培養基優化是指針對特定微生物，通過實驗手段調整培養基的配比和篩選，以尋找適合微生物生長和發酵的培養基。目的是提高發酵產物的產量，實現最大的發酵產物生產。在微生物產業化的生產過程中，發酵培養基的優化起著至關重要的作用，是實驗室研究成果向工業生產的必經之路。
實驗設計
單因素法
單因素方法（One at a 時間）的基本原理是在保持培養基中其他所有組分的濃度不變的情況下，每次只研究一個組分的不同水平對發酵性能的影響。這種方法簡單易懂，結果直觀，無需復雜的統計分析即可看出培養基組分的個體效應。然而，這種方法忽略了組分之間的相互作用，可能導致錯過最佳條件，且無法評估因素的主次關系。當考察的實驗因素較多時，需要大量的實驗和較長的實驗周期。盡管如此，單因素方法因其易于理解和操作，一直是培養基組分優化的常用方法之一。
正交實驗設計
正交設計（Orthogonal 設計）是基于拉丁方理論和群論，使用正交表來安排少量的試驗，以便從多個因素中分析出哪些是主要的，哪些是次要的，以及它們對實驗的影響規律，從而找出較優的工藝條件。這種方法能夠反映出事物變化的主要規律，但在整個區域內無法找到因素和響應值之間的明確函數表達式，也無法找到整個區域上因素的最佳組合和響應值的最優值。此外，對于多因素多水平試驗，仍然需要進行大量的試驗，實施起來較為困難。
均勻設計
均勻設計 (Uniform 設計)是由我國數學家方開泰等人創立的一種結合數論與多元統計的試驗方法。這種方法特別適合于多因素多水平試驗，能夠在減少試驗處理數量的同時，有效地反映事物的變化規律。
全因子實驗設計
全因子設計(Full factorial design)涵蓋了所有因素的不同水平間的各種組合，需要進行大量的試驗。通常情況下，全因子設計用于兩水平的試驗，這是能夠反映因素間交互作用的最小設計。然而，全因子設計所需的試驗次數較多，一般會采用兩水平的部分因子設計來替代。
部分因子設計
當全因子設計的實際試驗次數不可行時，部分因子設計(fractional factorial 設計)是一個較好的選擇。在培養基優化中，常使用兩水平的部分因子設計，但也有一些特殊的情況，如Silveira等人在試驗11種培養基成分時，采用了三水平的部分因子設計，僅進行了27組實驗。
Plackett-Burman設計
Plackett-Burman設計(Plackett-Burman design)是一種兩水平部分因子試驗，適用于從眾多的考察因素中快速、有效地篩選出最重要的幾個因素，供進一步詳細研究。這種方法理論上適用于因子具有累加效應且無交互作用的試驗。
中心組合設計
中心組合設計(Central composite 設計)由Box和Wilson提出，是響應曲面中最常用的二階設計，包括立方體點、中心點和星點。這是一種五水平部分因子試驗，試驗次數隨因子數的增加而呈指數增長。
Box–Behnken設計
Box–Behnken設計由Box和Behnken提出，是三水平部分因子設計，適用于因素較多的情況。與中心組合設計類似，Box–Behnken設計也是一種二水平因子設計產生的。
技術實驗統計
響應曲面分析法
響應曲面法(Response Surface Methodology, RSM)由Box和Wilson提出，是一種有效的統計技術，可用于優化微生物產物生產過程。RSM利用實驗數據建立數學模型，解決受多種因素影響的最優組合問題。這種方法允許研究者和生產者在更廣泛的因素組合范圍內考慮響應值的預測，比單因素分析方法更為有效。
改進單純形優化法
單純形優化法(Modified simplex method)是一種多因素優化方法，適用于實驗周期較短的細菌或重組工程發酵培養基的優化，以及不能大量實施的發酵罐培養條件的優化。
遺傳算法
遺傳算法(Genetic algorithm)是一種基于自然群體遺傳演化機制的高效探索算法，由Holland于1975年首次提出。這種方法模擬自然界生物進化過程，采用人工進化的方式對目標空間進行隨機化搜索，以全局并行搜索方式來搜索優化群體中的最優個體，求得滿足要求的最優解。
參考資料 >
浙大寧波理工學院:生物產品發酵過程優化及放大虛擬仿真實驗項目.微瑞科技.2024-10-24
18.12.18精讀文獻.科學網.2024-10-24
【分享】培養基優化如此重要，我們該如何對其進行優化.丁香通.2024-10-24