







2结果与讨论
2.1碳源、氮源、促生长因子和CaCO3 浓度对包囊化清酒乳杆菌增殖的影响
2.1.1不同碳源对包囊化清酒乳杆菌增殖的影响
在基础培养基的基础 E,分别以蔗糖、乳糖及麦芽糖加入培养基中,浓度均
从图 1 可以看出,包囊化清酒乳杆菌最佳碳源为葡萄糖。  
2.1.2不同氮源对包囊化清酒乳杆菌增殖的影响
本试验分别选用牛肉膏、蛋白胨、胰蛋白胨及酵母粉加入基础培养基中, 浓度均为2.0 %,
从图2可以看出,包囊化清酒乳杆菌最佳氮源为蛋白胨。  
2.1.3生长因子对包囊化清酒乳杆菌增殖的影响
本试验选择了目前报道较多的番茄汁、胡萝卜汁和玉米浆三种物质进行了研究,分别向培养基中添加不同浓度的番茄汁、胡萝卜汁和玉米浆,
从图3可以看出,番茄汁为包囊化清酒乳杆菌最佳生长促进物质。  
2.1.4不同CaCO3 浓度对包囊化清酒乳杆菌增殖的影响      
在液芯包囊增殖培养基中添加适量CaCO3,可以起到增加胶囊的强度,缓冲环境pH值的作用,为乳酸菌提供良好的生长坏境。 
从图4可以看出,随着CaCO3 浓度的增加,细胞密度先是增加,CaCO3 浓度超过0.5 %时,随着CaCO3 浓度的增加,细胞密度反而减少。因此增殖培养基中pH缓冲剂CaCO3的浓度选择0.5%。 
2.2响应面分析优化包囊化清酒乳杆菌增殖培养基   
为了最优拟合多元二次模型方程各项系数, 依据实验设计表进行了30组试验,其结果见表2。通过Design Expert 软件对表2中实验数据进行二次多项回归拟合,获得 L.sake菌体浓度对葡萄糖、蛋白胨、番茄汁以及CaCO3 的二次多项式回归方程:
Y =10.54-0.040xl + 0.12x2- 0.035x3-0.058x4 - 0.16 xl2 - 0.18x2 2-0.080x3- 0.14 x42- 0.060xl x 2 -0.030x 1x 3 + 0.041x l x4 +0.035x 2 x 3 -0.054x2 x4 - 0.01lx3 x4 
式中,Y为L.sake菌体浓度的预测值,x1、x2、x3、x4分别为葡萄糖、蛋白胨、番茄汁以及CaCO3 的编码值。 
由以上方程得出的 L .s a k e菌体浓度预测值见表 2 。该二次回归方程及其各项的方差分析结果见表3。 
从该方程的方差分析表3可见,该模型极显著( P < 0.0001),失拟项在:0.1水平上不显著(P = 0.1148> 0.1),模型的校正确定系数 (Adj R- Squared)RAdj 2=0.9618,表明模型能解释包囊化清酒乳杆菌菌体浓度响应值的变化。因而该模型与实际情况拟合很好,可用于预测.sake的实际增殖情况。  
上述方程的回归系数显著性检验表明:试验各因素对L.sake菌体浓度的线性效应皆显著;且其对L.sake菌体浓度的曲面效应也显著;x1 x2、x1x4、x2 x3和 x2x4的交互作用显著, 而x1 x3、x3x4 的交互影响不显著。
 
2.2.
多元二次回归方程所作出的响应曲面图及其等高线图见图5-图 10,各因素及其交互作用对响应值的影响结果可通过该组图直观反映出来。  
图5显示了番茄汁和 CaCO3 位于中心水平时,葡萄糖与蛋白胨对 L.sake菌体浓度交互作用的3-D图及等高线。由图5可知,在一定范围内L.sake菌体浓度随着葡萄糖浓度的增加而增加,但当葡萄糖浓度超过l9.
