响应面法在生物过程优化中的应用

８　食品工程　

Ｆ００Ｄ　ＥＮＧｌＮＥＥＲＩＮＧ　

２０１０年第２期　

６月出版　

响应面法在生物过程优化中的应用水　

Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｒｅｓｐｏｎｓｅ　ｓｕｒｆａｃｅ　ｍｅｔｈｏｄ　ｏｎ　ｂｉｏｌｏｇｉｃａｌ　ｐｒｏｃｅｓｓ　ｏｐｔｉｍｉｚａｔｉｏｎ　

田泱源　

ＴＩＡＮ　Ｙａｎｇ－ｙｕａｎ　

李瑞芳　

４５０００１）　

ＬＩ　Ｒｕｉ－ｆａｎｇ　

（河南：３２￣Ｉｋ大学生物工程学院，郑州

（Ｃｏｌｌｅｇｅ　０ｆｈｉｏｅｎｇ；ｎｅｅｒ；ｎｇ，Ｈｅｎａｎ　ｕｎｉｖｅｒｓｉｔｙ　ｏｆｔｅｃｈｎｏｌｏｇｙ，Ｚｈｅｎｚｈｏｕ　４５０００１，Ｃｈｉｎａ）　

摘要生物过程优化的目的在于提高终产物的产　

率，是生物技术产，＿ｌｋ４Ｅ不可缺少的一项工作。近年　

来国内外较为常用的生物过程优化技术包括非统计　

优化技术和统计优化技术两大类。在生物过程优化　

中的所有因素最佳化，使终产物产率最高。因此，　

生物过程优化在生物技术产业化中具有非常重要的　

意义。　

中，响应面法是一个更为有效的优化技术。　

关键词

计　

Ａｂｓｔｒａｃｔ　Ｔｈｅ　ｂｉｏｌｏｇｉｃａｌ　ｐｒｏｃｅｓｓ　ｏｐｔｉｍｉｚａｔｉｏｎ，ｉｔｓ　ｐｕｒ－　

ｐｏｓｅ　ｉｓ　ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｙｉｅｌｄ　ｏｆ　ｔｈｅ　ｆｉｎａｌ　ｐｒｏｄｕｃｔ，ｉｓ　ａｎ　ｉｎ—　

１　几种常见生物过程优化技术的比较　

１．１单次单因子法　．　

生物过程；优化技术；响应面法；试验设　

ｄｉｓｐｅｎｓａｂｌｅ　ｗｏｒｋ　ｆｏｒ　ｂｉｏｔｅｃｈｎｏｌｏｇｙ　ｉｎｄｕｓｔｒｙ．Ｂｉｏｌｏｇｉｃａｌ　

ｐｒｏｃｅｓｓ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｔｅｃｈｎｉｑｕｅｓ　ｉｎｃｌｕｄｅ　ｔｗｏ　ｍａｊｏｒ　ｃａｔｅ——　

ｇｏｒｉｅｓ，ｉ．ｅ．ｎｏｎ—ｓｔａｔｉｓｔｉｃａｌ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｔｅｃｈｎｉｑｕｅｓ　ａｎｄ　

单次单因子法是传统的优化方法，即每次实验　

只改变一个因子而保持其他因子不变的优化方法。　

当考察的因子较多时，这种优化方法需要的实验次　

数较多、实验周期较长，还可能因实验批次的不同　

和实验条件的不一致导致不可靠甚至错误的结论。　

而且这种方法还不能够分析因素之间的交互作用。　

但由于不需要数学统计方面的知识，而且操作简　

单、结果也能直观地用图表显示，单次单因子法仍　

然是常见的生物过程优化方法之一。　

１．２正交试验设计　

ｓｔａｔｉｓｔｉｃａｌ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｔｅｃｈｎｉｑｕｅｓ　ａｔ　ｈｏｍｅ　ａｎｄ　ａｂｒｏａｄ　ｉｎ　

