3. 小试培养基设计与优化

小试培养基设计不是把碳源、氮源、无机盐和微量元素简单堆在一起，而是围绕目标产物合成路径，判断哪些组分是“供生长”、哪些是“供合成”、哪些是“供调控”。在发酵小试阶段，培养基优化的核心目标通常不是让菌体长得最快，而是让单位体积产物量、底物转化率和副产物比例达到可放大的平衡。因此，碳氮源选择、微量元素、前体与诱导剂，以及响应面法，实际上构成了一个从定性筛选到定量优化的完整链条。

碳源与氮源：先看代谢路径，再看补料方式

碳源选择首先要区分速效碳源和缓效碳源。葡萄糖、蔗糖、甘油等属于速效或较易利用碳源，适合启动期建立菌体量；淀粉、糊精、糖蜜、乳糖等属于缓效碳源，有利于延长产物合成期、降低Crabtree效应或分解代谢阻遏。以重组大肠杆菌表达外源蛋白为例，葡萄糖过量时乙酸积累会抑制表达，因此常用甘油作为主碳源，并在诱导后采用指数补料，把比生长速率控制在0.1～0.2 h⁻¹。若目标是次级代谢产物，如红霉素或青霉素，则常采用葡萄糖与豆油、糊精等混合碳源，让菌体在前期快速生长、后期缓慢供碳。

氮源分为有机氮源和无机氮源。酵母粉、蛋白胨、玉米浆、豆饼粉等有机氮源不仅提供氮，还携带氨基酸、维生素和微量元素，适合复杂代谢产物发酵；硫酸铵、氯化铵、硝酸钠等无机氮源成分明确，便于研究氮代谢调控。实际小试中，常用“有机氮源打底 + 无机氮源补足”的组合。例如，在枯草芽孢杆菌产脂肽的培养基中，可先用5 g/L酵母粉和10 g/L蛋白胨维持生长，再用硫酸铵作为补料氮源，避免游离氨过高抑制次级代谢。

碳氮比（C/N）是比单一碳源或氮源更关键的参数。C/N偏低时菌体生长旺盛但产物合成可能不足；C/N偏高时容易提前进入产物合成期，但菌体量不够，总产量也上不去。小试中通常先做单因素实验，把C/N设为10、15、20、25、30等梯度，观察菌体干重、产物浓度和残糖/残氮曲线，再决定后续优化区间。

微量元素：低浓度但不可忽略的辅因子来源

微量元素不是“越多越好”，而是作为酶辅因子、电子传递载体和细胞结构组分参与代谢。常见添加包括Mg²⁺、Mn²⁺、Zn²⁺、Fe²⁺/Fe³⁺、Cu²⁺、Co²⁺、Mo⁶⁺等。Mg²⁺参与ATP相关反应和核糖体稳定；Mn²⁺影响芽孢形成和某些次级代谢；Fe²⁺是细胞色素和加氧酶的重要辅因子；Zn²⁺参与DNA结合蛋白和乙醇脱氢酶。小试中若使用自来水或未纯化原料，微量元素可能已部分带入，因此不宜盲目照搬高浓度配方。

一个实用的做法是：先配制1000×微量元素母液，过滤除菌后按1 mL/L加入。例如，某芽孢杆菌培养基的微量元素母液可参考：MgSO₄·7H₂O 5 g/L、MnSO₄·H₂O 0.5 g/L、ZnSO₄·7H₂O 0.2 g/L、FeSO₄·7H₂O 0.1 g/L、CuSO₄·5H₂O 0.05 g/L、CoCl₂·6H₂O 0.02 g/L。该配方仅为示例，实际应通过单因素或Plackett-Burman设计确认哪些元素显著影响产物。若发现菌体生长正常但产物效价低，可优先检查Fe、Mn、Zn是否不足；若出现菌体畸形或代谢副产物异常，则要警惕Cu、Co过量。

前体与诱导剂：把碳氮骨架引向目标产物

前体是直接参与目标产物合成的结构单元。例如，青霉素发酵中添加苯乙酸作为侧链前体，可提高青霉素G比例；红霉素发酵中添加丙酸或丙醇，可增加大环内酯前体供给。前体添加的关键是“适量、适时、低毒”。苯乙酸浓度过高会抑制菌体生长，通常采用流加方式，把游离苯乙酸控制在0.5～1.5 g/L以下。前体不是碳源替代品，不能一次性大量加入，否则容易造成底物抑制或副产物积累。

