油脂降解培养基优化的遗传算法实验研究

    李绍新1 邢 达3 1 秦华明2 杨湘波1 谭石慈1

    1 (华南师范大学激光生命科学研究所,广州510631) 2 (华南理工大学生物工程系,广州510631)

    摘 要 我们运用遗传算法,首次对利用热带假丝酵母降解油脂的培养基优化问题进行了研究。通过5 代实

    验完成了50 个实验样本、6 种培养基成分、64 个浓度水平的优化任务。按照优化后的培养基组成,热带假丝

    酵母降解油脂的降解率为95. 4 % ,比正交设计法提高了7. 63 %。实验结果表明:利用遗传算法可优化培养基

    成分含量,取得更好的效果;遗传算法是一种优于单因素试验法和正交设计法的新型、高效的培养基优化方

    法。

    关键词 油脂降解, 培养基优化,遗传算法

    2003202219 收稿;2003209208 接受

    本文系广东省自然科学基金资助项目(No. 015012)

    1 引 言

    在微生物降解油脂并应用其进行油脂废水强化处理的研究中,当筛选出高效降解油脂菌株后,微生

    物的发酵培养成为关键因素。而且微生物发酵培养的培养基成分复杂,用一般数理统计方法也难于优

    化。传统的优化培养基配方的方法是单因素试验法或正交设计法。单因素试验法是以因素间没有交互

    作用为前提,对于大多数培养基组成而言,这种假设往往不成立;正交设计如果组分多,则实验数量呈几

    何级数增长,得到的结果也只是次优解。为了优化培养基配方,采用遗传算法(genetic algorithms ,简称

    GA) 是一种行之有效的方法1 。

    遗传算法首先由美国的Holland 提出来2 ,它基于达尔文进化论和孟德尔遗传学说,仿效生物的进

    化与遗传,根据“生存竞争”和“优胜劣汰”的原则,借助复制、交换、突变等操作,使所要解决的问题从初

    始解一步步地逼近最优解。与其它传统搜索方法相比,GA 具有随机性、鲁棒性、并行性全局搜索的优越

    性3 。在培养基优化方面GA 的最大的优越性是不需要建立数学模型确定各个因素之间的相互影响,有目标函数值即可4 。最早报道应用GA 于培养基优化的是Freyer 等5 ,其后Zuzek 等也进行了尝

    试6 。但目前国际上将之应用于发酵方面的研究相对较少。

    基于在筛选高效降解油脂菌株研究的基础上7 ,本实验采用遗传算法进行油脂降解培养基优化的

    研究, 结果表明,利用遗传算法以较少的实验样本优化了培养基的成分含量,提高了油脂的降解率 ......