1. 生物反应器补料与过程控制工程导论

生物反应器补料与过程控制工程，研究的是如何让细胞或酶在反应器里“按计划工作”。它既不是单纯的发酵工艺学，也不是纯粹的控制理论，而是把生物体系的代谢需求、反应器的物理传递能力、在线仪表的测量特性和控制算法的执行逻辑放在同一张图上考虑。课程的核心问题可以概括为一句话：在细胞代谢能力、反应器传递能力和仪表测量能力三重约束下，如何通过补料与调控，把关键状态变量维持在有利于产物积累的区间内。

为什么补料如此关键？以高密度大肠杆菌表达重组蛋白为例，若一次性加入高浓度葡萄糖，菌体会因底物过量而快速产酸、溶氧骤降，乙酸积累到 2～5 g/L 就会明显抑制表达。若完全不补料，底物耗尽后菌体进入饥饿状态，比生长速率下降，质粒可能丢失。因此工业上普遍采用指数补料，让比生长速率 μ 稳定在 0.1～0.2 h⁻¹ 的区间。补料速率 F(t) 常按 F(t) = (μ·X₀·V₀)/(Y_{X/S}·S_F) · exp(μt) 估算，其中 X₀ 为补料开始时的菌体浓度，V₀ 为初始体积，Y_{X/S} 为菌体对底物的得率系数，S_F 为补料液底物浓度。这个公式说明：补料不是“加营养”，而是用流量去间接控制比生长速率。

过程控制则解决“怎么知道现在处于什么状态、该怎么调”的问题。反应器里真正想控制的量，如菌体浓度 X、产物浓度 P、质粒拷贝数，往往无法实时在线测量；能实时拿到的通常是温度 T、pH、溶氧 DO、尾气 CO₂ 和 O₂、补料重量或流量。于是工程上采用“可测变量—状态估计—控制执行”的链路：用尾气 O₂ 与 CO₂ 计算呼吸商 RQ = CER/OUR，用 RQ 判断代谢是否溢流；用 DO 的下降速率反推耗氧速率 OUR；用碱液消耗量估计有机酸生成。这些信号再驱动补料泵、通气阀、搅拌转速和 pH 调节泵。图 1 给出了这一信号链与物料流耦合的整体结构。

典型工业场景可以分成三类。第一类是高密度发酵补料，如重组大肠杆菌、毕赤酵母，目标是菌体干重 80～150 g/L，补料策略以指数流加和 DO-stat 为主，关键风险是乙酸和甲醇积累。第二类是哺乳动物细胞灌流培养，如 CHO 表达单抗，目标是维持 20～50×10⁶ cells/mL 的活细胞密度，采用灌流速率 D 与葡萄糖、谷氨酰胺浓度联动控制，关键风险是代谢副产物乳酸和氨的累积。第三类是次级代谢产物分批补料，如青霉素、红霉素发酵，补料不仅供碳源，还承担前体供给和代谢调控，关键风险是产物反馈抑制和菌丝形态变化。三类场景对补料精度、响应速度和在线估计能力的要求依次不同，但都遵循“用可测量去推断不可测量，用流量去调控代谢”的基本逻辑。

学习路径上，建议按“先建立变量意识，再掌握信号链，最后进入策略设计”的顺序推进。第一步要能说清 X、S、P、μ、q_S、q_P、OUR、CER、RQ、k_L a 这些量的定义、单位和相互关系，尤其是 μ 与 q_S 之间通过得率系数 Y_{X/S} 耦合。第二步要理解测量与估计的边界：DO 电极测的是液相溶解氧浓度，不是耗氧速率；尾气分析得到的是气相分数，要经过流量和温度校正才能换算成 OUR 和 CER。第三步才是补料策略设计，包括恒速补料、指数补料、DO-stat、pH-stat 和基于模型的预测控制。第四步是异常诊断，例如 RQ 突然从 1.0 升到 1.3 以上，通常提示底物溢流或供氧不足，此时应降低补料速率或提高通气量，而不是继续加料。