袁 媛等: 液芯包囊化清酒乳杆菌增殖培养基的优化
| 
 表2 旋转中心组合设计及其实验结果表  | ||||||
| 
 试验号  | 
 x1  | 
 X2  | 
 X3  | 
 X4  | 
 菌体浓度lg(cfu/g)  | |
| 
 实测值  | 
 预测值  | |||||
| 
 1  | 
 -1  | 
 -1  | 
 -1  | 
 -1  | 
 9.90  | 
 9.90  | 
| 
 2  | 
 +1  | 
 -1  | 
 -1  | 
 -1  | 
 10.00  | 
 9.92  | 
| 
 3  | 
 -1  | 
 +1  | 
 -1  | 
 -1  | 
 10.34  | 
 10.30  | 
| 
 4  | 
 +1  | 
 +1  | 
 -1  | 
 -1  | 
 9.99  | 
 10.07  | 
| 
 5  | 
 -1  | 
 -1  | 
 +1  | 
 -1  | 
 9.85  | 
 9.84  | 
| 
 6  | 
 +1  | 
 -1  | 
 +1  | 
 -1  | 
 9.75  | 
 9.74  | 
| 
 7  | 
 -1  | 
 +1  | 
 +1  | 
 -1  | 
 10.33  | 
 10.38  | 
| 
 8  | 
 +1  | 
 +1  | 
 +1  | 
 -1  | 
 10.08  | 
 10.04  | 
| 
 9  | 
 -1  | 
 -1  | 
 -1  | 
 +1  | 
 9.85  | 
 9.83  | 
| 
 10  | 
 +1  | 
 -1  | 
 -1  | 
 +1  | 
 10.03  | 
 10.02  | 
| 
 11  | 
 -1  | 
 +1  | 
 -1  | 
 +1  | 
 9.97  | 
 10.01  | 
| 
 12  | 
 +1  | 
 +1  | 
 -1  | 
 +1  | 
 10.01  | 
 9.95  | 
| 
 13  | 
 -1  | 
 -1  | 
 +1  | 
 +1  | 
 9.78  | 
 9.73  | 
| 
 14  | 
 +1  | 
 -1  | 
 +1  | 
 +1  | 
 9.81  | 
 9.79  | 
| 
 15  | 
 -1  | 
 +1  | 
 +1  | 
 +1  | 
 10.03  | 
 10.05  | 
| 
 16  | 
 +1  | 
 +1  | 
 +1  | 
 +1  | 
 9.84  | 
 9.87  | 
| 
 17  | 
 -2  | 
 0  | 
 0  | 
 0  | 
 9.97  | 
 9.96  | 
| 
 18  | 
 +2  | 
 0  | 
 0  | 
 0  | 
 9.76  | 
 9.80  | 
| 
 19  | 
 0  | 
 -2  | 
 0  | 
 0  | 
 9.48  | 
 9.56  | 
| 
 20  | 
 0  | 
 +2  | 
 0  | 
 0  | 
 10.09  | 
 10.04  | 
| 
 21  | 
 0  | 
 0  | 
 -2  | 
 0  | 
 10.26  | 
 10.29  | 
| 
 22  | 
 0  | 
 0  | 
 +2  | 
 0  | 
 10.15  | 
 10.15  | 
| 
 23  | 
 0  | 
 0  | 
 0  | 
 -2  | 
 10.07  | 
 10.08  | 
| 
 24  | 
 0  | 
 0  | 
 0  | 
 +2  | 
 9.83  | 
 9.85  | 
| 
 25  | 
 0  | 
 0  | 
 0  | 
 0  | 
 10.57  | 
 10.54  | 
| 
 26  | 
 0  | 
 0  | 
 0  | 
 0  | 
 10.59  | 
 10.54  | 
| 
 27  | 
 0  | 
 0  | 
 0  | 
 0  | 
 10.55  | 
 10.54  | 
| 
 28  | 
 0  | 
 0  | 
 0  | 
 0  | 