ｒｅｃｅｎｔ　ｙｅａｒｓ．Ａｍｏｎｇ　ｔｈｅ　ｂｉｏｌｏｇｉｃａｌ　ｐｒｏｃｅｓｓ　ｏｐｔｉｍｉｚａｔｉｏｎ，　

ｔｈｅ　ｒｅｓｐｏｎｓｅ　ｓｕｒｆａｃｅ　ｍｅｔｈｏｄ　ｉｓ　ａ　ｍｏｒｅ　ｅｆｉｃｉｆｅｎｔ　ｏｐｔｉｍｉｚａ－　

ｔｉｏｎ　ｔｅｃｈｎｉｑｕｅｓ．Ｓｅｖｅｒａｌ　ｃｏｍｍｏｎ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｔｅｃｈｎｉｑｕｅｓ　

ｗｅｒｅ　ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ｅａｃｈ　ｏｔｈｅｒ，ｔｈｅ　ｐｒｉｎｃｉｐｌｅ　ａｎｄ　ｄｅｓｉｇｎ　

ｍｅｔｈｏｄ　ｏｆ　ｔｈｅ　ｒｅｓｐｏｎｓｅ　ｓｕｒｆａｃｅ　ｍｅｔｈｏｄ　ａｎｄ　ｉｔｓ　ａｐｐｌｉｃａ－　

ｔｉｏｎｓ　ｗｅｒｅ　ｉｎｔｒｏｄｕｃｅｄ．　

Ｋｅｙｗｏｒｄｓ　ｂｉｏｌｏｇｉｃａｌ　ｐｒｏｃｅｓｓ；　ｏｐｔｉｍｉｚａｔｉｏｎ　ｔｅｃｈ－　

ｎｉｑｕｅｓ；ｒｅｓｐｏｎｓｅ　ｓｕｒｆａｃｅ　ｍｅｔｈｏｄ；ｅｘｐｅｒｉｍｅｎｔａｌ　ｄｅｓｉｇｎ　

正交试验设计在生物过程优化研究中应用非常　

广泛。他比常用的单次单因子法有很多优越性。实　

验次数明显少于同因素同水平的单因素实验，可以　

通过方差分析得到影响实验结果的主次因素，以及　

生物过程中的各个因素均会影响生产成本，决　

定能否产业化。生物过程优化可以使发酵生产过程　

＋项目基金：河南省高等学校青年骨干教师资助计划；郑州　

市科技攻关项目（０９１ＯｓＧＹＳ３４３７０—２）　

考虑因素之间的交互作用等等。但是在正交试验　

中，当考虑因素之间的交互作用时，正交试验次数　

会大大增加，如选用五因素五水平正交试验，不考　

虑因素间的交互作用时，需进行２５次试验，但要　

考虑交互作用时，就需进行１２５次试验，大大增加　

田泱源，男，１９８７年出生，河南　ｒ、Ｉ　大学在读硕士研究生。　

收稿日期：２０１０—０３—１８　

了实验工作量。对于长周期的实验而言，就需花去　

大量的时间、人力和物力。另外正交试验在最后选　

２０１０￣２期　田泱源

，

等：响应面法在生物过程优化中的应用　

９　

６月出版　’　

