[发明专利]一种高通量筛选丙酮丁醇梭菌菌株的方法

说明书

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。

技术领域：

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。

背景技术：

丙酮丁醇梭菌是已知的最古老的工业发酵菌株之一。丙酮丁醇梭菌由于其代谢的多样性，在生物炼制领域被认为是具有吸引力的平台菌株。发酵产物之一的丁醇作为一种四碳醇，被认为是一种比乙醇性能更加优越燃料。生物丁醇被公认为下一代生物燃料，吸引了全世界研究者的目光。而另一产物丁酸在化工行业，食品行业，医药行业以及香水中都有广泛的应用。

然而，通过生物炼制生产生物丁醇/丁酸面临着巨大挑战，具体为以下两点：1.控制丙酮丁醇梭菌从产酸期向产溶剂期的代谢转化。在ABE工业发酵中，原料经过预处理后的水解液中含有糠醛，五羟甲基糠醛等抑制物，而这些抑制物会阻碍丙酮丁醇梭菌从产酸期向产溶剂期进行转化。2.严重的产物抑制所造成的生产限制。ABE发酵液中丁醇的浓度相比于乙醇工业发酵小一个数量级，导致了生物丁醇昂贵的回收成本。解决这些挑战的核心在于构建适合工业生产的菌株。

近些年，针对于丙酮丁醇梭菌核心代谢途径的中关键酶基因进行了过表达，插入，删除等一系列分子生物学技术的改造。但由于丙酮丁醇梭菌生理代谢的复杂性，利用理性代谢工程技术改造菌株的策略提升的丁醇/丁酸产量是十分有限的。由于众多未知因素决定了丙酮丁醇梭菌的表型，通过反义策略筛选符合目标的表型依旧是当下最有效的方法。该策略的关键在于菌种筛选的效率。遗憾的是，至今为止，还没有快速，准确，廉价的丁醇/丁酸检测方法，这严重阻碍了梭菌高通量筛选技术的发展。

目前的高通量筛选技术主要采用了间接策略，选择一个与丁醇/丁酸相关性较高的参数并通过指示剂或酶促反应等进行可视化，以此作为筛选依据。然而由于丁醇生物合成的复杂性，不能仅以某一个参数作为筛选依据。

随着近年来机器学习算法的进步，出现了强大的工具可以用于建立新的菌株筛选方法。本发明利用机器学习算法(支持向量机，神经网络，深度学习等)描述丁醇/丁酸产量与过程参数之间复杂的关系，通过挖掘过程参数与目标化合物产量之间的稳定关系，进行目标化合物生产菌株的准确筛选，从而搭建新的高通量筛选模型。

发明内容：

本发明提供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。首次将机器学习应用在丙酮丁醇梭菌的选育中，在实现准确预测产物产量的同时，有效地缩短了菌株的筛选周期，节约了劳动量，搭建了按照工业化标准筛选微生物的技术。

本发明提供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获得检测样本，检测特定时间点菌体的发酵过程参数和对应的丁醇(或丁酸)产量；

进一步地，步骤S1中，充分展示差异的条件包括：培养基中人为添加不同浓度糠醛抑制物、对菌株进行诱变处理或分子改造处理后进行培养；

进一步地，步骤S1中，在充分展示差异的条件下获得的样本量应不少于500个；

进一步地，步骤S1中，过程参数包括但不限于菌体浓度、发酵液pH、菌体氧化还原能力、葡萄糖利用能力(发酵液中残糖)、副产物的产量(乙醇)；

进一步地，步骤S1中，在发酵24h、96h各设置一个检测点；