1. 发酵过程代谢与产物控制导论

发酵工程的核心任务，不是“把菌种放进罐里等产物出来”，而是在一个由微生物细胞、培养基、反应器与操作条件共同构成的动态系统中，持续把碳源、氮源等原料高效转化为目标产物，同时抑制副产物、维持菌体活性并保证批次间一致性。本课程围绕“代谢—过程—产物”三者之间的因果链展开：细胞代谢决定产物合成的可能性，过程条件决定代谢通量的实际分配，而产物控制则是对这条链条的监测、判断与干预。

课程定位：从“会操作”走向“会判断”

本课程面向已经具备微生物学、生物化学与化工原理基础的读者，定位在“工艺判断与过程控制”层面。它不满足于描述发酵步骤，而是回答三个工程问题：第一，目标产物在细胞代谢网络中从哪里来、受什么调控；第二，温度、pH、溶氧、补料速率等操作变量如何改变代谢通量分配；第三，当产量、转化率或杂质异常时，如何从过程数据反推原因并调整策略。因此，课程既讲代谢原理，也讲参数关系、数据判读与故障排查。

核心问题：代谢通量为什么“不听话”

发酵过程中最常见的矛盾是：菌体长得很好，目标产物却不高；或者产物初期积累快，后期反而被消耗。其本质是代谢通量在竞争性路径之间重新分配。以典型的产氨基酸或有机酸发酵为例，碳源进入细胞后，一部分流向菌体合成（生物量），一部分流向目标产物，一部分被副产物路径消耗，还有一部分以CO₂形式释放。工程控制的目标，就是通过条件设计，把通量尽可能导向目标产物。

这一过程可用简化的碳平衡关系描述：

输入碳源（葡萄糖） = 菌体碳 + 目标产物碳 + 副产物碳 + CO₂碳 + 残留碳
目标：提高 目标产物碳 / 输入碳源碳 的比例，同时控制副产物碳与残留碳

例如，某假设的谷氨酸发酵示例中，初始葡萄糖 120 g/L，若菌体碳占 18%、目标产物碳占 42%、副产物碳占 10%、CO₂碳占 22%、残留碳占 8%，则碳转化率约为 42%。若通过溶氧与补料调整，使副产物碳降至 5%、目标产物碳升至 50%，即使总碳输入不变，产物收率也明显提升。这类计算不追求精确到实验值，而是帮助建立“通量分配”的量化意识。

学习路径：原理—参数—操作—判读

课程按四条主线推进。第一条是代谢主线：糖酵解、TCA循环、氨基酸与次级代谢产物合成路径，以及关键调控节点。第二条是过程主线：灭菌、接种、发酵、补料、放罐，以及温度、pH、溶氧、搅拌、通气等操作变量。第三条是数据主线：在线参数（pH、DO、温度、尾气CO₂/O₂）与离线参数（残糖、氨基氮、产物浓度、菌体浓度）的采集与关联。第四条是控制主线：批式、补料批式、连续培养的选择，以及反馈控制与经验判断的结合。

学习时建议始终带着一个具体产物去理解，例如谷氨酸、青霉素、乙醇或某类酶。因为不同产物的代谢路径、调控方式和过程敏感点差异很大，脱离产物谈控制容易变成空泛的“调参数”。

工程思维框架：把发酵看成“约束下的优化”

发酵过程控制可以归纳为一个约束优化问题：在菌体耐受范围、设备传质能力、无菌要求和成本限制下，寻找使目标产物收率、浓度和生产率尽可能高的操作轨迹。这个框架包含四个关键判断：

• 代谢可行性：目标产物是否有合成路径，关键酶是否受抑制或阻遏。
• 过程敏感性：哪些参数对产物合成影响最大，例如溶氧对好氧发酵、pH对有机酸解离、温度对次级代谢。
• 操作窗口：参数不是单点值，而是可接受区间，超出区间可能转向副产物或菌体自溶。
• 可观测性：能否通过在线或离线数据及时判断代谢状态，避免“事后才知道失败”。

本节知识结构图

下图把“代谢—过程—产物”的因果链、关键参数与判断路径放在同一张关系图中，便于建立全局框架。

从框架到操作：一个简化的判断示例

假设某好氧发酵在 12 h 时出现“DO 快速回升、耗糖变慢、产物浓度停滞”的现象。按框架判断：DO 回升通常意味着耗氧速率下降，可能来自菌体活性降低、碳源不足或代谢转向。此时先查残糖：若残糖接近零，说明碳源限制，应提高补料速率；若残糖仍高，则查 pH 与氨基氮，判断是否氮源限制或 pH 偏离；若 pH 正常、氮源充足，则考虑溶氧或搅拌不足导致供氧受限，或代谢副产物积累抑制。这个判断顺序不是固定公式，但它体现了“先看代谢状态，再看操作变量，最后回到产物数据”的工程逻辑。

本课程的学习方法建议

建议每学一个产物案例，都建立一张自己的“代谢—参数—产物”小表：列出目标产物的合成路径、关键调控节点、敏感操作参数、可观测指标和常见异常。随着课程推进，这张表会逐渐变成可复用的工艺判断工具。同时，遇到参数调整时，先写下预期变化，再用数据验证，形成“假设—操作—观察—修正”的闭环。发酵控制的工程能力，正是在这种反复判断中建立起来的。