冷榨核桃粕固态发酵制备纳豆激酶

因冷榨核桃粕营养价值高,故探讨以冷榨核桃粕为主要原料,采用纳豆芽孢杆菌进行固态发酵制备纳豆激酶的方法。通过单因素试验、Plackett-Burman(PB)试验和Box-Behnken(BBD)响应面法确定最佳工艺参数。以纳豆激酶活性为指标,单因素试验表明核桃粕粒度小于10目,葡萄糖和Na Cl添加量分别为1%和1.5%,浸泡时间2 h,蒸煮时间50 min,接种量11%,后熟时间24 h时,纳豆激酶活性相对较高。PB试验表明料液比、发酵时间和发酵温度对纳豆激酶活性影响显著。采用BBD响应面分析法对关键因素进行优化,得到最佳工艺参数:料液比1∶1.5、发酵时间30 h、发酵温度36℃。此发酵条件下纳豆激酶活性达到最大值1 522 U/g。本试验表明:纳豆芽孢杆菌固态发酵冷榨核桃粕是制备纳豆激酶的有效方法。     

纳豆激酶高活性菌株BN-05鉴定及发酵工艺优化

对分离的纳豆激酶高活性菌株BN-05进行了初步鉴定,并对其固态发酵产纳豆激酶的工艺条件进行了优化,旨在提高纳豆激酶的含量。通过形态和分子生物学鉴定BN-05为枯草芽孢杆菌属菌株,优化后发酵工艺参数:大豆破碎度为2,发酵温度为36℃,接种量为5.5%,葡萄糖添加量为2.5%。在优化条件下,BN-05通过固态发酵纳豆激酶活力达到(4 715.26±103.23)IU/g湿黄豆,比之前优化提高137%。     

苹果渣固态发酵产纳豆激酶的工艺优化

在单因素试验基础上,确定尿素添加量、培养基加水量、氧化钙添加量为影响酶产率的重要因素,应用响应面分析法对固态发酵苹果渣产纳豆激酶的工艺条件进行优化。优化得到最佳工艺条件为：尿素添加量2.58%、培养基加水量84.06mL、氧化钙添加量2.65%。采用最优化条件进行实验,结果表明：纳豆激酶产率可达到2150IU/g,比单因素试验的最高酶产率(1680IU/g)提高了27.98%。以廉价的工农业废料作为基本培养基获得了有较高酶活的产品,经济优势明显。     

纳豆芽孢杆菌/短乳杆菌混合发酵米糠的响应面工艺优化

以稳定米糠为主要基质,豆渣为营养因子,纳豆芽孢杆菌和保加利亚乳杆、嗜热链球菌、植物乳杆茵、瑞士乳杆菌、短乳杆菌为试验菌株,运用固态发酵技术,采用响应曲面法对益生茵混合发酵米糠的固体发酵工艺进行优化分析。试验结果表明:短乳杆菌最适于与纳豆芽孢杆菌混合发酵米糠,经响应面优化后最优发酵条件如下:米糠54%、豆渣6%、水40%、接种量10%、纳豆芽孢杆菌与短乳杆菌接种比例为1:1、温度34℃,先接入纳豆芽孢杆菌发酵3 d后再接入短乳杆菌发酵2 d。发酵后米糠中纳豆激酶产生量较其他混合菌种发酵方式明显提高,其中纳豆芽孢杆菌活茵数达到6.8×10~9cfu/g短乳杆菌活茵数4.5×10~9 cfu/g。     

油茶籽粕纳豆酱发酵条件的研究

以接种量、水料比、油茶籽粕添加量以及发酵时间为影响因素,油茶籽粕纳豆酱的纳豆激酶酶活为考核指标,采用响应面法优化油茶籽粕纳豆酱的发酵工艺条件。结果表明,影响油茶籽粕纳豆酱纳豆激酶（NK）酶活的因素主次顺序为发酵时间＞水料比＞油茶籽粕添加量＞接种量。最终确定油茶籽粕纳豆酱的最佳发酵条件为接种量1.5%、水料比2.5∶1.0（mL∶g）、油茶籽粕添加量29%、发酵时间22 h。在此最佳发酵条件下,油茶籽粕纳豆酱的NK酶活为（1 044.73±0.87） U/g。     