取最佳实验方案时，对于不显著因素的选取一般是　

凭经验。因此，正交试验对于创新实验是不宜选择　

的。　

为了弥补传统的单次单因子法和正交试验设计　

法的缺陷，近年来许多生物过程优化技术已采用了　

统计学方法。常见的优化技术包括响应面法（ｒｅ—　

ｓｐｏｎｓｅ　８ｕｌ￣ａｃｅ　ｍｅｔｈｏｄｏｌｏｇｙ）、调优运算（ｅｖｏｌｕｔｉｏｎａｒｙ　

ｏｐｅｒａｔｉｏｎ）、典型分析法（ｃａｎｏｎｉｃａｌａｎａｌｙｓｉｓ）、单纯　

形法等，其中响应面法是近年来应用最多的一种优　

化技术。　

图１　典型分析法原理示意图　

１．３调优运算　

１．５单纯形法　

调优运算是美国博克斯１９５７年提出来的一种　

单纯形法是美国科学家豪丹西格１９４７年首先　

用于探索最优生产条件的数理统计方法。按照一个　提出的。他是在一定图形顶点上按一定的规则进行　

仔细规划好的、对生产条件作细微调节的程序来操　

试探性搜索，其试验点根据试验情况逐步调整到最　

作装置、设备，再用简单的数理统计方法来处理获　

佳条件，是一种动态调优的方法。其基本原理是：　

得的信息，从而可以确定好条件变化的方向。调优　设．ｓ　，ｙ），其中｜ｓ为产物收率，　为底物　

运算是在实际生产过程中对实验室得到的最优条件　浓度，ｙ为反应时间。　

进行调整，以求在生产的每个阶段均能达到最优条　

第一步，首先安排３次实验，假设实验ａ底物　

件的一种优化试验设计方法。他的特点是在生产中　浓度、反应时间固定，实验ｂ反应时间、底物浓度　

进行试验，条件变动幅度小，不会影响正常的生　均比实验ａ大，实验ｃ反应时间比ａ短、底物浓度　

产，当达到既定目的可立即停止试验，因此，试验　

比实验ｂ大，实验ａ、ｂ、Ｃ分别得３个产物收率。　

费用较低。但该优化技术不适用于生物过程优化的　第二步，建立平面坐标系，以底物浓度为　

最初设计。　

轴，反应时间为ｙ轴。假如优化的目的是提高收　

１．４典型分析法　

率，实验ａ、ｂ、Ｃ的３个结果中，设ａ的收率为最　

典型分析法是利用综合变量对之间的相关关系　

低，则ａ为最差点，取ｂｃ直线的中点ｏ、并与ａ相　

来反映两组指标之间的整体相关性的多元统计分析　连，延长ａｏ至ｄ。在基本单纯形中，使ｏｄ＝ａｏ；在　

方法。他的基本原理是：为了从总体上把握两组指　改良单纯形中，使ｏｄ＝　０・ｇｏ，　为系数，即进行　

标之间的相关关系，分别在两组变量中提取有代表　扩张或收缩处理，目的是加快优化过程。　

性的两个综合变量　和　。（分别为两个变量组中　第三步，安排ｄ点的实验，ｂ、Ｃ、ｄ组成新的　

各变量的线性组合），利用这两个综合变量之间的　

单纯形。比较ｂ、Ｃ、ｄ　３个实验的实验结果，设Ｃ　

相关关系来反映两组指标之间的整体相关性。其基　的实验结果为最差，取ｂｄ的中点、与Ｃ相连，延　

