申请/专利权人：天津科技大学

申请日：2021-01-26

公开（公告）日：2024-05-28

公开（公告）号：CN112795511B

主分类号：C12N1/20

分类号：C12N1/20;C12N1/02;G06N20/00;G06N20/10;C12R1/145

优先权：

专利状态码：有效-授权

法律状态：2024.05.28#授权;2021.06.01#实质审查的生效;2021.05.14#公开

摘要：本发明属于微生物技术领域，尤其涉及一种基于机器学习高通量筛选丙酮丁醇梭菌优良菌株的方法。包括如下步骤：S1、将出发菌株在充分展示差异的条件下进行单菌培养，检测菌体的发酵过程参数和丁醇丁酸产量作为样本；S2、利用关联性分析，对过程参数进行数据清洗，并以过程参数为输入值，目标值即丁醇丁酸产量为输出值，建立筛选模型；S3、对野生菌进行改造，产生突变文库；S4、批量培养步骤S3产生的突变株，获得过程参数，根据步骤S2得到的模型进行高通量筛选，得到目标菌株。首次将机器学习应用在丙酮丁醇梭菌的选育中，在准确预测产物产量的同时，有效缩短了菌株筛选周期，节约了劳动量，搭建了按照工业化标准筛选微生物的技术。

主权项：1.一种高通量筛选丙酮丁醇梭菌菌株的方法，其特征在于，包括如下步骤：S1、将出发菌株在充分展示差异的条件下进行单菌培养，检测菌体的发酵过程参数和丁醇丁酸产量作为样本；在发酵24h、96h各设置一个检测点，检测过程参数以及丁醇丁酸产量，构建数据集；所述过程参数为：菌体浓度、发酵液pH、菌体氧化还原能力、葡萄糖利用能力、副产物乙醇的产量；S2、利用关联性分析，对过程参数进行数据清洗，并以步骤S1中所述过程参数为输入值，目标值即丁醇丁酸产量为输出值，建立筛选模型；步骤S2中，将90%的样本作为训练集用于模型建立，模型数量不少于4个；所述模型包括但不限于支持向量机、神经网络模型、偏最小二乘法回归、主成分回归、遗传算法、粒子群优化算法、随机森林、k-近邻算法；将10%的样本作为测试集，用于检测构建模型的准确度，选择准确度较高且R2大于0.9的模型进行K-CV泛化能力测试，确定最适模型为支持向量机模型；S3、对丙酮丁醇梭菌出发菌株进行改造，产生突变文库；S4、批量培养步骤S3产生的突变株，获得如S1所述的过程参数，根据步骤S2得到的支持向量机模型进行高通量筛选，得到目标菌株；步骤S1中充分展示差异的条件以及步骤S3中对野生菌进行改造的方法包括分子改造处理后进行培养；在充分展示差异的条件下获得的样本量不少于500个。

全文数据：

权利要求：

百度查询： 天津科技大学 一种高通量筛选丙酮丁醇梭菌菌株的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD