试验设计及试验设计统计

1、试验设计在工业化发酵生产中， 发酵培养基 的设计是十分重要的，因为培养基 的成分对产物浓度、菌体生长都有重要的影响。实验设计方法开展至今可 供人们根据实验需要来选择的余地也很大。实验设计方法1.1单因素法单因素方法(One at a time)的根本原理是保持培养基中其他所有组 分的浓度不变，每次只研究一个组分的不同水平对发酵性能的影响。这种 策略的优点是简单、容易，结果很明了，培养基组分的个体效应从图表上 很明显地看出来，而不需要统计分析。这种策略的主要缺点是：忽略了组 分间的交互作用，可能会完全丧失最适宜的条件；不能考察因素的主次关 系；当考察的实验因素较多时，需要大量的实验和较长的实验周

2、期。但由 丁它的容易和方便，单因素方法一直以来都是培养基组分优化的最流行的 选择之一。1.2正交实验设计正交设计(Orthogonal design)就是从“均匀分散、整齐可比的角 度出发，是以拉丁方理论和群论为根底， 用正交表来安排少量的试验，从 多个因素中分析出哪些是主要的，哪些是次要的，以及它们对实验的影响 规律，从而找出较优的工艺条件。石炳义等利用正交实验设计优化了新型 抗生素AGPM的发酵培养基，结果在优化后的培养基上单位发酵液的活性比 初始培养基提高了18.9倍。正交实验不能在给出的整个区域上找到因素和 响应值之间的一个明确的函数表达式即回归方程,从而无法找到整个区域上因素的最正确

3、组合和响应值的最优值。而且对丁多因素多水平试验，仍需 要做大量的试验，实施起来比拟困难。1.3均匀设计均匀设计(Uniform design)是我国数学家方开泰等独创的将数论与多元统计相结合而建立起来的一种试验方法。 这一成果已在我国许多行业中 取得了重大成果。均匀设计最适合丁多因素多水平试验，可使试验处理数 目减小到最小程度，仅等丁因素水平个数。虽然均匀设计节省了大量的试 验处理，但仍能反映事物变化的主要规律。1.8Box- Behnken设计在全因子设计Full factorial design中各因素的不同水平问的各种组合都将被实验。全因子的全面性导致需要大量的试验次数。一般利用全 因子

4、设计对培养基进行优化实验都为两水平，是能反映因素问交互作用排斥或协同效应的最小设计。全因子试验次数的简单算法为以两因素为 例：两因素设计表示为a x b,第一个因素研究为a个水平,第二个因素为b个水平。Thiel等试验了两个因素：7个菌株在8种培养基上，利用7 X 8 56个不同重复。Prapulla等试验了三个因素：碳源糖蜜4% 6% 8% 10% 12% ,氮源NH4NO3g/L、0.13g/L、0.26g/L、0.39g/L、0.52g/L、和接种量10% 20%,利用5 X 5 X 2设计50个不同重 复。1.5局部因子设计当全因子设计fractional factorial desi

5、gn所需试验次数实际不可行时局部重复因子设计是一个很好的选择。在培养基优化中经常利用二水平局部因子设计，但也有特殊情况，如Silveira等试验了11种培养基成分，每成分三水平，仅做了27组实验，只是311全因子设计177147组当中的很小一局部。两水平局部因子设计表示为：2n- k, n是因子数目，1/2k是实施全因子设计的分数。这些符号告诉你需要多少次试验。虽然通常部 分因子设计没有提供因素的交互作用，但它的效果比单因素试验更好。1.6Plackett-Burman设计由Plackett和BurmanPlackett-Burman design提出，这类设计是两水平局部因子试验，适用丁从众

6、多的考察因素中快速、有效的筛选出最为重要的几个因素，供进一步详细研究用。理论上讲PB试验应该应用在因子存在累加效应，没有交互作用一因子的效应可以被其他因子所提高或 削弱的试验上。实际上，倘假设因子水平选择恰当，设计可以得到有用的结果。Castro等利用PB试验对培养基中的20种组分仅进行了24次试验，使Y -干扰素的产量提高了近45%1.7中心组合设计中心组合设计Central composite design 有Box和Wilson提出, 是响应曲面中最常用的二阶设计，它由三局部组成：立方体点、中心点和 星点。它可以被看成是五水平局部因子试验，中心组合设计的试验次数随 着因子数的增加而呈指数

7、增加。由Box和Behnken (Central composite design )提出。当因素较多时， 作为三水平局部因子设计的Box - Behnken设计是相对丁中心组合设计的较优选择。和中心组合设计一样，Box - Behnken设计也是二水平因子设计产生的。 二、实验设计统计目前，对培养基优化实验进行数学统计的方法很多，下面介绍几种目 前应用较多的优化方法2.1响应曲面分析法Box和Wilson提出了利用因子设计来优化微生物产物生产过程的全面 方法，Box-Wilson方法即现在的响应曲面法(Response Surface Methodolog ,简称RSM。RS说一种有效的统计

8、技术，它是利用实验数据，通过建立数学模型来解决受多种因素影响的最优组合问题。通过对RSM的研究说明，研究工作者和产品生产者可以在更广泛的范围内考虑因素的组 合，以及对响应值的预测，而均比一次次的单因素分析方法更有效。现在 利用SAS软件可以很轻松地进行响应面分析。2.2改良单纯形优化法单纯形优化法(Modified simplex method)是近年来应用较多的一种多因素优化方法。它是一种动态调优的方法，不受因素数的限制。由丁单纯 形法必须要先确定考察的因素，而且要等一个配方实验完后才能根据计算 的结果进行下一次实验，因此主要适用丁实验周期较短的细菌或重组工程发酵培养基的优化，以及不能大量实施的发酵罐培养条件的优化。2.3遗传算法Genetic algorithm法是一种基丁自然群体遗传演化机制的高效探索算 法，它是美国学者Holland丁1975年首先提出来的。它摒弃了传统的搜索 方式，模拟自然界生物 进化过程,采用人工进化的方式对目标空间进行随 机化搜索。它将问题域中的可能解看作是群体的一个个体或染化体、并将每一个体编码成符号申形式，模拟达