本思想是：　

长至ｅ点。确定ｅ点的位置时，同样存在是否进行　

假设分析两组变量　（　。、　：、　，、…　ｎ）、ｙ　

扩张或收缩的选择。　

（ｙ　、ｙ：、ｙ，、…ｙｍ）之间的相关性，若用原始方法　

第四步，安排ｅ点的实验，ｂ、ｄ、ｅ组成新的　

分别计算两组变量之间的全部相关系数，这样即繁　单纯形。比较ｂ、ｄ、ｅ　３个实验点的实验结果，　

琐又不能抓住问题本质。典型分析法则需提取　设ｂ点最差，根据上述步骤确定ｆ点，再安排ｆ点　

（　１、　、　、…　ｐ）、　（　Ｉ、　２、　３、…　ｑ），使　１　

的实验，…．．，直至实验结果不再更优。单纯形法　

与ｘ。有线性关系，　。与ｙ　有线性关系，…一分析　

的原理可用图２表示。　

和　ｉ的相关关系，然后找出　、】，之间的相关关　因此，利用单纯形法首先要找出一组基础的组　

系。典型分析法的原理可用图１表示。　

合，并以此为起点，根据最优条件，找出符合目标　

这种方法的优点是可以同时分析一组可变量与　

更优的另一组合，重复此过程，直到实验结果不再　

一

组依变量之间的关系，而不适合用于分析只有一　

更优。单纯形法是一种直接搜索法，优点是速度　

个依变量的情况。　快，适应面广；但是单纯形法是一种局域的搜索　

２０１０年第２期　

６月出版　

田泱源

等：响应面法在生物过程优化中的应用　

，

重要因素对植物乳杆菌的增殖比较明显。孙力军等　

采用Ｐｌａｃｋｅｔｔ—Ｂｕｒｍａｎ法设计对影响Ｂ．ａｍｙｌｏｌｉｑｕｅｆａ—　

ｃｉｅｎｓ　ＥＳ一２—４产脂肽类抗菌物质产量的１２个因子进　

型和响应面等高图求出目标最大时的最优化条件。　

Ｃｈａｕｈａｎ　ＡＫ等利用中心设计法对Ｓｔｒｅｐｔｏｍｙｃｅｓ　

ｌａｖｅｎｄｕｌａｅ发酵生产胆固醇氧化酶进行详细研究，　

对麦芽膏、大豆粕、Ｋ　ＨＰＯ　和ＭｇＳＯ　进行试验设　

行筛选，确定影响抗菌物质产量的关键因子为ＫＣ１、　

ＦｅＳＯ　和温度。　

３＿２部分因子设计法　

计，根据其回归分析结果，模型的复相关系数　

Ｒ２＝０．９９９　２，这说明该模型与实验数据的拟合程度　

部分因子设计法（ＦＦＤ）也是一个两水平的实　

达到９９％，而且还计算出当麦芽膏、大豆粕、　

验优化方法，能够用比全因子实验次数少得多的实　

验，从大量因子中筛选出重要的因子。根据实验数　

据拟合出一个多项式，并以此利用最陡爬坡法确定　

最大响应区域，以便利用响应面法进一步优化。但　

部分因子设计实验的次数要比Ｐｌａｃｋｅｔｔ—Ｂｕｒｍａｎ法　

多，如６因子的２　部分因子设计需要进行２０次实　

验，而Ｐｌａｃｋｅｔｔ—Ｂｕｒｍａｎ设计法只需要７次实验。　

Ａｌｂｕｑｕｅｒｑｕｅ利用２　部分因子设计法研究Ｃａｎ—　

ｄｉｄａ　ｌｉｐｏｌｙｔｉｃａ发酵生产生物乳化剂的培养基，从玉　