低成本生产纳豆激酶工艺初探

以廉价的鲜豆渣为全组分探讨其生产纳豆激酶可行性,并与市售商品纳豆进行比较其活力。在单因素试验基础上,应用Box-Behnken中心组合设计原理,设计发酵温度、发酵时间及接种量三因素三水平响应面试验,建立回归模型。经响应面分析,回归模型具有较高拟合度。优化后的鲜豆渣固态发酵的工艺参数为:发酵温度36℃,发酵时间36 h,接种量8(mL/100 g),该条件下纳豆激酶酶活达到1 751.28 U/g。与商品化纳豆的纳豆激酶对比结果表明,除一个商品纳豆的纳豆激酶的活力与鲜豆渣发酵的纳豆激酶活力高以外,其余商品纳豆,同一品种的自制纳豆纳豆激酶的活力与鲜豆渣发酵的纳豆激酶活力无显著差异。全组分鲜豆渣作为纳豆激酶生产的原料,可以实现低成本、高品质产品开发。     

响应面法优化红豆纳豆的发酵工艺

以红豆为原料,应用响应面法优化红豆纳豆的发酵工艺。以纳豆激酶的酶活力、感官评分为评价指标进行单因素试验,并在单因素试验基础上,选取接种量、接种种龄、发酵时间为影响因素。采用Box-Behnken中心组合试验设计建立数学模型,进行响应面分析。结果表明,红豆纳豆最佳发酵条件为接种量6%、接种种龄18 h、发酵时间21.5 h,在此发酵工艺条件下,感官评分为97.7分,纳豆激酶酶活力为1 140 U/g。     

一株纳豆芽孢杆菌的产酶条件优化

从一株实验室保藏的产纳豆激酶细菌出发,先对其液体发酵产酶的培养基和培养条件进行优化,在此优化基础上,利用Plackett-Burman试验筛选出影响纳豆芽孢杆菌产酶的3个主要因素:胰蛋白胨添加量、MgSO4添加量、发酵温度,利用Box-Behnken进行响应面试验设计,优化得到最优发酵条件。发酵培养基条件(g/L):胰蛋白胨26.6、乳糖10.0、Na2HPO45.0、NaH2PO41.0、CaCl20.2、MgSO41.35;发酵条件:种龄12h、接种量2%、发酵温度33℃、发酵时间56h、装液量50mL/250mL。此发酵条件下发酵液的纳豆激酶酶活力为743.65U/mL,比优化前提高了232.33U/mL。     

响应面法优化纳豆激酶固态发酵培养基

为优化以菜籽粕与麸皮为基质产纳豆激酶培养基组成,在单因素实验基础上,选择不同速效氮源、速效碳源、无机盐的种类及其添加量为自变量,纳豆激酶酶活为响应值,利用Box–Behnken中心组成设计原理,设计三因素三水平响应面试验,建立回归模型。经响应面分析,回归模型具有较高拟合度。结果显示优化后培养基组成为:菜籽粕∶麸皮(W/W)=1∶4基础培养基中,尿素添加量0.61 g/100g,葡萄糖添加量1.28 g/100g,氯化镁添加量0.64 g/100g,在初始pH 7.0,温度37℃条件下发酵48 h,纳豆激酶酶活达到7 329.76I U/g,较基础发酵培养基提高1.73倍。     

