基于人工智能的短乳杆菌化学定义培养基优化

《Engineering in Life Sciences》：Optimization of Chemical Defined Medium for Lactobacillus brevis Based on Artificial Intelligence

　　乳酸乳球菌的合成培养基通过单营养缺失法确定必需氨基酸（18种）、维生素（泛酸、烟酸、B6、核黄素）及核苷酸需求，结合人工神经网络和GP960高通量筛选优化成分浓度，最终实现与复杂培养基等效的生长速率（0.297 h?1）和成本降低57.52%。

　　### 中文解读：利用人工智能优化乳酸杆菌的合成培养基以提升工业发酵效率

乳酸杆菌（*Lactobacillus brevis*，简称*L. brevis*）是一种广泛应用于食品、医药及健康领域的益生菌。它在维持肠道菌群平衡、抗炎、抗菌以及促进口腔健康和增强机体免疫力方面具有显著作用。然而，尽管其应用前景广阔，*L. brevis*在工业发酵过程中仍面临生产成本高、发酵效率低等瓶颈问题，这在很大程度上限制了其大规模应用的可能性。传统上，工业发酵中多采用复杂的培养基，如含有酵母提取物和胰蛋白胨的配方，但这类培养基成分复杂且批次间差异较大，给发酵过程的控制和产品质量的稳定性带来了挑战。

因此，开发一种成本更低、成分更明确、适合大规模生产的合成培养基成为当前研究的重点。合成培养基是由已知化学成分构成，能够在精确控制条件下提供微生物所需的营养。然而，*L. brevis*对某些特定的氨基酸、维生素和核苷酸具有较高的依赖性，这使得现有合成培养基在满足其营养需求方面存在不足，导致细菌产量远低于复杂培养基。为了解决这一问题，本研究引入了一种结合人工智能算法和高通量设备的方法，旨在实现对合成培养基的优化，从而提高* L. brevis*的生长效率并降低生产成本。

### 实验设计与方法

本研究首先通过单营养缺失实验，系统分析了*L. brevis*对氨基酸、维生素和核苷酸的具体需求。通过这种方式，研究人员可以识别哪些营养成分是*L. brevis*生长所必需的，哪些是促进其生长的刺激性成分，以及哪些则对生长无影响甚至可能抑制其生长。随后，研究团队利用人工智能技术，特别是结合了随机超参数搜索算法、极端梯度提升（XGBoost）算法和上置信区间（UCB）算法，对培养基的组成进行高通量优化。这些算法能够处理多变量和多水平的实验数据，有效识别营养成分之间的非线性关系和协同效应。

为了实现这一目标，研究团队首先将合成培养基的12个主要成分（包括碳源、金属盐、Tween-80、氨基酸、维生素和核苷酸）设为初始浓度，然后通过多轮实验不断调整其浓度。实验过程中，利用高通量设备Growth Profiler 960（GP960）对不同培养基组合下的细菌生长情况进行实时监测。该设备通过每20分钟拍摄一次96孔板的图像，利用RGB像素值来估算细菌浓度，并通过与标准曲线对比，实现对细菌生长状态的准确评估。此外，RAMOS（Respiration Activity MOnitoring System）设备也被用于监测培养过程中氧气消耗率（OUR）和二氧化碳生成率（CER），从而进一步评估细菌的代谢活性和生长趋势。

### 实验结果与分析

通过单营养缺失实验，研究团队发现*L. brevis*对多种氨基酸具有依赖性。除了天冬氨酸外，其余18种氨基酸均是其生长所必需的。其中，天冬酰胺（Asparagine）具有刺激性作用，其缺失会导致细菌生长速率下降，延长滞后期。而其他氨基酸如甘氨酸、谷氨酸、丙氨酸、精氨酸、组氨酸、赖氨酸、酪氨酸、苏氨酸、色氨酸、缬氨酸等的缺失，则会导致细菌无法正常生长。这表明，这些氨基酸在*L. brevis*的代谢过程中扮演着关键角色，是其生长不可或缺的成分。