米油、（ＮＨ４）　ＳＯ　、　（ＮＨ２）２ＣＯ、ＫＨ　ＰＯ　四个因　

子中筛选出（ＮＨ４）　ｓＯ４、（ＮＨｚ）　ＣＯ、ＫＨ２ＰＯ　都　

为显著影响因子。刘金国等利用２６－２部分因子试验　

筛选出链霉菌７０２发酵产抑真菌物质的关键因素为　

玉米淀粉和蛋白胨，然后由所拟合的数学模型确定　

产抑真菌物质随两者的变化趋势，利用最陡爬坡法　

确定其最佳值，并以此作为响应面法的中心值进一　

步优化。　

上述两种设计方法通常作为响应面优化法的初　

步实验，从影响生物过程的众多因子中筛选出重要　

的因子，然后利用响应面优化技术确定生物过程的　

最优化组合。　

３．３中心组合设计法　

中心组合设计（ＣＣＤ）是一种国际上较为常用　

的响应面法，是一种５水平的试验设计法。采用该　

法能够在有限的实验次数下，对影响生物过程的因　

子及其交互作用进行评价，而且还能对各因子进行　

优化，以获得影响培养基的最佳条件。对ｋ个因子　

的妣中心组合设计需要的实验总数Ｎ＝２　＋２　＋　，　

其中２　为轴点的实验次数，／７，。为中心点重复的实　

验次数。对由实验方案所得实验结果按下面的多元　

二次方程进行拟合，以用于描述各因子对生物过程　

的影响。　

ｙ＝ｆｌ０＋∑Ｇ＿ＸＩ＋Ｚ￣／／Ｘ２ｉ－｛－∑８　盖　

根据拟合的数学模型及方差分析结果，评价每　

个因子及其交互作用对生物过程的影响程度，并利　

用响应面等高图直观地描绘其结果，最后从数学模　

Ｋ２ＨＰＯ４、ＭｇＳ０４分另Ｕ为２０　ｇ／Ｌ、２０　ｇ／Ｌ、０．６　ｇ／Ｌ、　

２．０　ｇ，Ｌ时胆固醇酶的活力最高，达到２．２１　Ｕ／ｍＬ，　

而当所有因素都处于中心水平时，胆固醇酶的活力　

为１．６７　Ｕ／ｍＬ，可见优化后活力提高了３２％。Ｇａｏ　

等用中心设计法对Ｌａｃｔｏｂａｃｉｌｌｕｓ　ｆｅｒｍｅｎｔｕｍ发酵培养　

基进行优化，选取了蛋白胨、尿素及酵母膏３个重　

要因子进行设计分析，得出在蛋白胨１４．４　ｇ／Ｌ、尿　

素０．５　ｇ／Ｌ、酵母粉７．３　ｇ／Ｌ的情况下，Ｌａｃｔｏｂａｃｉｌ—　

ｌｕｓ　ｆｅｒｍｅｎｔｕｍ的生物量最高，达到１．８×１０　ＣＦＵ／　

ｍＬ，比优化前提高了６４％。顾骏等采用中心设计　

法对他克莫司发酵培养基进行优化设计，选择了葡　

萄糖、花生粉和酵母粉为重要因素进行分析，得到　

的模型复相关系数Ｒ２＝０．９００　７，最优点为葡萄糖　

６．１４　ｇ／Ｌ、花生粉１２．２８　ｇ／Ｌ、酵母粉１．５２　ｇ／Ｌ，他　

克莫司的产率由６０％提升到了９０％。　

３．４　Ｂｏｘ—Ｂｅｈｎｋｅｎ设计法　

Ｂｏｘ—Ｂｅｈｎｋｅｎ设计法是另一种国际上常用的响　

应面法，是一种三水平的实验设计法，同样具有响　

应面的优点。　

杨梅等研究苏云金芽孢杆菌发酵培养基的优　

化，先采用Ｐｌａｃｋｅｔｔ—Ｂｕｒｍａｎ设计分析培养基的配　

