发酵过程控制必知：直接参数、间接参数全解析与监测方法

发酵过程的优化与控制，本质上建立在对关键参数的深入认知与精准监测之上。

       在发酵过程中，发酵体系是一个非常复杂的系统，主要体现在以下几个方面：

①微生物细胞内部结构及代谢反应的复杂性；

②所处的生物反应器环境的复杂性，存在气相、液相、固相三相混合系统，且系统中各项参数复杂多变；

③系统状态的时变性及所包含参数的复杂性，且这些参数互为条件，相互制约。

       因此，掌握发酵体系中各种参数的变化特征、微生物代谢过程的变化规律，以及发酵工艺条件对发酵过程的影响，可以帮助优化发酵过程，有效地控制微生物生长和代谢产物的发酵生产。本文主要了解发酵过程参数及其重要性。

       要实施发酵过程控制，首先必须了解发酵过程的各种参数及其检测控制方法。常规的发酵工艺控制参数有：温度、pH、搅拌转速、空气流量、罐压、液位、补料速率及补料量等。能表征发酵过程性质的直接状态参数有：pH、溶解氧（DO）、溶解CO₂、氧化还原电位（rH），尾气中的O₂和CO₂含量、基质（如葡萄糖）或产物浓度、前体或中间体浓度、菌体生长速率（以OD值或细胞干重DCW等表示）等，通过这些直接参数还可以求得各种间接状态参数，如比生长速率（μ）、摄氧率（OUR）、CO₂释放速率（CER）、呼吸商（RQ）、氧得率系数（YX/O）、氧体积传质速率（KLa）、基质消耗速率（qs）、产物合成速率（qp）等（表1）。

表1 发酵过程中的直接参数测定方法及意义

       发酵过程参数大致可以分为：状态参数和操作参数。

       发酵过程的状态参数是那些显示过程状态及其特征的参数，如菌体浓度、基质浓度、代谢产物浓度、溶氧浓度（DO）、生物酶活性、细胞的比增殖速率、CO₂生成速率等。反映生物浓度、生物活性以及反应速率的参数。  

       发酵过程的状态参数与操作参数之间存在着对应的因果关系，一般情况下，这种关系可以通过被称为状态方程式的常微分方程（组）来加以描述和表达。

       发酵过程的操作参数通常是指环境因子或操作条件，而改变操作参数，可以使发酵过程的状态变量改变。发酵过程的典型操作参数包括温度、压力、pH、基质流加速率、稀释率、搅拌速率、通气量等。在某些条件下，状态参数也可以当成操作参数，例如，发酵液中的溶氧浓度（DO），DO可以通过搅拌速率和通气量的改变来调控，这时它是一个状态变量；DO的调控水平会直接影响其他状态参数的变化，这时，也可以将其看成是操作参数。

 对于状态参数和操作参数而言，有的参数可以通过传感器直接测量，有的则需要通过直接测量的参数经过计算才能得到，因此，发酵过程参数又可分为直接参数和间接参数。

1. 直接参数

       直接参数是指能直接反映发酵过程中微生物生理代谢状况的参数，也称为直接状态参数，如pH、DO、溶解CO₂、尾气O₂、尾气CO₂、黏度等（如表2）。发酵过程中在线实时监测状态参数的传感器除了需耐高温蒸汽反复灭菌外，还要避免探头表面被微生物黏附导致测量误差甚至失败的危险。其中，pH和DO电极有时还会出现失效或监测过程中显著漂移等问题。为了克服以上问题，现已发明了探头可伸缩的适合于大规模生产的装置。这样，探头可以随时拉出，重新校正和灭菌，然后再推进去而不会影响发酵罐的无菌状况。

表2 发酵过程直接测定参数一览表

 2. 间接参数

       间接参数是指那些采用直接状态参数计算求得的参数，也称为间接状态参数，如比生长速率（μ）、摄氧率（r或OUR）、CO₂释放速率（CER）、呼吸商（RQ）、氧得率系数（YX/O）、氧体积传质速率（KLa）等（表3）。通过对发酵罐进行物料平衡分析，可计算出OUR和CER以及RQ值，以上数值可反映微生物的代谢状况，尤其能提供从生长向生产过渡或主要基质间的代谢过渡指标。用此方法也能在线求得KLa等间接参数，若在其他影响因素已知的情况下，它能提供培养物的黏度状况。间接状态参数更能反映发酵过程的整体状况，更有助于发酵过程的优化与控制，以便取得更好的发酵效果。

 综合各种状态参数，可以提供反映环境状态、反应速率、设备性能、设备利用效率等信息，以便及时做出调整。例如，用于维持一定环境变量恒定的过程控制操作，如加酸/碱、发酵罐的加热/冷却、消泡剂的添加等常与菌体生长和产物合成关联，这些操作也受过程干扰、代谢迁移和其他控制操作的影响。如pH变化受系统反馈控制，也同时受到代谢变化及溶氧控制操作的综合影响。又如，从冷却水的流量和测得的温度可以准确计算大规模发酵时发酵罐的总热负荷和热传质系数，而热传质系数的变化能反映黏度和积垢状况。

表3 通过直接状态参数求得的间接状态参数

       尽管直接状态参数能直接检测，但目前还没有一种可在线监测培养基成分和代谢产物的传感器。所以，发酵液中的基质（糖类、脂质、无机盐、氨基酸）、前体和代谢产物（抗生素、酶、有机酸或氨基酸等）以及菌量的监测，目前还是依赖于人工取样后进行离线分析。所采用的分析方法主要有：化学法、分光光度法、原子吸收、液相色谱（HPLC）、气相色谱（GC）、气-质联用（GC-MS）等。离线分析的特点是所得的过程信息是不连贯和滞后的，但离线分析在发酵过程中亦十分重要。表4介绍了离线测定生物量的方法。

表4 离线测定生物量的方法

       发酵过程的优化与控制，本质上建立在对关键参数的深入认知与精准监测之上。无论是直接反映代谢状态的状态参数，还是用于调节环境的操作参数，共同构成了我们理解、诊断和干预这一复杂生命系统的“语言”与“杠杆”。通过实时获取并解析这些参数信息，我们能够透视微生物的生长与代谢规律，及时识别过程瓶颈与迁移点，从而动态调整工艺条件，实现对细胞代谢路径的引导与强化。

       这不仅意味着能够提升目标产物的产量、质量和生产稳定性，更代表着发酵工艺从依赖经验的“黑箱操作”向基于数据的“透明化、精准化调控”的深刻转变。尽管当前在线监测技术仍有局限，但通过直接参数、间接参数与离线分析的综合运用，已为我们构建了强大的过程分析框架。未来，随着传感技术、在线分析与人工智能的进一步融合，对这些参数的更深层次解读与利用，必将推动发酵工业向着更高效率、更强可控性和更智能化的方向持续发展，最终实现对生命细胞工厂更为卓越的驾驭能力。