名为1#反应釜、2#反应釜、3#反应釜。
步骤3:在每个反应釜中配制初始样液,并记录反应釜与初始样液的质量,记为m(kg)。
对于每个反应釜,称取300g麦芽糊精和986.2g去离子水(精确到0.01g)倒入反应釜中混合后得到初始样液,并记录初始样液的体积和浓度,分别记为V′=1.2L和c′=250g/L。
步骤4:反应釜之间间隔预定时间分别开启酶促反应。
将温度传感器伸入反应釜中固定在合适位置,即不可太深触碰到反应釜底部的搅拌桨,也不可太浅无法正确感应反馈温度状态。开启温控***和搅拌装置,控制样液的温度在预设温度50℃,可选的,搅拌桨的转速为80rpm/min。待麦芽糊精完全溶解后预热20min,间隔预定时间分别在1#反应釜中放入MTSase/MTHase 1:1.4(5.10+7.20mL),2#反应釜中放入MTSase/MTHase 1:0.28(9.60+2.70mL),3#号反应釜中放入MTSase/MTHase 1:6(1.80+10.50mL);三个反应釜中均加入4.8mL的普鲁兰酶与1.4mL的环糊精酶,错开反应时间分别开启酶促反应。可选的,由于酶促反应的前1h反应较活跃(也即初始反应阶段),因此预定时间选取为1h,则1#反应釜、2#反应釜、3#反应釜间隔1h依次开启反应。
可选的,MTSase的最适反应温度为45-50℃,MTHase的最适反应温度为48-50℃,两者最适pH均为6.0-6.5。
步骤5:在酶促反应过程中,按照预定采样时刻对三个反应釜交替取样并采集样液的近红外光谱信息,用于建模。
步骤51:将探头浸入1#反应釜的样液中,在预定采样时刻从1#反应釜中连续提取样液,并采集1#反应釜中样液的近红外光谱信息,近红外光谱信息与预定采样时刻相对应。
可选的,为了丰富建模数据,在每一组取样结束后,间隔约10秒再次采集1#反应釜中样液的近红外光谱信息(此时不取样),直至开始下一组取样。
步骤52:对提取的样液进行离线处理,得到预定采样时刻的样液中酶促反应产物的浓度,其中产物包括主产物海藻糖和副产物葡萄糖、麦芽糖。
采用终浓度75%的乙醇终止提取的样液的酶促反应,经高速离心后,稀释合适倍数后采用HPLC检测各个预定采样时刻的样液中海藻糖、葡萄糖、麦芽糖的浓度。
可选的,采用HPLC测定样液的色谱条件为:聚氨基柱-Dikama Polyamino,5μm,250×4.6mm;乙腈/水的体积比为75/25;流速为1.0mL/min,检测器采用视差折光检测器;进样量为20μL;柱温为30℃,视差温度为35℃。
步骤53:当到达设定的1h后,将探头转移到2#反应釜中重复酶促反应过程中取样及采集光谱的步骤,也即重复步骤51-53,直至3#反应釜的初始反应阶段采样结束。
步骤54:探头按照1#→2#→3#的顺序间隔1h在三个反应釜中交替取样及采集光谱直至酶促反应结束,记录反应釜与剩余样液的质量,记为m(kg)。
可选的,为了丰富建模数据,在每一组取样结束后,间隔约5min再次采集反应釜中样液的近红外光谱信息(此时不取样),直至开始下一组取样。
在本实施例中按上述时间安排采集各样本的近红外光谱图,所用仪器为德国布鲁克公司的FT-NIR7200近红外光谱仪,光谱采集及信息处理软件为OPUS7.8软件,近红外光谱信息的采集条件为:近红外光谱仪的扫描范围为3995cm-1-12000cm-1,分辨率为16cm-1,扫描次数为10次,连续扫描,图3为波数在3995cm-1-12000cm-1的样本NIR谱图。
步骤6:根据记录的两个质量和各产物的浓度计算预定采样时刻的麦芽糊精浓度。
步骤61:根据记录的两个质量计算水分蒸发体积,则预定采样时刻的样液实际体积的表达式为:
Figure BDA0003428470400000071
其中,V的单位为mL;ρ为水的密度,取1g/mL;H为总反应时间,h为相应的预定采样时刻对应的时间。
步骤62:将离线处理得到的海藻糖、葡萄糖、麦芽糖的浓度换算回原始体积的校正浓度,表达式分别为:
