打开培养基优化的正确方式

生物技术产业对培养基和工艺优化有着严格的要求。而优化工艺过程以获得尽可能高的产量通常非常耗时。我们应在尽可能减少工作量的同时获取更多信息。高通量、自动化、DoE可以实现这一目的，是未来工艺过程优化的发展趋势。下文展示了通过高通量、自动化、DoE进行培养基优化以提高谷氨酸棒状杆菌蛋白产量的示例。

实验方法

 培养基成分：谷氨酸棒状杆菌初始标准基本培养基，由 42g/L 3-(N-吗啉基)-丙烷磺酸(MOPS)、22g/L 葡萄糖、20g/L硫酸铵、5g/L 尿素、1g/L 磷酸盐缓冲液、13.25mg/L 氯化钙、0.25mg/L 七水硫酸镁、10mg/L 七水硫酸亚铁、10mg/L 一水硫酸锰、1mg/L 七水硫酸锌、0.2mg/L硫酸铜、0.02mg/L六水合氯化镍、0.2mg/L生物素、30mg/L原儿茶酸(PCA)、50mg/L卡那霉素和59.6mg/L异丙基β-d-1-硫代半乳糖苷（IPTG）组成。

 仪器：RoboLector高通量自动化微型生物培养平台

 培养菌株：谷氨酸棒状杆菌（ATCC 13032）pEKEx2-NprE 角质酶菌株

 培养条件：分批培养：温度为 30°C，振摇速度为 1200rpm，初始 OD600 为0.5，每孔初始体积为 800µL。补料分批培养：pH 值调控为7。不同线性补料策略，如f(t) = 5.45 µL/h + 0.1 µL/h ，触发为大于 14h（恰好为分批培养结束）。补料溶液含 440g/L 葡萄糖和 100g/L 尿素。

 培养基制备：通过自动化工作站制备培养基，提高培养基制备通量。由于补料分批培养试验中优化培养基的成分保持不变，所以自动化方法仅用于分批培养试验中的培养基制备。

实验结果

 敏感性分析：敏感性分析可以表征出某些培养基的优化潜力，并确定培养基成分对微生物的生长和蛋白质生产消极或积极的影响。该系列实验被认为是 DoE 中实际优化操作的准备步骤。本案例每种培养基成分的影响是单独考虑的。使用 BioLector观察分批培养过程中的生长行为。通过将10种不同成分分成 38 个不同组进行分析评估，每组 6 个生物学重复。发现对角质酶活性产生最有利影响的培养基成分为：硫酸镁、硫酸亚铁和硫酸锰。

未添加硫酸锌和硫酸铜的培养基，其余成分浓度翻倍情况下目标值的相对变化分析

使用DoE优化培养基：基于敏感性分析，使用 DoE-Builder 分2个步骤进一步研究硫酸镁、硫酸亚铁和硫酸锰的浓度。首先利用模型进行了15次浓度组合试验，每次 4个生物学重复。以浓度不变的培养基作为对照。基于第 一个优化步骤的结果，计算出24个理论上优化的实验，并使用BioLector在梅花板中进行分批培养。通过2步优化，开发的最 终优化培养基应含有400mg/L硫酸镁、25mg/L硫酸亚铁和20mg/L硫酸锰。

24个理论上优化实验的光密度和角质酶活性

不同补料速率比较：使用 DoE 成功开发出优化的培养基后，可以在 BioLector中以不同补料速率进行实验，找到提高蛋白产量的理想补料分批培养条件。实验共比较四种不同补料速率，每种8个生物学重复。结果表明补料速率为2g/L∙h + 0.1µL/h产率最 高。

3g/L·h+0.1μL/h补料分批培养

不同线性补料速率下的角质酶活性和产率

结论

培养基优化是一个非常复杂的工作，并需要进行大量的实验。BioLector微型生物反应器可一次进行48个样品的平行培养，并可在线监测生物量、pH值、溶氧（DO）和各种荧光分子或蛋白质的荧光强度，同时还能结合微流控芯片技术实现各培养孔独立的 pH 控制和补料分批培养，并可放大工艺。整合自动化工作站的BioLector即RoboLector高通量自动化微型生物培养平台可通过实验设计（DoE）进行培养基制备和执行自动化高通量培养。非常适用于DoE环境下的培养基优化和补料分批培养的研究。

RoboLector高通量自动化微型生物培养平台

欲了解该应用详情，请扫描下方二维码下载应用指南《利用RoboLector提高谷氨酸棒状杆菌蛋白质产量的培养基优化研究》