ω-轉胺酶（ω-TA）在手性胺類化合物的合成中扮演著關鍵角色，廣泛應用於製藥、農業化學等領域。然而，傳統的ω-TA生產方法效率較低，難以滿足日益增長的市場需求。近期，一項研究聚焦於利用水生芽孢桿菌（*Bacillus inaquosorum*）AGSP2菌株，結合傳統統計設計方法與人工智慧（AI）輔助優化策略，顯著提升了ω-TA的生產效率，為該酶的工業化應用開闢了新的途徑。
AGSP2菌株的潛力：一種高效的ω-TA生產平台
研究團隊首先篩選並鑑定出*Bacillus inaquosorum* AGSP2菌株，發現其具有優異的ω-TA生產能力。與其他常見的ω-TA生產菌株相比，AGSP2菌株在特定培養條件下，表現出更高的酶活性和更快的生長速度。這使得AGSP2菌株成為一個極具潛力的ω-TA生產平台。
傳統統計設計方法的應用：優化培養基成分
為了進一步提升AGSP2菌株的ω-TA生產能力，研究人員採用了傳統的統計設計方法，例如Plackett-Burman設計和響應曲面法（RSM），對培養基成分進行了優化。通過系統地調整碳源、氮源、無機鹽等成分的比例，研究團隊成功地確定了最佳的培養基配方。實驗結果表明，優化後的培養基能夠顯著提高ω-TA的產量，與未優化的培養基相比，酶活性提升了近30%。
AI輔助優化策略：突破傳統方法的局限
儘管傳統統計設計方法在培養基優化方面取得了顯著成效，但其仍然存在一些局限性，例如需要大量的實驗數據，且難以處理複雜的非線性關係。為了克服這些局限，研究團隊引入了AI輔助優化策略，利用機器學習算法對實驗數據進行分析，建立ω-TA產量與培養條件之間的預測模型。
具體而言，研究人員採用了人工神經網絡（ANN）模型，並利用遺傳算法（GA）對ANN模型的參數進行優化。實驗結果表明，AI輔助優化策略能夠更精確地預測ω-TA的產量，並找到更優的培養條件。與傳統統計設計方法相比，AI輔助優化策略能夠進一步提高ω-TA的產量，酶活性提升了約15%。
數據佐證：雙重優化策略的顯著效果
綜合來看，通過傳統統計設計方法和AI輔助優化策略的雙重優化，AGSP2菌株的ω-TA生產能力得到了顯著提升。具體數據顯示，與最初的培養條件相比，優化後的培養條件下，ω-TA的酶活性提高了近50%。此外，研究團隊還對優化後的ω-TA進行了酶學性質分析，發現其具有良好的熱穩定性和pH穩定性，能夠在較寬的溫度和pH範圍內保持較高的活性。
結論與研判：ω-TA工業化生產的新方向
這項研究成功地展示了利用*Bacillus inaquosorum* AGSP2菌株，結合傳統統計設計方法和AI輔助優化策略，高效生產ω-TA的可行性。研究結果不僅為ω-TA的工業化生產提供了新的方向，也為其他生物酶的生產優化提供了有益的參考。
可以預見的是，隨著AI技術的不断发展，AI輔助優化策略將在生物工程领域发挥越来越重要的作用。未来，研究人员可以进一步探索更先进的AI算法，例如深度学习，以实现更精准的生物过程优化，从而推动生物产业的快速发展。此外，对AGSP2菌株的基因组进行深入分析，挖掘其潜在的代谢途径，也有助于进一步提高ω-TA的生产效率。
Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機 Date: April 18, 2026