Figure BDA0003428470400000081
其中,cT、cG、cM依次为预定采样时刻的海藻糖、葡萄糖、麦芽糖的校正浓度,ct、cg、cm依次为预定采样时刻的海藻糖、葡萄糖、麦芽糖的离线处理得到的浓度,单位为g/L。
步骤63:计算麦芽糊精浓度的表达式为:
Figure BDA0003428470400000082
其中,c为预定采样时刻的麦芽糊精浓度,单位为g/L,1.05为海藻糖与麦芽糖的理论转化率,1.11为葡萄糖的理论转化率。
步骤7:将离线处理得到的海藻糖浓度、计算得到的麦芽糊精浓度按照预定采样时刻与采集的近红外光谱信息通过OPUS建立关联,得到反映TreY/TreZ途径过程中产物与底物浓度变化的定量近红外光谱模型。
在计算机中,运用一阶导数、矢量归一化(SNV)、多元散射校正(MSC)与二阶导数等预处理方法处理样本的近红外光谱信息,以消除光谱测量中引入的噪声影响,图4为TreY/TreZ途径反应液经MSC预处理的NIR光谱图。经主因子回归分析及偏最小二乘法PLS分析,剔除异常样本,从而提高模型预测的准确性与稳定性。将反应液的近红外光谱信息输入至该模型中,能够实时在线监测反应液中各组分浓度的变化,进而可以分析酶促反应进程,大大缩短了检测时间。
下面通过计算模型的评价指标,来验证本方法建立的定量近红外光谱模型的准确性:
本实验建立的模型评价指标为R2(决定系数),RMSECV(交叉验证均方根误差),RMSEE(均方根误差)与RPD(相对分析误差),计算方式如下:
Figure BDA0003428470400000083
Figure BDA0003428470400000084
Figure BDA0003428470400000091
Figure BDA0003428470400000092
其中,yi为第i个样本的浓度参考值,ym为第m个校正样品的浓度均值,校正样品为从所有样本中选择预定数量个需要校正的样品;Differ为真值与预测值的差,真值即为HPLC检测的海藻糖浓度与计算得到的麦芽糊精浓度,预测值即为定量近红外光谱模型输出的组分浓度;SEE为校正样品的标准分析误差,M是校正样品的数量,R是维数;SD为校正样品的标准偏差。
下面给出光谱在多元散射校正(MSC)预处理方法下的PLS建模结果:
表1 MSC预处理方法下TreY/TreZ途径过程中海藻糖浓度的PLS建模
预处理方法 RMSECV 维数 R<sup>2</sup> RMSEE RPD
多元散射校正(MSC) 0.111 7 0.9948 0.094 13.9
如图5所示,图中:横坐标为真值、纵坐标为预测值,拟合的直线为最后所得的最优模型。表1为MSC处理后的建模效果,预测海藻糖浓度模型的R2=0.995,RMSEE=0.094,RPD=13.9。经过MSC处理后,RMSECV、RMSEE的值最趋近于0,模型的R2最接近于1,RPD远远大于2,说明通过上述技术方法建立的定量近红外光谱模型精确可靠。
表2 MSC预处理方法下TreY/TreZ途径过程中底物麦芽糊精浓度的PLS建模
预处理方法 RMSECV 维数 R<sup>2</sup> RMSEE RPD
多元散射校正(MSC) 0.123 8 0.9849 0.102 8.14
如图6所示,图中:横坐标为真值、纵坐标为预测值,拟合的直线为最后所得的最优模型。表2为MSC处理后的建模效果,预测麦芽糊精浓度模型的R2=0.985,RMSEE=0.102,RPD=8.14。经过MSC处理后,RMSECV、RMSEE的值最趋近于0,模型的R2最接近于1,RPD远远大于2,说明通过上述技术方法建立的定量近红外光谱模型精确可靠。
以上所述的仅是本申请的优选实施方式,本发明不限于以上实施例。可以理解,本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化,均应认为包含在本发明的保护范围之内。

