3. 工艺参数与产能的定量关系

在生物制造中，产能并不是一个独立变量，它由细胞生长速率、产物合成速率、维持代谢消耗以及下游可回收量共同决定。温度、pH、溶氧和补料策略这四类参数，分别从酶动力学、膜运输、能量代谢和底物供给四个层面影响细胞行为。理解它们与产能之间的定量关系，核心是建立“参数—比生长速率/比产物速率—累积产量—有效产能”的传导链，并识别哪些参数处于敏感区、哪些处于饱和区。

一、温度：Arrhenius 区与失活区的分界

温度对细胞生长的影响通常用 cardinal temperature 模型描述：低于最低温度、高于最高温度时生长停止，最适温度附近比生长速率最大。在适温区间内，比生长速率 μ 与温度 T 近似满足 Arrhenius 关系，即 ln μ 与 1/T 呈线性，斜率对应表观活化能 Ea。以大肠杆菌为例，教学示例中常取 30～37 ℃ 区间 Ea 约 50～70 kJ/mol，温度每升高 10 ℃，μ 可提高约 1.5～2 倍。但超过最适温度后，关键酶和膜蛋白开始失活，μ 迅速下降，且失活速率本身也随温度指数上升。

对产物合成而言，温度的影响不一定与生长一致。许多次级代谢产物或重组蛋白在较低温度下比生长速率下降，但质粒稳定性、蛋白折叠正确率和产物比合成速率反而提高。因此温度控制的目标不是单纯追求 μ 最大，而是寻找“生长—产物—质粒稳定性”的折中点。实际判断依据是：在不同温度下测定 μ、比产物速率 qp 和质粒丢失率，绘制三者的温度响应曲线，选择 qp 与 μ 乘积最大、且质粒丢失率可接受的点。

二、pH：影响膜电位、酶活与产物带电状态

pH 通过三条路径影响产能。第一，改变酶活性中心质子化状态，使关键酶活性偏离最适 pH 后下降；第二，改变跨膜质子动力势，影响 ATP 合成和底物运输；第三，改变产物分子带电状态，影响其分泌效率和下游回收。多数细菌最适 pH 在 6.5～7.5，酵母偏酸 4.5～6.0，哺乳动物细胞在 7.0～7.4。偏离最适 pH 0.3～0.5 个单位，μ 可能下降 10%～30%。

pH 的定量处理常用“最适 pH 附近抛物线近似”：μ(pH)=μmax[1−k(pH−pHopt)²]，其中 k 由实验拟合。补料策略会间接改变 pH：葡萄糖过量时产酸，pH 下降；氮源过量时产碱，pH 上升。因此 pH 控制不能只看设定值，还要看酸碱消耗速率。若单位时间碱液消耗量突然上升，往往意味着有机酸积累或代谢流偏移，需要同步检查补料速率和溶氧。

三、溶氧：临界氧浓度与氧传递限制

溶氧对好氧发酵的影响存在一个临界氧浓度 Ccrit。当溶解氧高于 Ccrit 时，μ 和 qp 基本不随溶氧变化；低于 Ccrit 时，呼吸链电子传递受限，ATP 供应不足，μ 和 qp 近似按 Monod 型下降：μ=μmax·DO/(K_O+DO)。Ccrit 因菌种和产物而异，教学示例中大肠杆菌约 5%～10% 饱和度，酵母约 10%～20%，丝状真菌可能更高。

工程上真正限制产能的往往不是溶氧设定值，而是氧传递速率 OTR。OTR=kLa(C*−CL)，其中 kLa 受搅拌转速、通气量和发酵液黏度影响。高密度补料后期，菌体浓度高、黏度上升，kLa 下降，即使提高通气量，CL 仍可能跌破 Ccrit。此时应优先提高罐压或富氧通气，而不是无限提高搅拌转速，因为剪切力会损伤菌丝或哺乳动物细胞。判断依据是：在线溶氧持续低于 Ccrit、尾气氧分压下降、呼吸商 RQ 异常升高，三者同时出现说明供氧已成为产能瓶颈。

四、补料策略：底物供给与代谢溢流的平衡

补料策略决定底物浓度是否处于“限制—过量”之间的窄窗口。以葡萄糖为例，当残糖低于约 0.1～0.5 g/L 时，生长受底物限制，μ 低于 μmax，但代谢流以呼吸为主，副产物少；当残糖高于约 5 g/L 时，出现 Crabtree 效应，乙醇、乙酸等溢流代谢产物积累，抑制生长并降低产物得率。因此补料速率 F 应满足：F·S_f ≈ μ·X/Y_x/s + m·X + qp·X/Y_p/s，其中 S_f 为补料液底物浓度，Y_x/s 为菌体得率，m 为维持系数，Y_p/s 为产物得率。

实际执行中常用指数补料：F(t)=F0·exp(μ_set·t)，使比生长速率维持在设定值 μ_set。若 μ_set 过高，残糖上升、副产物积累；若过低，细胞维持代谢占比增大，设备利用率下降。判断补料是否合适，可观察三个信号：残糖是否稳定在 0.1～1 g/L、RQ 是否稳定在 1.0～1.2、DO 是否在补料脉冲后快速回升。若残糖持续上升且 RQ 超过 1.3，说明补料过快，应下调 F0 或 μ_set。

五、关键参数敏感性分析：从曲线到操作窗口

敏感性分析的目标是回答“哪个参数动一点，产能变化最大”。常用做法是局部敏感性系数 S=∂lnP/∂lnx，即在其他参数固定时，产量对某参数的对数偏导。教学示例中，若补料速率 F 的 S 约为 0.8～1.2，温度 S 约为 0.3～0.6，pH 在偏离最适 0.3 单位时 S 约为 0.2～0.4，溶氧在 Ccrit 以上 S 接近 0、在 Ccrit 以下 S 可达 0.5～0.9。这说明补料和溶氧临界区是产能最敏感的环节。

实际操作中，不必每次都做完整偏导，可用“单参数扰动法”：在稳定期分别将温度 ±1 ℃、pH ±0.2、DO 设定 ±10%、补料速率 ±10%，各维持 2～3 个停留时间，记录 μ、qp、残糖、RQ 和产物浓度，计算产量变化百分比。若某参数 ±10% 引起产量变化超过 5%，则该参数应纳入闭环控制；若变化小于 2%，可放宽控制精度以降低公用工程成本。

六、把参数关系落到产能计算

将上述关系整合，可用简化产能模型估算批次产量：P = ∫₀ᵗ qp(T,pH,DO,S)·X(t) dt，其中 X(t) 由 μ 积分得到，μ 取四参数中的最小值形式：μ = min[μ_T, μ_pH, μ_DO, μ_S]。这种“最小值限制”假设在工程近似中很实用：任一参数进入限制区，整体生长就受该参数控制。例如当 DO 低于 Ccrit 时，即使温度、pH、残糖都处于最优，μ 仍由 DO 决定，此时提高温度或补料不会增加产量，反而可能因氧需求上升加剧缺氧。

因此，工艺参数优化的顺序应是：先确认供氧能力能否支撑目标菌体浓度，再确定补料速率使残糖处于限制区，然后微调温度与 pH 使 qp 与 μ 的乘积最大。每一步都用在线信号（DO、RQ、残糖、酸碱消耗）和离线样品（产物浓度、副产物）交叉验证。只有把参数—速率—产量—产能的定量链条打通，才能把“能生产”变成“可预测地产能”。