在维生素方面，研究发现*L. brevis*对泛酸钙（Calcium pantothenate）和烟酸（Nicotinic acid）具有较高的依赖性。当这两种维生素缺失时，细菌的生长受到显著抑制，最终生物量仅达到控制组的21.91%和39.52%。而其他维生素如对氨基苯甲酸（p-Aminobenzoic acid）、维生素B12、生物素（Biotin）、叶酸（Folic acid）、维生素B6和硫胺素（Thiamine）则被鉴定为非必需成分。此外，维生素B6和泛酸钙在*L. brevis*的生长过程中表现出协同效应，这可能与它们在辅酶合成中的互补作用以及对代谢通路的交叉调控有关。

对于核苷酸的需求，实验结果表明*L. brevis*无法在缺少核苷酸的培养基中正常生长，因此核苷酸是其生长所必需的。这一结果与一些其他乳酸菌（如*Gluconobacter oxydans*和*Bacillus pumilus*）的特性不同，后者可以独立合成核苷酸。这说明*L. brevis*的基因组在进化过程中可能发生了某些变化，使其无法自主合成足够的核苷酸。因此，在合成培养基中添加核苷酸对于维持其正常的生长和代谢活动至关重要。

通过结合人工智能优化系统和GP960设备，研究团队进一步优化了合成培养基中各成分的浓度。实验结果显示，经过三轮优化后，*L. brevis*在合成培养基中的生长速率可以达到0.297 h?1，与复杂培养基中的生长速率相当。同时，合成培养基的成本仅为复杂培养基的42.48%，显示出显著的经济优势。这一成果为*L. brevis*的工业发酵提供了新的思路，同时也为其他乳酸菌的培养基优化研究奠定了基础。

### 讨论与意义

*L. brevis*的营养需求复杂，且某些关键营养成分的缺失会显著影响其生长效率。例如，尽管天冬氨酸的缺失不影响最终生物量，但其作为某些必需氨基酸的前体，仍需在培养基中保留。这种对特定营养成分的依赖性，使得合成培养基的设计必须充分考虑这些成分的补充。此外，维生素B6和泛酸钙之间的协同作用表明，营养成分的相互影响在微生物生长过程中是不可忽视的。因此，在优化培养基时，不仅需要单独调整每种成分的浓度，还应关注其在整体培养基中的相互作用。

本研究通过人工智能方法实现了对培养基成分的高效优化，这不仅提高了*L. brevis*的生长效率，还显著降低了生产成本。这一成果对于推动*L. brevis*在食品、医药和生物工程等领域的应用具有重要意义。由于*L. brevis*具有广泛的益生功能，其在工业生产中的应用潜力巨大，尤其是在益生菌产品、功能性食品和生物制造等领域。然而，当前的复杂培养基成本较高，且难以保证批次间的稳定性，这限制了其在大规模生产中的应用。

本研究开发的合成培养基不仅成分清晰，而且成本显著降低，为*L. brevis*的工业发酵提供了一种可行的替代方案。通过将合成培养基的产量与复杂培养基进行对比，研究团队发现两者在细胞数量上几乎相同，表明该合成培养基能够有效支持*L. brevis*的生长。此外，该研究还揭示了*L. brevis*在不同营养成分之间的相互作用，这对于进一步优化培养基、提高发酵效率具有重要指导意义。

### 未来展望

尽管本研究已经取得了显著成果，但仍有进一步优化的空间。例如，合成培养基中某些氨基酸、维生素和核苷酸的浓度可以进一步调整，以达到更高的生长效率和更低的成本。此外，研究团队还可以探索替代高成本成分的方案，以进一步提升该培养基的工业适用性。同时，考虑到*L. brevis*的代谢特性和生长需求，未来的研究还可以深入探讨其在不同环境条件下的适应性，以及其在不同发酵工艺中的表现。

总体而言，本研究通过系统实验和人工智能优化，成功开发了一种成本更低、成分更明确的合成培养基，为*L. brevis*的工业发酵提供了新的可能性。这不仅有助于降低生产成本，还为实现大规模、稳定和高效生产奠定了基础。未来的研究可以进一步优化该培养基，以适应更广泛的工业应用场景，并探索其在其他益生菌中的适用性。