方，确定了玉米淀粉、黄豆饼粉和酵母粉为显著因　

素，运用最陡爬坡实验确定了３种重要因子的最适　

浓度范围，然后通过Ｂｏｘ—Ｂｅｈｎｋｅｎ设计得出３种重　

要因子的交互作用及最佳条件，确定苏云金芽孢杆　

菌ＬＬＢ　１９菌株产芽孢最佳发酵培养基为：玉米淀粉　

２０．０　ｇ／Ｌ，黄豆饼粉２６．７　ｇ／Ｌ，酵母粉５．５　ｇ／Ｌ，　

Ｋ２ＨＰ０４０．３　ｇ／Ｌ，ＭｇＳ０，・７Ｈ２Ｏ０．２　ｇ／Ｌ，ＣａＣＯ３０．４　ｇ／Ｌ，　

ＺｎＳＯＤ．２　ｇ／Ｌ。在最佳发酵培养基条件下，ＬＬＢ１９　

芽孢数为４．２５×１０　个／ｍＬ，与初始培养基条件下　

芽孢数３．４１×１０　个／ｍＬ相比提高了２４．６％。王雪　

莲等对枯草芽孢杆菌Ｂ５７９的培养基进行优化，得　

到黄豆饼粉、牛肉膏、玉米粉３种重要因子的最适　

浓度分别为１３．９７　ｇ／Ｌ、８．８９　ｇ／Ｌ、１２．５７　ｇ／Ｌ，枯　

草杆菌的最大生物量达到１．２２×１０ｍ　ＣＦＵ／ｍＬ，是　

优化前的３０倍。　（下转第５３页）　

２０１０年第２期　张桂

，

等：酶法检测食品中铅离子的研究　

５３　

６月出版　

采用酶法测定食品样品的具体条件为：脲酶用　

番茄酱和松花蛋的预处理液中，６　ｇ／ｍＬ的铅溶液　

量２．０　ｍＬ、反应温度３０　ｑＣ、反应时间２０　ｍｉｎ、显　

加标回收率分别为９８％和８５％，因而认为脲酶法的　

色时间３０　ｍｉｎ。测定结果见表１。　检测结果是确实可行的。　

表１　食品样品中铅含量测定结果　

参考文献　

样品　石墨炉法检测结果　脲酶法检测结果　

［１］李聪．食品安全监测与预警系统［Ｍ］．北京：化学工业出版　

ｔ值　

ｍｇ／ｋｇ　ｍｇ／ｋｇ　

社，２００６：１—２．　

番茄酱（Ｐｂ）　０．７６５　０．６８９　２．２８７　

［２］　曲径．食品卫生与安全控制学［Ｍ　．化学工业出版社，　

松花蛋（Ｐｂ）　Ｏ．２５８　０．２３１　２．２４５　

２００７：１１２—１ｌ５．　

注：表内数据均为３次测定结果的平均值。　

［３］王天元，宋雅君，滕鹏起．土壤脲酶及脲酶抑制剂［Ｊ１．化学　

ｔｎ晒（３）＝２．３５３　４，表中ｔ值均小于此值，说明　

工程师，２００４（８）：２２—２４．　

ｐ＝０．９５，差异不显著，可认为脲酶法的检测结果与　

［４］杨宜娥，吕莎．尿蛋白和脲酶对肾脏疾病的早期诊断价　

原子吸收分光光度法的检测结果没有明显差异，在　

值［Ｊ］．１１占床内科杂志，１９９９，２（１６）：７５—７７．　

一

十一十一十一十一十一十＊十－十一十－十一十一十一十一—●一。—十一‘—’ｔ。十・・十一十一十　十。—十一。—１一　十一十一十－。。ｔ一。十。—。　。十一十一十一。。　。—ｔ一。—ｔ～　十＊十－十一十－—。十一。—ｔ一。—十一‘十－十一十一—＋－　