诱导剂用于启动特定基因表达或代谢开关。乳糖、异丙基-β-D-硫代半乳糖苷（IPTG）是lac类启动子的常用诱导剂；温度诱导、pH诱导和溶氧诱导则属于物理诱导。IPTG诱导浓度通常为0.1～1.0 mmol/L，诱导时机一般选在对数生长中后期，OD₆₀₀约0.6～0.8。诱导过早，菌体量不足；诱导过晚，菌体进入衰亡期，表达能力下降。若用乳糖诱导，还需考虑乳糖同时作为碳源被消耗，诱导强度与补料速率耦合，控制难度更高。

响应面法：从单因素筛选到多因素定量优化

单因素实验只能回答“某个因素单独变化时产物如何变化”，无法揭示因素之间的交互作用。响应面法（Response Surface Methodology，RSM）通过回归模型描述多个因素与响应值之间的曲面关系，适合碳源、氮源、前体、微量元素等关键因子的定量优化。常用设计包括中心复合设计（CCD）和Box-Behnken设计（BBD）。

典型流程是：先用Plackett-Burman设计从众多因素中筛选出显著因子，再用最陡爬坡实验逼近最优区域，最后用CCD或BBD建立二次回归模型。模型一般形式为：

Y = β₀ + Σβᵢxᵢ + Σβᵢᵢxᵢ² + Σβᵢⱼxᵢxⱼ
其中：Y为响应值（如产物效价、转化率）
xᵢ、xⱼ为编码后的因素水平
β₀为截距，βᵢ为线性项，βᵢᵢ为二次项，βᵢⱼ为交互项

假设某小试以葡萄糖（A）、酵母粉（B）、Mn²⁺（C）为因素，产物效价为响应值，BBD设计得到回归方程：Y = 820 + 35A + 28B + 18C − 42A² − 30B² − 22C² + 15AB。方程中A、B、C一次项为正，说明在实验区间内提高三者有利于产物积累；二次项为负，说明存在最优点，超过后响应下降；AB交互项为正，说明葡萄糖与酵母粉存在协同作用。通过求解方程极值点，可得到预测最优组合，例如葡萄糖22 g/L、酵母粉12 g/L、Mn²⁺ 0.08 g/L，预测效价约865 U/mL。随后做3～5组验证实验，若实测值与预测值偏差在±5%以内，说明模型可信；若偏差过大，需检查因素区间、操作误差或响应值测量方法。

小试优化中的判断逻辑与常见误区

小试培养基优化最容易出现的问题是“只盯产物浓度，不看底物消耗和副产物”。一个完整的判断应同时观察：菌体干重是否达到预期、残糖和残氮是否在合理范围、产物效价是否随补料持续上升、乙酸或乳酸等副产物是否积累。若菌体生长正常但产物效价低，优先检查前体和诱导剂时机；若菌体生长受抑制，优先检查碳氮源浓度、微量元素过量或前体毒性；若产物后期下降，则要考虑产物降解或蛋白酶释放。

另一个误区是把响应面法当成“万能拟合”。RSM只适用于实验区间内存在连续响应的体系，且要求因素可独立调节、响应值可重复测量。若因素之间存在强耦合，例如诱导剂同时作为碳源，或前体同时影响pH，就需要在模型中加入协变量或改用更合适的实验设计。此外，RSM得到的最优组合必须经过验证实验，不能直接把预测值当作最终结果。

从工程放大的角度看，小试培养基配方还要考虑原料批次波动、灭菌后成分变化和氧传递差异。例如，葡萄糖在高温灭菌时可能发生美拉德反应，与氨基酸结合后降低可利用碳氮源；微量元素母液在灭菌后可能产生沉淀。因此，小试阶段就应记录灭菌方式、补料时机和溶氧水平，为后续放大保留可追溯的操作边界。只有把“配方”和“操作方式”一起优化，小试结果才具备向中试和放大转移的价值。