20、酶催化反应中的优化与数学方法

酶催化反应中的优化与数学方法

1. 产量模型分析

在研究产量行为时，最佳统计模型为二阶模型。使用编码变量，该模型及其参数如下：
$\hat{y} = 31.0 - 1.6 \times x_{lac} + 0.67 \times x_{temp} + 2.69 \times x_{lac} \times x_{temp} - 2.46 \times x_{lac}^2 - 0.45 \times x_{temp}^2$
模型参数从左到右的 95%置信区间分别为：$\pm0.46$，$\pm0.39$，$\pm0.39$，$\pm0.56$，$\pm0.41$，$\pm0.41$。线性项的大小表明乳糖浓度对产量的影响比温度更大。然而，在实验范围内，初始乳糖浓度的增加对产量有负面影响。遗憾的是，该模型无法预测使产量最大化的温度和初始乳糖浓度的最佳值。

2. 葡萄糖糖浆生产问题

在一个 BSTR 中，使用固定化β - 半乳糖苷酶从乳糖浓度为 285.71 mM 的浓缩乳清渗透液中生产葡萄糖糖浆。该酶受到半乳糖的竞争性抑制。BSTR 的工作体积为 1000 L，装载了比活性为 368.5 IU/g 的生物催化剂 60 g/L，在 30°C 下以重复批次模式运行，每批最终转化率为 85%。生物催化剂在 30°C 下的动力学和失活参数为：$K_M = 30.14$ mM，$K_{IC} = 16.64$ mM，$k_D = 0.0031$ h⁻¹。

催化剂更换时的残余活性（初始活性的 %）	比生产率（kg 葡萄糖·kg 催化剂⁻¹·h⁻¹）