基于红曲高产莫纳可林K的固态发酵工艺条件优化

利用响应面法优化红曲固态发酵产莫纳可林K的工艺条件。在采用变温发酵,发酵时间固定的条件下,单因素试验研究接种量、装料量、玉米粉添加量和蛋白胨添加量等4个因素对红曲固态发酵莫纳可林K产量的影响。在此基础上,应用Design-Expert软件建立数学模型,进行四因素三水平的响应面分析。结果表明,红曲固态发酵高产莫纳可林K工艺条件为接种量17.50%,装料量32.95 g/250 mL、玉米粉添加量3.80%和蛋白胨添加量2.37%。此条件下进行验证试验,莫纳可林K产量为11.25 mg/g,与回归方程预测值无显著差异,说明该法优化红曲固态发酵过程中莫纳可林K的产量可行。     

纳豆激酶高产菌株的选育及固态发酵技术

以枯草芽孢杆菌为出发菌株,选用超声波和紫外线进行诱变处理,根据致死率、突变率与诱变剂量的关系选择合适的诱变剂量,以筛选高产纳豆激酶的优势菌株。实验表明：最佳诱变条件为：超声波45 kHz、280 W,时间60 min,紫外线照射距离30 cm,时间120 s。经多次初筛、复筛,选育出一株命名为BSCZ-4的优势菌株,其纳豆激酶酶活力为原始菌株的1.96 倍。对该菌种进行连续20 代培养,测得其溶解圈直径稳定在18～19 mm之间,表明该突变株遗传特性稳定。并采用Box-Behnken响应曲面法优化其固态发酵工艺条件,结果为：魔芋精粉添加量5%、接种量8%,34 ℃发酵24 h,纳豆激酶活力可达（4 087.83±93.75） U/g。     

抗呋喃唑酮单克隆抗体的制备及其应用

为实现呋喃唑酮（furazolidone,FZD）的快速定量检测,本研究制备了抗FZD全抗原的单克隆抗体,建立了抗FZD的单克隆抗体酶联免疫检测方法。结果表明,FZD单克隆抗体在质量浓度为10～500 ng/mL范围具有较好的线性,IC50值为0.06 μg/mL,最低检测限为6.92 ng/mL,对于其他硝基呋喃类抗生素及其代谢物均不存在交叉反应。该方法重现性较好,平均误差为6.54%,回收率为76.84%～88.31%。     

Artificial neural network modeling and optimization of ultrahigh pressure extraction of green tea polyphenols

In this study, the ultrahigh pressure extraction of green tea polyphenols was modeled and optimized by a three-layer artificial neural network. A feed-forward neural network trained with an error back-propagation algorithm was used to evaluate the effects of pressure, liquid/solid ratio and ethanol concentration on the total phenolic content of green tea extracts. The neural network coupled with genetic algorithms was also used to optimize the conditions needed to obtain the highest yield of tea polyphenols. The obtained optimal architecture of artificial neural network model involved a feed-forward neural network with three input neurons, one hidden layer with eight neurons and one output layer including single neuron. The trained network gave the minimum value in the MSE of 0.03 and the maximum value in the R² of 0.9571, which implied a good agreement between the predicted value and the actual value, and confirmed a good generalization of the network. Based on the combination of neural network and genetic algorithms, the optimum extraction conditions for the highest yield of green tea polyphenols were determined as follows: 498.8 MPa for pressure, 20.8 mL/g for liquid/solid ratio and 53.6% for ethanol concentration. The total phenolic content of the actual measurement under the optimum predicated extraction conditions was 582.4 ± 0.63 mg/g DW, which was well matched with the predicted value (597.2 mg/g DW). This suggests that the artificial neural network model described in this work is an efficient quantitative tool to predict the extraction efficiency of green tea polyphenols.     

