1. 生物过程仿真与工艺优化工程导论

生物过程工程的核心任务，是把实验室里能跑通的生物反应，放大为稳定、可重复、经济可行的工业过程。它面对的对象不是单一设备，而是一条由“生物系统—反应环境—分离纯化—质量控制”构成的完整链条。仿真与工艺优化工程，正是用数学模型和数值计算，把这条链条从经验试错推进到可预测、可寻优的工程实践。

课程目标与核心对象

本课程希望建立三种能力：第一，能把生物过程的关键对象抽象为可计算的模型，例如反应器、细胞培养、发酵和分离纯化单元；第二，能对模型进行参数估计、灵敏度分析和不确定性评估，判断哪些参数真正影响产量与质量；第三，能围绕目标函数（如产物浓度、收率、批次时间、杂质水平）进行优化，并理解约束条件对可行域的限制。

生物过程的核心对象可以按物料流向理解。上游是细胞培养与发酵：种子扩增、培养基配制、灭菌、接种、控温控pH控溶氧，细胞在反应器内生长并合成产物。中游是反应器本身：搅拌式反应器、气升式反应器、鼓泡塔、一次性生物反应器等，其几何结构、传质与混合能力直接决定细胞所处的微环境。下游是分离纯化：离心、过滤、层析、超滤、沉淀、结晶等，目标是从复杂料液中高回收率地获得高纯度产物。整条链路上，任何一个单元的偏差都会传递到最终质量。

仿真与优化的工程价值

仿真的价值不在于“算出一个数”，而在于把不可见的内部状态显性化。例如，反应器内溶氧、pH、温度、底物浓度和代谢副产物在空间与时间上如何分布，仅靠离线取样很难看清；模型可以给出这些变量的动态轨迹，帮助判断限制因素。优化的价值则在于把“能跑”变成“跑得好”：在设备能力、无菌要求、法规约束和成本限制下，寻找更优的操作策略。

以补料分批发酵为例，若目标是在有限时间内最大化产物浓度，决策变量可能包括初始葡萄糖浓度、补料速率曲线、诱导时机和温度切换点。仿真可以快速比较不同补料策略下的底物积累、比生长速率和产物合成速率，避免在真实罐上反复试错。优化算法则可在约束下搜索补料曲线，使副产物乙酸不超限、溶氧不低于临界值。

典型工业场景与软件工具概览

工业场景中，仿真常用于三类任务：工艺开发阶段的方案筛选与放大风险评估；生产阶段的偏差调查与批次放行支持；以及持续改进中的产能瓶颈分析。常用工具包括通用动态仿真平台（如MATLAB/Simulink、Python科学计算栈）、面向生物过程的专用软件（如gPROMS、Aspen Plus/BioProcess、SuperPro Designer）、计算流体力学软件（如Fluent、OpenFOAM）以及统计与实验设计工具（如JMP、Design-Expert）。选择工具时，关键不是软件名气，而是模型粒度是否匹配问题：细胞代谢用结构化或非结构化动力学模型，反应器混合用CFD或分区模型，下游纯化用平衡级或速率模型。

从对象到模型：一个可操作的入门示例

假设我们要对一个5 L搅拌式补料分批发酵做初步仿真。对象是产重组蛋白的工程菌，状态变量至少包括生物量X、底物S、产物P和溶氧DO。一个常用的非结构动力学模型可写成：

dX/dt = μ(S,DO)·X - kd·X
dS/dt = -μ(S,DO)·X/Yxs + F·(Sf - S)/V
dP/dt = qp(S,DO)·X - kdeg·P
dDO/dt = kLa·(DO* - DO) - OUR

其中μ为比生长速率，Yxs为底物对生物量的得率，F为补料流率，Sf为补料底物浓度，V为体积，kLa为体积传质系数，OUR为摄氧率。示例参数可设为：μmax=0.45 h⁻¹，Ks=0.2 g/L，Yxs=0.5 g/g，kd=0.02 h⁻¹，初始V=3 L，初始S=10 g/L，补料Sf=500 g/L。这些数值仅用于教学演示，不是实测结果。

仿真时先做参数扫描：把补料速率从10 mL/h到60 mL/h分档，观察底物是否积累、乙酸是否超限、DO是否跌破30%。若底物积累而产物不增，说明补料过快；若DO长期低于临界值，说明供氧能力不足，需要提高kLa或降低补料。随后用优化算法在约束下搜索补料曲线，例如以产物浓度最大为目标，约束乙酸低于2 g/L、DO高于30%、体积不超过5 L。最终得到的补料策略再回到实验验证。

学习路径与工程判断

本课程后续会依次展开：反应器建模与CFD基础、细胞培养动力学、发酵过程补料优化、分离纯化单元仿真、参数估计与实验设计、以及工业案例复盘。学习时建议始终问三个问题：模型里哪些参数是真正可测的？仿真结果对哪些参数最敏感？优化得到的策略在设备上是否可执行？只有把数学结果翻译回工程约束，仿真才真正产生价值。