（上接第１１页）　

随着统计软件的不断开发，　述统计优化技术　［５］郝学财，余晓斌，刘志钰，等．响应面方法在优化微生物　

（包括试验设计、模型拟合、方差分析、响应面图　培养基中的应用ＩＪ］．食品研究与开发，２００６，２７（１）：　

解和最优条件的分析）都可以用商业化的统计软件　３８—４１．　

来完成，如著名的统计软件ＳＡＳ和Ｄｅｓｉｇｎ　Ｅｘｐｅｒｔ。　［６］刘海燕，徐幸莲，卢士玲．Ｐｌａｃｋｅ　Ｂ・Ｉｍ１ａｎ（ＰＢ）优化植物　

乳杆茵增殖培养基的研究　Ｊ　．现代食品科技，２００８，２４　

４小结　

（１）：１　２７７～１　２８０．　

［７］孙力军，陆兆新，孙德坤．Ｂａｃｉｌｌｕｓ　ａｍｙ１０ｌｉｑｕｅｆａｃｉｅｎｓ　Ｆｓ一２　

生物过程优化是一个极其复杂的试验过程，而　

液体发酵抗茵脂肽培养基及其主要影响因子筛选［Ｊ　．食　

且在生物技术产业化过程中又是一项十分重要的工　

品工业科技．２００８（５）：６Ｏ一６３．　

作。科研实践表明，合理使用优化方法，在生物过　

１　８　ｊ　ＡＩ　ＢＵＱＵＥＲＱＵＥ　ＣＤＣ，ＦＩＬＥ　ｒｒｌ　ＡＭＦ，ＣＡＭＰＯＳ－ＴＡＫＡＫＩ　

程优化工作中可获得事半功倍的效果。响应面法的　

ＧＭ．Ｏｐｔｉｍｉｚｉｎｇ　ｔｈｅ　ｍｅｄｉｕｍ　ｃｏｍｐｏｎｅｎｔｓ　ｉｎ　ｂｉｏｅｍｕｌｓｉｉｆｅｒｓ　

应用研究结果表明，响应面法可以从更广泛的范围　

ｐｒｏｄｕｃｔｉｏｎ　ｂｙ　Ｃａｎｄｉｄａ　ｌｉｐｏｌｙｔｉｃａ　ｗｉｔｈ　ｒｅｓｐｏｎｓｅ　ｓｕ￣ａｃｅ　

内考察因素之间的组合，以及对响应值的影响。随　

ｍｅｔｈｏｄ［Ｊ　Ｊ．Ｃａｎａｄｉａｎ　Ｊｏｕｒｎａｌ　ｏｆ　Ｍｉｃｒｏｂｉｏｌｏｇｙ，２００６，５２　

着统计软件的发展，统计优化技术，尤其是响应面　

（６）：５７５—５８３．　

法将在优化过程中得到越来越广泛的应用。选择合　

［９］　刘金国，刘学铭，程新，等．响应面法优化链霉菌７０２产　

适的统计软件，能够迅速、可靠、简易地进行优化　

抑真菌物质生料发酵培养基［Ｊ］＿江西农业大学学报，　

实验的安排和数据分析，寻找生物过程的最佳组　

２００８，３０（１）：ｌ３１－１３５．　

合。　

［１０］ＣＨＡＵＨＡＮ　ＡＫ，ＳＵＲＶＡＳＥ　ＳＡ，ＫＩＳＨＥＮＫＵＭＡＲ　Ｊ，ｅｔ　ａ１．　

参考文献　

Ｍｅｄｉｕｍ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｂｙ　ｏｒｔｈｏｇｏｎａｌ　ａｒｒａｙ　ａｎｄ　ｒｅｓｐｏｎｓｅ　

［１］ＩＡＮ　ＡＳ，ＣＡＲＩ　ＭＷ．Ｍｅｓｈ　ｍｏｒｐｈｉｎｇ　ａｎｄ　ｒｅｓｐｏｎｓｅ　ｓｕｒｆａｃｅ　

ｓｕｒｆａｃｅ　ｍｅｔｈｏｄｏｌｏｇｙ　ｆｏｒ　ｃｈｏｌｅｓｔｅｒｏｌ　ｏｘｉｄａｓｅ　ｐｒｏｄｕｃｔｉｏｎ　ｂｙ　

ａｎａｌｙｓｉｓ：ｑｕａｎｔｉｆｙｉｎｇ　ｓｅｎｓｉｔｉｖｉｔｙ　ｏｆ　ｖｅｒｔｅｂｒａｌ　ｍｅｃｈａｎｉｃａｌ　

Ｓｔｒｅｐｔｏｍｙｃｅｓ　ｌａｖｅｎｄｕｌａｅ　ＮＣＩＭ　２４９９　ｌ　Ｊ　Ｊ．Ｊ　Ｇｅｎ　Ａｐｐｌ　

ｂｅｈａｖｉｏｒ［Ｊ］．Ａｎｎａｌｓ　ｏｆ　Ｂｉｏｍｅｄｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，２０１０，３８　

Ｍｉｃｒｏｂｉｏ１．２００９，５５（３）：ｌ７ｌ—ｌ８０．　

（１１：４１—５６．　

［１１　顾骏，叶蕊芳，郑黎．他克莫司发酵培齐基的响应面优化　

［２］　

刘建忠，熊亚红，翁丽萍，等．生物过程的优化［Ｊｊ．中山大　设计　Ｊ］．工业微生物，２００８，３８（２）：６０—６３．　

学学报，２００２，４１（６）：１３２一】３６．　

［１２］杨梅，张峰，苏新华．苏云金芽孢杆菌Ｔ　ＬＢ】９发酵培养　

［３］　

ＢＯＸ　ＧＥＰ，ＷＩｌＳＯＮ　ＫＢ．Ｏｎ　ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔａｌ　ａｔｔａｉｎｍｅｎｔ　ｏｆ　

基的４￣４ｅ［ｊ　．福建师范大学学报，２００９，２５（３）：７５—８１．　

ｏｐｔｉｍｕｍ　ｃｏｎｄｉｔｉｏｎｓ［Ｊ］．Ｊ　Ｒｏｙ　Ｓｔａｔ　Ｓｏｃ　Ｂ，ｌ９５ｌ，１　３：ｌ一２０．　

［１３］王雪莲，王敏，骆健美，等．枯草芽孢杆菌生防菌Ｂ５７９最　

［４］　

刘志祥，曾超珍．响应面法在发酵培养基优化中的应用　

佳培养基响应面法优化［Ｊ］．江苏农业学报，２００９，２５（１）：　

［Ｊ］．北方园艺，２００９（２）：１２７—１２９．　

２１２－２】５