一种基于溶解氧和碱添加信号的软传感策略，用于实时估算甲烷氧化菌培养物中的生物量及聚（3-羟基丁酸）含量

《Journal of Biotechnology》：Soft-sensing strategy for real-time biomass and poly(3-hydroxybutyrate) estimation in methanotrophic cultures using dissolved oxygen and base addition signals

实时监测微生物生物量和目标产物聚-3-羟基丁酸（PHB）是提升生物过程控制的关键。本研究提出一种基于溶解氧（DO）和碱液添加信号的两参数软传感算法，通过氧平衡方程估算总生物量，结合氮平衡框架（利用pH-stat控制的碱液频率）推算非PHB生物量，进而实时计算PHB含量。该方法在甲烷氧化菌MJC1的气发酵过程中验证，显示总生物量预测误差小于5%，PHB预测误差约8-12%，且无需额外传感器或复杂预处理，适用于动态生物过程监测。

　　
本研究提出了一种基于溶解氧（DO）和碱液添加信号的软传感算法，用于实时监测微生物生物量和目标产物聚-3-羟基丁酸（PHB）的积累。该方法通过氧平衡和氮平衡理论框架，结合实验室常规监测参数，实现了对生物量（包括PHB）和产物的动态估算。研究团队选用甲烷氧化菌Methylocystis sp. MJC1作为模式菌株，在4升生物反应器中开展了多批次对比实验，验证了算法在不同培养基组成和操作条件下的适用性。

核心创新点在于将传统离线检测的原理转化为在线软传感模型。传统方法依赖光学密度、干重测定或色谱分析等耗时手段，而本算法仅通过两个常规监测信号（DO和pH调节信号）构建预测模型。这种设计显著降低了实施成本，避免了额外传感器和复杂数据处理流程。

理论模型构建方面，研究团队建立了双平衡机制：氧平衡用于总生物量的估算，氮平衡结合pH变化用于非PHB生物量的计算。具体而言，总生物量通过DO浓度变化与氧消耗速率的关联推导得出，而非PHB生物量则基于碱液添加量与氮代谢的关联进行估算。最终通过总生物量减去非PHB生物量得到PHB的实时浓度。

实验验证部分采用了甲烷作为唯一碳源和能量来源的特殊培养体系，这模拟了工业生物降解甲烷的实际场景。研究通过改变培养基的氮源种类（仅限铵盐）、搅拌转速、补料策略等参数，系统测试了算法的鲁棒性。结果显示，当氮源为铵盐时，PHB预测误差控制在±15%以内，而在其他氮源情况下误差显著增大，这揭示了氮代谢与pH调节之间的关键关联。

在工业应用适配性方面，算法表现出显著优势。首先，所需参数均为生物反应器常规监测项目，无需额外传感器投资；其次，计算模型基于物理化学平衡原理，无需频繁机器学习模型的再训练；再者，算法处理时间仅需秒级，完全满足实时监测需求。研究特别指出，在气态底物（如甲烷）发酵过程中，由于气体传递速率影响显著，传统基于DO的模型可能存在偏差，但通过结合碱液添加量，可有效校正这种动态波动。

技术实现层面，研究团队开发了双通道数据融合机制。溶解氧信号用于反映总代谢活性，通过建立DO浓度与氧转移速率的对应关系，推导出总生物量浓度。而碱液添加信号与pH变化曲线的关联，则被用于计算非PHB生物量的部分。这种分离式处理方式既保证了估算精度，又降低了模型复杂度。

实际应用效果通过多组对比实验得到验证。在基础培养基中，算法对总生物量的预测R2值达到0.92，PHB浓度预测误差小于8%。当引入不同比例的碳源（如葡萄糖与甲烷的混合底物）时，模型仍能保持85%以上的预测准确率。研究还特别测试了高搅拌强度（800rpm）下的算法稳定性，结果显示PHB浓度预测的方差系数（CV）从基础条件的12%降至8%，表明算法能有效适应不同剪切应力环境。

工业应用潜力方面，研究团队重点探讨了该算法在生物降解甲烷领域的应用前景。由于甲烷氧化菌在工业发酵中常面临底物传质限制、产物抑制效应等问题，实时监测PHB积累对于优化反应器搅拌速度、补料策略和pH控制具有重要价值。实验数据显示，当PHB浓度超过总生物量30%时，系统通过算法自动触发补料信号，使产物得率提升18%。

在方法局限性方面，研究明确指出算法的准确性高度依赖氮源种类。当使用硝酸盐或有机氮源时，氮代谢路径差异会导致PHB估算偏差超过20%。为此，团队建议在工业应用中根据具体氮源调整算法参数，或通过简单的预处理步骤（如氮源类型数据库匹配）进行补偿。此外，在极端pH波动（>2.5或<7.5）环境下，碱液添加信号的信噪比会下降，这需要后续研究优化信号处理算法。

研究团队还特别强调了算法的可扩展性。除PHB外，该框架可被适配于其他胞内产物（如脂类、糖原）的监测，仅需调整氮代谢平衡方程中的参数。目前已测试的案例包括产丁二酸梭菌和聚酮合成的工程菌株，均展现出良好的跨物种适用性。这种普适性设计使得算法能够快速部署到不同发酵场景，降低企业技术改造成本。

在数据预处理方面，研究提出了一种基于滑动窗口的动态校准机制。通过实时分析DO信号的变化趋势与碱液添加脉冲的对应关系，系统可自动识别异常数据点（如DO突降但pH无变化的情况），并触发校准流程。这种自适应处理使算法在连续运行8小时后，仍能保持98%以上的预测精度，优于传统软传感模型的稳定性表现。

研究最后展示了该算法在数字孪生系统中的应用潜力。通过将实时监测数据与数字孪生模型同步更新，系统可提前24小时预测生物反应器内的PHB积累峰值，为优化下游分离工艺提供关键时间窗口。在合作企业试点中，该技术使抗生素生产线的动态调控效率提升40%，单批次产物得率提高12.5%。

该研究为生物制造领域提供了重要的技术范式转变。传统依赖人工采样和实验室分析的闭环控制系统，正在向基于物理模型和实时数据融合的智能控制演进。这种软传感技术的突破，使得中小型企业无需投入巨额资金进行设备升级，即可实现关键生物量的在线监测，对推动绿色生物制造技术的普及具有战略意义。后续研究建议在以下方向深化：开发多参数融合的优化算法、建立跨菌种通用的氮代谢模型、以及研究极端环境下的算法鲁棒性提升方案。