摘要
微藻发酵试错优化作为构建微藻细胞工厂的关键环节，对于提升微藻产量至关重要。微藻发酵试错优化的关键在于寻找通过寻找能够最大化微藻产量的外源添加剂，使微藻细胞工厂得以高效生产人们所需的资源，从而丰富和绿化人们的生活。然而，目前微藻发酵试错优化采用人工探索的方式，人工探索通常仅限于一至两种添加剂的混合优化，这可能忽略了多种添加剂间潜在的协同作用。此外，微藻发酵试错优化的过程周期长、成本高，盲目的人工的探索不仅耗费资源，也浪费时间。 首先，本文利用结合添加剂差异的批贝叶斯优化模型来解决人工筛选添加剂的维度低问题。该模型通过使用基于径向基核函数的高斯过程来学习已有实验数据的信息，并且采用一个结合了各添加剂差异的局部惩罚项，筛选出下一批具有最佳“潜力”的候选添加剂浓度组合，从而进行微藻发酵观测，使之可以更快找到最优的添加剂组合浓度。本文通过在仿真黑盒函数上与其他常用的批次处理策略进行比较，本文的模型通过结合添加剂差异，可以更快的找到全局最优值。接着在真实的裂殖壶菌发酵优化中，探索发现了一个可以使裂殖壶菌油脂含量达到17.44g的添加剂组合浓度，超过单一外源添加剂得到的15.14g。 其次，为了更好的提升探索效率，本文结合专家知识经验判断，利用卷积多输出高斯过程以及局部惩罚项构建混合批贝叶斯优化模型进行微藻发酵试错优化。模型通过使用共区域化的思想将专家知识经验判断引入进来，同时使用异构的多输出采集函数评价策略减少在微藻发酵产量提升作用不大的区域的推荐次数，从而减少微藻培养资源的消耗。本文通过在仿真黑盒函数上与其他常用的批次处理策略进行比较，模型通过结合专家知识经验判断，减少在无用区域的探索，更快的找到全局最优值。目前这项工作已经在微藻发酵试错优化上取得了初步的成效。 综上所述，本文的工作主要是对微藻发酵试错优化进行高效化处理以及减少微藻发酵试错优化中的一些资源消耗，并且目前已经应用在裂殖壶菌发酵的真实场景中，成功使其找到一组可以使裂殖壶菌发酵二十二碳六烯酸产量上升很大的外源添加剂组合浓度。同时，本文的模型也是一个通用的模型，不仅仅只是应用在这一种微藻上面，也可以应用在其他的生物学上的试错优化实验，这对于跨领域合作的具有积极推进的作用以及意义。
NETL