Claims (10)

1.一种监测酶促反应过程中组分变化模型的建模方法,其特征在于,所述建模方法包括:
安装近红外监测与酶促反应装置,近红外监测装置包括计算机、近红外光谱仪及其探头,所述近红外光谱仪连接所述计算机,用于近红外建模;酶促反应装置包括至少两个反应釜;
在每个所述反应釜中配制初始样液,并记录反应釜与初始样液的质量,所述初始样液包括作为反应底物的麦芽糊精;
两个反应釜间隔预定时间分别开启酶促反应,在酶促反应过程中,将所述探头浸入所述反应釜的样液中,在预定采样时刻从所述反应釜中连续提取样液,并采集反应釜中样液的近红外光谱信息,所述近红外光谱信息与预定采样时刻相对应;对提取的所述样液进行离线处理,得到预定采样时刻的样液中酶促反应产物的浓度,其中产物包括主产物海藻糖和副产物葡萄糖、麦芽糖;当到达所述预定时间后,将所述探头转移到另一个反应釜中重复酶促反应过程中取样及采集光谱的步骤;
两个反应釜的初始反应阶段采样结束后,重复执行所述将所述探头浸入所述反应釜的样液中的步骤,按照预定时间在两个反应釜中交替取样及采集光谱直至酶促反应结束,记录反应釜与剩余样液的质量;
根据记录的两个质量和各产物的浓度计算预定采样时刻的麦芽糊精浓度,将离线处理得到的海藻糖浓度、计算得到的麦芽糊精浓度按照预定采样时刻与采集的近红外光谱信息建立关联,得到反映TreY/TreZ途径过程中产物与底物浓度变化的定量近红外光谱模型。
2.根据权利要求1所述的监测酶促反应过程中组分变化模型的建模方法,其特征在于,所述根据记录的两个质量和各产物的浓度计算预定采样时刻的麦芽糊精浓度,包括:
根据记录的两个质量计算水分蒸发体积,则预定采样时刻的样液实际体积的表达式为:
Figure RE-953774DEST_PATH_IMAGE001
其中,
Figure RE-442524DEST_PATH_IMAGE002
为所述反应釜与初始样液的质量,
Figure RE-179536DEST_PATH_IMAGE003
为所述反应釜与剩余样液的质量,
Figure RE-499659DEST_PATH_IMAGE004
为水的密度,
Figure RE-663924DEST_PATH_IMAGE005
为初始样液的体积,H为总反应时间,h为相应的预定采样时刻对应的时间;将离线处理得到的海藻糖、葡萄糖、麦芽糖的浓度换算回原始体积的校正浓度,表达式分别为:
Figure RE-702287DEST_PATH_IMAGE006
其中,c T c G c M 依次为预定采样时刻的海藻糖、葡萄糖、麦芽糖的校正浓度,c t c g c m 依次为预定采样时刻的海藻糖、葡萄糖、麦芽糖的离线处理得到的浓度;
则计算所述预定采样时刻的麦芽糊精浓度的表达式为:
Figure RE-711831DEST_PATH_IMAGE007
其中,
Figure RE-152040DEST_PATH_IMAGE008
为预定采样时刻的麦芽糊精浓度,
Figure RE-487206DEST_PATH_IMAGE009
为初始样液的浓度,1.05为海藻糖与麦芽糖的理论转化率,1.11为葡萄糖的理论转化率。
3.根据权利要求1所述的监测酶促反应过程中组分变化模型的建模方法,其特征在于,所述对提取的所述样液进行离线处理,得到预定采样时刻的样液中酶促反应产物的浓度,包括:
采用预定浓度的乙醇终止提取的所述样液的酶促反应,经高速离心后,稀释合适倍数后采用HPLC检测各个预定采样时刻的样液中海藻糖、葡萄糖、麦芽糖的浓度。
4.根据权利要求1所述的监测酶促反应过程中组分变化模型的建模方法,其特征在于,所述在每个所述反应釜中配制初始样液,包括,对于每个所述反应釜:
称取300 g麦芽糊精和986.2 g去离子水倒入所述反应釜中混合后得到初始样液,并记录所述初始样液的体积和浓度。
5.根据权利要求1所述的监测酶促反应过程中组分变化模型的建模方法,其特征在于,所述反应釜自带有温控***和搅拌装置,所述温控***包括温度传感器,用于实时向所述温控***反馈样液的温度,所述搅拌装置包括置于反应釜底部的搅拌桨;
所述两个反应釜间隔预定时间分别开启酶促反应,包括:将所述温度传感器伸入所述反应釜内的液体中,且在未触碰到反应釜底部的搅拌桨位置处固定,开启所述温控***和搅拌装置,控制所述样液的温度在预设温度,待所述麦芽糊精溶解后,间隔预定时间分别在两个反应釜中放入不同配比的MTSase与MTHase,以及一致量的普鲁兰酶与环糊精酶,错开反应时间分别开启酶促反应。
6.根据权利要求1所述的监测酶促反应过程中组分变化模型的建模方法,其特征在于,所述安装近红外监测与酶促反应装置,还包括:
所述近红外监测装置还包括天顶可移动的铁环,连接所述近红外光谱仪及其探头的光纤穿过所述铁环,调整所述铁环位置用于保持所述光纤不弯折;
所述酶促反应装置还包括铁架台,所述反应釜置于所述铁架台上,通过所述铁架台固定所述探头。
7.根据权利要求1所述的监测酶促反应过程中组分变化模型的建模方法,其特征在于,所述近红外光谱信息的采集条件为:所述近红外光谱仪的扫描范围为3995cm-1-12000cm-1,分辨率为16cm-1,扫描次数为5-10次,连续扫描。
8.根据权利要求3所述的监测酶促反应过程中组分变化模型的建模方法,其特征在于,采用HPLC测定样液的色谱条件为:聚氨基柱-Dikama Polyamino,5µm,250×4.6 mm;乙腈/水的体积比为75/25;流速为1.0 mL/min,检测器采用视差折光检测器;进样量为20 µL;柱温为30℃,视差温度为35℃。
9.根据权利要求5所述的监测酶促反应过程中组分变化模型的建模方法,其特征在于,所述MTSase的最适反应温度为45-50℃,所述MTHase的最适反应温度为48-50℃,两者最适pH均为6.0-6.5。
10.根据权利要求1-9任一所述的监测酶促反应过程中组分变化模型的建模方法,其特征在于,所述建模方法还包括,静态建模以验证实验可行性:
按酶转化过程的实际转化率计算配制不同浓度的麦芽糊精、海藻糖、麦芽糊精与海藻糖混合溶液,以及配制加入盐酸的MTSase与MTHase灭活酶液,作为四种样液,其中所述盐酸用于控制灭活酶液的pH为2.0-2.2;
将相同体积的四种样液分别放入烧杯中,将所述探头依次浸入样液中并采集近红外光谱信息;将所述近红外光谱信息与样本已知浓度或添加含量建立关联,得到光谱模型;采集待测液体的近红外光谱信息并输入至所述光谱模型中,得到所述待测液体的浓度,与其实际浓度进行比较,判断所述光谱模型的准确性。
CN202111588821.8A 2021-12-23 2021-12-23 一种监测酶促反应过程中组分变化模型的建模方法 Active CN114283896B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111588821.8A CN114283896B (zh) 2021-12-23 2021-12-23 一种监测酶促反应过程中组分变化模型的建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111588821.8A CN114283896B (zh) 2021-12-23 2021-12-23 一种监测酶促反应过程中组分变化模型的建模方法

