产淀粉酶的枯草芽孢杆菌培养基的优化

产淀粉酶的枯草芽孢杆菌培养基的优化

参考文献

[1] 王星云，宋卡魏，张荣意.枯草芽孢杆菌菌剂的开发应用[J].广西热带农业，1997，13(4):34-56. [2] 刘志恒. 现代微生物学[M]. 北京:科学出版社，2002 :92 - 99.

[3] 惠明， 窦丽娜， 田青， 侯银臣枯草芽孢杆菌的应用研究进展 安徽农业科学，Journal of Anhui Agri. Sci. 2008 ，36 (27) :11623 - 11624 ，11627

[4] 刘春莉，张文学，杨瑞.α-淀粉酶的应用研究现状和前景展望[J].四川大学学报，2002，

12(3):65-74.

[5] 孙晓菲，李爱江.α-淀粉酶的应用及研究现状[J].河南科技大学学报，2000，36(8):81-87. [6] 张树政.酶制剂工业[M].北京:科学出版社，1984:625-634.

[7] 仇丽.枯草芽孢杆菌在养殖中的应用[J].江苏大学学报，2003，26(4):22-27. [8] 褚以文.微生物培养基优化方法及其OPTI优化软件[J].国外医药抗生素分册.1999，

20(2):58-61.

[9]慕运动.响应面方法及其在食品工业中的应用[J].郑州工程学院学报，2001，22(3):91-94. [10] 欧宏宇，贾士儒.SAS软件在微生物培养条件优化中的应用[J].天津轻工学院学报，2005，

23(1):14-27.

[11] Thompson D R.Response surface experimentation[M].Food Industry Press.1982，

16(6):155-158.

[12] 陈坚，李延.发酵过程优化与实践[M].北京:北京化学工业出版社，2002.

[13] 冯华，史鹏飞，左瑞雨，郑秋红，尹清强.枯草杆菌分泌淀粉酶的变化规律及酶学特征[J].河

南农业大学报，2003，12(1):65-70.

[14] 张祝华，李岚，袁瑞.单因素实验的应用[J].山西农业大学学报，1998，12(3):36-47. [15] 严冲，王世凯.SAS软件的应用[J].杭州:浙江大学出版社，1994， 11(12):110-112. [16] 刘亚萍，方民，徐孝华.普通微生物学.北京:北京农业大学出版社，1992:147-178. [17] 赫林，王启南，冯安瑞.食品微生物实验技术[M].北京:中国农业出版社，2001. [18] 赵燕，孙佳平，俞渭江.生物统计附实验设计[M].北京:农业出版社，1999. [19] 高惠璇.SAS/STAT软件使用手册[M].北京:中国统计出版社，1997，30(3):18-22． [20] 吴有炜.试验设计与数据处理[M].苏州:苏州大学出版社，2002，10(3):30-39.

20

产淀粉酶的枯草芽孢杆菌培养基的优化

致谢

首先，我要感谢的是我的指导老师李入林。李老师平日里工作繁多，但在我做毕业论文的每个阶段，都给予我悉心的鼓励和支持。可以说，没有李老师的指导，我是不可能顺利完成我的这个课题的。当初李老师分给我的课题是年产六万吨精馏塔的设计，后来发现自己化工知识相对薄弱，毕竟学的是生物工程专业做化工设计还是很费劲的。我把决定自己选课题做的想法告诉李老师，李老师对我的想法很是支持和鼓励的。另外，他的治学严谨和科学研究的精神也是我永远学习的榜样，并将积极影响我今后的学习和工作。从课题的选择到最终毕业论文的定稿，李老师都始终给予我悉心不懈的支持。两年多来，李老师不仅在学业上给我以精心指导，同时还在思想上给我以启迪，李老师教书育人的热情和工作作风都深深感染着我。在此谨向李老师致以诚挚的谢意和崇高的敬意。 其次，我要感谢我的父母，感谢他们的养育之恩，没有他们就没有我这二十几年的成长更没有今后的发展，我将用自己的一生去回报。

再次，我要感谢张荣华和曾琼靓同学，在我毕业论文期间，他们对本课题作了不少工作，并给了我不少的关心和帮助。特别是在论文数据处理过程中和他们进行了深刻的探讨交流。

最后，感谢校方给予我这两年的学习机会，能够独立地完成一个课题，并在这个过程当中，给予我各种查阅资料、学习和实践的方便，使我们在离校的后能够更多更好的学习一些实践应用知识，增强了我们实践操作和动手应用能力，提高了独立思考的能力。再一次对我的母校表示感谢。 总之，感谢每一位关心过我，爱护过我的人。滴水之恩，当涌泉相报。最后，再次感谢我的导师李入琳教授。

经过半学期的忙碌，本次毕业论文已经接近尾声，在此，我要感谢每一个帮助过我的人。

21

产淀粉酶的枯草芽孢杆菌培养基的优化

附录

（一）单因素试验(One Variable at a Time)法

实验室最常用的优化策略是单次单因子法，这种方法是在假设因素间不存在交互作用的前提下，通过一次改变一个因素的水平而其他因素保持恒定水平，然后逐个因素进行考察的优化方法。单因素试验法是以因素间没有交互作用为前提，而对于大多数培养基而言，其中包含多种复杂的成分，这种试验方法往往达不到预期效果。当考察的因素较多时，需要较多的试验次数和较长的试验周期。因此，单素试验经常被用在正交试验之前或与均匀设计、响应面分析等结合使用。利用单因子试验和正交验相结合的方法，可以用较少的试验找出各因素之间的相互关系，从而较快地确定出培养基的最佳组合，比较常见的是先通过单因素试验确定最佳碳、氮源，再进行正交试验；或者通过单因素试验直接确定最佳碳氮比，再进行正交试验。

（二）二次回归正交旋转组合(Rotation-regre ssion-or-thofonal combination)法 在正交设计试验法的基础上，加入组合设计和旋转设计的思想，并与回归分析方法有机结合，建立了二次回归正交旋转组合设计法。它是旋转设计的一种，不仅基本保留了回归正交设计的优点，还能根据测量值直接寻求最优区域，适用于分析参试因子的交互作用。它既能分析各因子的影响，又能建立定量的数学模型，属更高层的试验设计技术。基本思路是利用回归设计安排试验，对试验结果用方程拟合，得到数学模型，利用计算机对模型进行图形模拟或数学模拟，求得模型的最优解和相应的培养基配方，并在一定范围内预估出在最佳方案时的产量。与响应面法有相似之处。

（三）响应面优化设计(Re sponse surface optimization design)法

响应面优化设计法是一种寻找多因素系统中最佳条件的数学统计方法，是数学方法和统计方法结合的产物，它可以用来对人们感兴趣的受多个变量影响的响应问题进行建模与分析，并可以将该响应进行优化。它能拟合因素与响应间的全局函数关系，有助于快速建模，缩短优化时间和提高应用可信度。一般可以通过Box-Benhnken的中心组合实验设计从众多因素中精确估计有主效应的因素，节省实验工作量。响应面分析法以回归法作为函数估算的工具，将多因子试验中因子与试验结果的相互关系，用多项式近似，把因子与试验结果(响应值) 的关系函数化，依此可对函数的面进行分析，研究因子与响应值之间、因子与因子之间的相互关系，并进行优化。常用SAS软件作为辅助工具。

22