 10.51  | 
 10.54  | 
| 
 29  | 
 0  | 
 0  | 
 0  | 
 0  | 
 10.51  | 
 10.54  | 
| 
 30  | 
 0  | 
 0  | 
 0  | 
 0  | 
 10.50  | 
 10.54  | 
表3 二次多项模型及其各项的方差分析表
| 
 Source  | 
 Sum of Square  | 
 DF  | 
 Mean Square  | 
 F Value  | 
 Prob〉F  | 
| 
 Model  | 
 2.43  | 
 14  | 
 0.17  | 
 53.14  | 
 <0.0001  | 
| 
 X1  | 
 0.038  | 
 1  | 
 0.038  | 
 11.77  | 
 0.0037  | 
| 
 X2  | 
 0.34  | 
 1  | 
 0.34  | 
 103.02  | 
 <0.0001  | 
| 
 X3  | 
 0.029  | 
 1  | 
 0.029  | 
 9.01  | 
 0.0089  | 
| 
 X4  | 
 0.082  | 
 1  | 
 0.082  | 
 25.03  | 
 0.0002  | 
| 
 X12  | 
 0.74  | 
 1  | 
 0.74  | 
 228.33  | 
 <0.0001  | 
| 
 X22  | 
 0.94  | 
 1  | 
 0.94  | 
 287.11  | 
 <0.0001  | 
| 
 X32  | 
 0.17  | 
 1  | 
 0.17  | 
 53.53  | 
 <0.0001  | 
| 
 X42  | 
 0.57  | 
 1  | 
 0.57  | 
 173.24  | 
 <0.0001  | 
| 
 X1 X2  | 
 0.058  | 
 1  | 
 0.058  | 
 17.66  | 
 0.0008  | 
| 
 X1 X3  | 
 0.014  | 
 1  | 
 0.014  | 
 4.41  | 
 0.0530  | 
| 
 X1 X4  | 
 0.027  | 
 1  | 
 0.027  | 
 8.35  | 
 0.0112  | 
| 
 X2 X3  | 
 0.020  | 
 1  | 
 0.020  | 
 6.01  | 
 0.0270  | 
| 
 X2 X4  | 
 0.046  | 
 1  | 
 0.046  | 
 14.17  | 
 0.0019  | 
| 
 X3 X4  | 
 0.002  | 
 1  | 
 0.002  | 
 0.62  | 
 0.4430  | 
| 
 Residual  | 
 0.049  | 
 15  | 
 0.003  | 
 | 
 | 
| 
 Lack of Fit  | 
 0.042  | 
 10  | 
 0.004  | 
 3.05  | 
 0.1148  | 
| 
 Pure Error  | 
 0.007  | 
 5  | 
 0.001  | 
 | 
 | 
| 
 Cor Total  | 
 2.48  | 
 29  | 
 | 
 | 
 | 
| 
 | 
 | 
 | 
 R=0.9901  | 
 R2=0.9802  | 
 RAdj2=0.9618  | 
图6显示了葡萄糖与CaCO3 对L.sake菌体浓度的交互影响效应。由图6可知,在
CaCO3 试验水平范围内,菌体浓度随着葡萄糖浓度的增加呈先上升后下降的趋势。在葡萄糖试验水平范围内,菌体浓度随 CaCO3,浓度的增加呈先上升后下降的趋势。当葡萄糖与 CaCO3,分别保持在l7.86-21.
图7显示了蛋白胨与番茄汁对 L.sake菌体浓度的交互影响效应。由图7可知,在番茄汁浓度一定时,菌体浓度随蛋白胨浓度的增加呈先上升后下降的趋势, 在其浓度处于19.17 -23.
蛋白胨与CaCO3 对 L.sake菌体浓度的交互影响效应见图8。由图8可见,在本实验水平范围内,随着培养基中蛋白胨含量的增大,L.sake的菌体浓度增加,但当蛋白胨浓度超出一定量时, 反而抑制了L.sake的增殖。即当蛋白胨浓度处于19.16- 24.