Publications (2)

Publication Number Publication Date
CN114283896A CN114283896A (zh) 2022-04-05
CN114283896B true CN114283896B (zh) 2022-11-18

Family

ID=80874431

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111588821.8A Active CN114283896B (zh) 2021-12-23 2021-12-23 一种监测酶促反应过程中组分变化模型的建模方法

Country Status (1)

Country Link
CN (1) CN114283896B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117074360A (zh) * 2023-08-29 2023-11-17 无锡迅杰光远科技有限公司 建模方法、检测方法、装置和存储介质
CN117516992B (zh) * 2024-01-04 2024-04-09 广东林工工业装备有限公司 反应釜自动取样方法和***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102781470A (zh) * 2009-03-05 2012-11-14 雅培制药有限公司 Il-17结合蛋白
CN105628644A (zh) * 2015-12-21 2016-06-01 江苏大学 基于原位实时光谱在线监测蛋白质酶解过程的装置和方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002202258A (ja) * 2000-12-28 2002-07-19 Bios Ikagaku Kenkyusho:Kk 分光光学的血糖値測定装置
CN102346136A (zh) * 2010-08-02 2012-02-08 中国科学技术大学 一种测定厌氧发酵过程中的物质的含量的方法
US20140170735A1 (en) * 2011-09-25 2014-06-19 Elizabeth A. Holmes Systems and methods for multi-analysis
RU2571103C1 (ru) * 2014-08-08 2015-12-20 Общество с ограниченной ответственностью "Научно-производственное объединение ЕВРОХИМ" Способ получения фенола и карбонильных соединений
CN105424646B (zh) * 2015-11-05 2018-09-14 湖北瑞昊安科医药科技发展有限公司 一种监控γ-氨基丁酸生物转化过程的***和方法
CN107515633B (zh) * 2017-09-07 2020-04-21 长沙理工大学 一种单酶法生产海藻糖的监控方法
CN110887808A (zh) * 2019-10-28 2020-03-17 广东省测试分析研究所(中国广州分析测试中心) 一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法
CN111210867B (zh) * 2020-02-10 2023-07-14 江南大学 基于代谢分析及酶调控的微生物生长状态估计方法
CN112161978A (zh) * 2020-09-29 2021-01-01 上海亨通海洋装备有限公司 营养盐水质分析仪
CN214051632U (zh) * 2020-11-27 2021-08-27 南通金通储能动力新材料有限公司 一种带外置氨浓度监测装置的合成三元前驱体用反应釜
CN112690436B (zh) * 2020-12-03 2023-10-27 安徽强旺生物工程有限公司 一种美拉德肽风味盐的工业化制备方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102781470A (zh) * 2009-03-05 2012-11-14 雅培制药有限公司 Il-17结合蛋白
CN105628644A (zh) * 2015-12-21 2016-06-01 江苏大学 基于原位实时光谱在线监测蛋白质酶解过程的装置和方法

Also Published As

Publication number Publication date
CN114283896A (zh) 2022-04-05

Similar Documents

Publication Publication Date Title
CN114283896B (zh) 一种监测酶促反应过程中组分变化模型的建模方法
Mehdizadeh et al. Generic R aman‐based calibration models enabling real‐time monitoring of cell culture bioreactors
Mazarevica et al. On-line fermentation monitoring by mid-infrared spectroscopy
Luttmann et al. Soft sensors in bioprocessing: a status report and recommendations
Doak et al. In situ monitoring of an Escherichia coli fermentation using a diamond composition ATR probe and mid‐infrared spectroscopy
Rhiel et al. Real‐time in situ monitoring of freely suspended and immobilized cell cultures based on mid‐infrared spectroscopic measurements
Navrátil et al. On-line multi-analyzer monitoring of biomass, glucose and acetate for growth rate control of a Vibrio cholerae fed-batch cultivation
Wasalathanthri et al. Real‐time monitoring of quality attributes by in‐line Fourier transform infrared spectroscopic sensors at ultrafiltration and diafiltration of bioprocess
CN102346136A (zh) 一种测定厌氧发酵过程中的物质的含量的方法
Schalk et al. Evaluation of a newly developed mid-infrared sensor for real-time monitoring of yeast fermentations
Gray et al. Real‐time monitoring of high‐gravity corn mash fermentation using in situ raman spectroscopy
CN107446972B (zh) 一种双酶法生产海藻糖的监控方法
Kozma et al. Comparison of multivariate data analysis techniques to improve glucose concentration prediction in mammalian cell cultivations by Raman spectroscopy
Milligan et al. Semisynthetic model calibration for monitoring glucose in mammalian cell culture with in situ near infrared spectroscopy
KR101832917B1 (ko) 근적외선 분광분석기를 이용한 아미노산 발효공정의 실시간관리방법
CN110514777B (zh) 一种啤酒中多种糖、糖醇及醇类同时快速检测的方法
US20150251131A1 (en) Real-Time Online Determination Of Caustic In Process Scrubbers Using Near Infrared Spectroscopy And Chemometrics
CN102590370A (zh) 一种同步测定木质纤维原料反应体系中单糖、糖醛酸和糖酸的方法
CN110658157A (zh) 近红外分析发酵虫草菌粉生产过程总多糖的质量控制方法
CN108796005A (zh) 一种实时监测谷氨酸棒杆菌发酵过程的方法
Payne et al. In-line monitoring of surfactant clearance in viral vaccine downstream processing
CN107515633B (zh) 一种单酶法生产海藻糖的监控方法
CN111474134A (zh) 一种利用在线近红外进行丁酸发酵控制的方法
CN110887808A (zh) 一种红外光谱技术快速检测阿卡波糖发酵过程中的糖源含量的方法
CN110358869A (zh) 一种基于近红外光谱技术的低分子量透明质酸的制备方法

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
GR01 Patent grant
GR01 Patent grant