人工神经网络和响应面法优化薏苡仁酒发酵条件

采用Box-Behnken试验设计对薏苡仁酒的发酵条件进行优化，并对Box-Behnken（BB）试验结果分别进行响应面法（RSM）和人工神经网络（ANN）分析。结果表明，RSM、ANN优化发酵条件分别为薏苡仁∶糯米为1∶2（g∶g）、酵母A1接种量为4.7%、温度为31.7 ℃、初始pH为3.0；薏苡仁∶糯米为1∶1.9（g∶g）、酵母A1接种量为4.2%、温度为28.1 ℃、初始pH为3.0，ANN、RSM分别在其最优条件下的实际值和预测值都基本一致。ANN、RSM拟合模型的相关系数（R）、决定系数（R2）、均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）分别为0.994 5、0.988 9、0.011 7、0.108 4、0.072 2、0.486 3%和0.983 6、0.967 5、0.028 9、0.170 1、0.143 7、0.985 7%。ANN具有更高拟合能力和准确性，拟合效果更好，更适合应用于薏苡仁酒发酵条件优化。     

混菌固态发酵花生粕的工艺优化

采用纳豆芽孢杆菌和红曲霉混合菌株固态发酵花生粕,以纳豆激酶的活力和γ-氨基丁酸的含量为指标,通过单因素实验和正交试验对发酵的温度、时间、料水比、菌种比例、接种量进行优化,确定最佳工艺参数为:温度31℃,发酵时间46 h,料水比为1:0.4 g/mL,菌种比例(纳豆芽孢杆菌:红曲霉)2:1,接种量6%,在此条件下测定纳豆激酶的活力为(844.56±13.80) U/g,γ-氨基丁酸含量为(105.25±0.25) mg/g,对羟自由基清除率为68.46%±0.16%,对DPPH·清除率为76.98%±0.95%,铁还原力的OD值为0.481。     

纳豆激酶发酵条件的优化

利用Plackett-Burman 方法对影响纳豆芽孢杆菌液体发酵的各因素进行评价,筛选出对产纳豆激酶有显著效应的主要因素是豆饼粉浓度。在此基础上,用响应面分析法对发酵培养基中的豆饼粉浓度、CaCl2 浓度、葡萄糖浓度进行优化。所得的最优培养基成分为葡萄糖 1%、豆饼粉 3%、KH2PO4 0.2%、K2HPO4·3H2O 0.26%、MgSO4·7H2O 0.1%、CaCl2 0.12%。拟合实验结果显示,纳豆激酶液体发酵液的酶活由初始培养条件的约1800U/ml提高到优化后的2226.06U/ml。     

基于人工神经网络和遗传算法的黑木耳糙米醋发酵条件优化

以黑木耳糙米为原料,研究醋酸发酵的工艺条件,对接种量、摇床转速和装料最参数进行了单因素和正交试验,摸索出参数优化范围,并利用人工神经网络和遗传算法联合对发酵条件进行优化,结果表明,当接种量为8.1%,摇床转速为169r/min,装料量为250mL三角瓶装料61mL时,醋酸含量可达3.855g/100mL,该方法与正交试验设计得出的结果相比,发酵酸度上升了8.0%,为发酵优化控制提供了一种更加准确的方法.     

响应面法优化纳豆激酶发酵培养基

纳豆激酶具有良好的溶解血栓的功效,由于纳豆激酶目前的发酵水平不高,限制了其应用。该研究以纳豆激酶活力为响应值,在单因素试验基础上,采用Plackett-Burman试验、最陡爬坡试验和响应面法对纳豆激酶培养基配方进行了优化。结果表明,通过Plackett-Burman试验筛选出豆粕粉、无水氯化钙、甘油为影响纳豆激酶活力的主要因素。最后运用响应面分析确定纳豆激酶最优发酵培养基为：甘油43 g/L、豆粕粉24 g/L、无水氯化钙0.14 g/L、七水硫酸镁0.80 g/L、十二水磷酸氢二钠3.00 g/L、无水磷酸二氢钾1.00 g/L、L-甲硫氨酸0.20 g/L,此条件下纳豆激酶活力最高为（4 281±103）FU/mL,是优化前的1.97倍。