图9和图10分别显示了葡萄糖与番茄汁、番茄汁与CaCO3,的交互影响效应。表明两者的交互作用均不显著。
为了获得培养基组分的最佳点,对L.sake菌体浓度的二次多项数学模型解逆矩阵, 得到模型的极值点:葡萄糖 l8.
3结论
响应曲而法(RSM) 是优化和评价影响生物产量的各种因变量水平和交互作用的有效方法之一。 该法已经被广泛地应用于各类培养基以及发酵条件的优化[10-12]。
为了提高包囊化清酒乳杆菌的菌体浓度,本研究首先通过单因素实验,确定了包囊化清酒乳杆菌的最佳碳源为葡萄糖;最佳氮源为蛋白胨;最佳促生长因子为番茄汁;pH缓冲剂CaCO3,最佳浓度为0.5%。在此基础上,采用旋转中心组分设计、响应曲面法对以上四个关键培养基组分进行了优化,得出最佳响虚值。最终优化所得的增殖培养基配方为(L-1): 乳清粉
作者: 袁媛1,陈晓红1,姜梅1,努尔古丽·热合曼1,2,Muhammed MalikHashim1,3, 董明盛1
作者单位: 1南京农业大学食品科技学院,江苏南京 210095:2新疆师范大学生命科学与化学学院; 3Gomal University,D.I.Khan,Pakistan  
参考文献 
[1]杨沽彬,凌代文,郭兴华,等.乳酸菌-生物学基础及应用[M]. 北京:中国轻工业 版社,1996.
[2]吕嘉枥,丁博.浓缩乳酸菌发酵剂的浓缩培养的研究进展.食品科技,2007,(7):5 - 8.
[3]Gonzalez - Mmlinez,M.Becerra,M.Chafer,A.Albors,J.Carot and A.Ch irah.Influence of substituting milk pmvder for whey powder on yogurt  quality[J].Trends   in Food Science &Technology , 2002.13:334 -340 
[4]凌代文,东秀珠.乳酸菌细菌分类鉴定及实验方法[M].北京:中国轻工业出版社。 1999:85- 86    
[5]Yoo IK,Seong GH Chang HN,Park JK.Encapsulation of Lactobacillus casei cells   in liquid - core alginate capsules for lactic acid production [J].Enzyme Microb.Technol,1 996,19:428 - 433.
[6]包永华.乳酸菌液芯包囊幽定化技术及其模拟酸奶连续发酵的研究[M].南京农业火学硕士学位论文,2006.
[7]周剑忠,江汉湖,董明盛,等.液芯包囊乳酸菌细胞释放及浓缩培养的初步研究[J]食品工业科技,2004,(5):70 - 72.
[8]黄丽金,陆兆新,袁勇军.响应曲面法优化德氏乳杆菌保加利亚亚种增殖培养[J].食品科学,2005,26 (5):103- 107.
[9]V.Venkata Dasu,T.Panda.Optimization of microbiological parmneters for enha nced griseofulvin prnduction using response surface methodology  [J] Bioprocess Engineer ing 2000,22:45-49. 
[10]Ratnam B V V,Narasimha R M,Dmodar R M,et a1. Optinfization of fermenta tion conditions for the production of ethanol from sago starch by  co-immobilized amylogl u cosidase and cells of Zymomonas mobilis using response surface methodology [J].Enzyme  and Microbial Technology,2006,38:209 - 214. 
[11] Tang X.J,He  G.Q.,chen  Q.H.eta1.Medium optimization for the prod uction of thermal stable B-glucanase by Bacillus subtilis ZJ
[12]Li C,Bai J,Cai Z.Optinfization of a cuhural medium for bacterioein production  by Laetococcus lactis using response surface methodology [J].J Biotechnol,2002.93:27-34     
| 相关文章: | |
| 液芯包囊化清酒乳杆菌增殖培养基的优化(1) | |
