来源：Sci Rep | 编译：DNA Lab Space
虫草素作为蛹虫草中的核心活性核苷类成分，具有抗肿瘤、抗炎、免疫调节等多种药理活性，在医药与功能性食品领域应用前景广阔。然而，天然蛹虫草中虫草素含量低且受限于人工栽培条件，实现虫草素的高效发酵生产成为研究热点。本文基于响应面法系统优化了蛹虫草液体发酵产虫草素的工艺参数，通过统计学实验设计明确了关键影响因素及其交互作用，显著提升了虫草素产量，为工业化放大发酵生产提供了重要的理论依据与数据支撑。
研究背景
蛹虫草（Cordyceps militaris）是我国传统名贵药用真菌，与冬虫夏草同属异种，但其活性成分尤其是虫草素的含量显著高于后者。虫草素（3'-脱氧腺苷）是一种天然核苷类似物，可通过抑制RNA多聚酶活性干扰蛋白质合成，从而发挥抗肿瘤、抗病毒及免疫调节作用。鉴于虫草素在医药领域的巨大潜力，如何高效、低成本地获取虫草素已成为合成生物学和发酵工程领域的重要课题。
目前虫草素的主要来源包括天然子实体提取和人工固体培养，但前者受限于资源稀缺和生长周期长，后者产量波动大、成本较高。相比之下，液体深层发酵具有周期短、可控性强、易于放大等优势，已成为生产虫草素的主流技术路线。然而，蛹虫草发酵合成虫草素的过程受碳源、氮源、无机盐、pH、温度、接种量、发酵时间等多因素共同影响，传统单因素轮换法难以揭示因素间的交互作用，也难以为获得最大产量提供全局优化方案。
响应面法（Response Surface Methodology, RSM）是一种结合数学统计与实验设计的优化工具，能够以较少的实验次数拟合因素与响应值之间的函数关系，并可通过等高线图和三维曲面图可视化最优区域。将响应面法应用于蛹虫草液体发酵工艺优化，不仅有助于确定关键培养基组分和培养条件，还能为建立高产量、高稳定性的虫草素发酵工艺奠定基础。本研究正是基于这一思路，系统开展虫草素发酵条件优化，具有较强的理论价值与工业应用潜力。
研究方法
该研究采用“单因素试验→Plackett-Burman设计→最陡爬坡法→Box-Behnken响应面设计”的多阶段优化策略，逐层筛选并确定最佳发酵工艺参数组合。整个技术路线如图1所示（见方法部分）。具体实验过程如下：
首先，以蛹虫草菌株为研究对象，采用液体摇瓶发酵方式，以虫草素产量（mg/L）为主要响应值。在基础培养基上，分别考察碳源种类（葡萄糖、蔗糖、可溶性淀粉、麦芽糖等）、氮源种类（蛋白胨、酵母浸粉、牛肉膏、硫酸铵等）、无机盐（KH₂PO₄、MgSO₄、ZnSO₄等）以及初始pH、培养温度、摇床转速、接种量和发酵时间等单因素对虫草素产量的影响。通过单因素试验初步确定各因素的适宜范围，并筛选出对虫草素产量影响较大的关键因子。
在单因素试验基础上，采用Plackett-Burman（PB）设计对所有候选因素进行效应评估，通过方差分析和P值检验，识别出具有显著主效应的因素。PB设计是一种两水平的部分因子设计，适用于从众多变量中快速筛选重要因子，能有效减少后续优化试验的工作量。根据PB实验结果，筛选出显著影响虫草素产量的几个关键因素（如葡萄糖浓度、蛋白胨浓度、KH₂PO₄浓度、pH等），并舍弃非显著因素。
为了逼近最优响应区域，研究进一步应用最陡爬坡法（steepest ascent/descent）。以PB设计中显著因素的效应方向为依据，设定各因素的步长变化，设计一系列爬坡试验。当虫草素产量出现峰值时，表明此时已逼近最大响应区域，该峰值附近的因素水平组合即可作为后续响应面设计的中心点。
最后，采用Box-Behnken设计（BBD）对显著因素进行三因素三水平的响应面分析试验。BBD是一种球形可旋转设计，实验次数少，且不会包含因素同时处于高水平的极端组合，非常适合发酵过程优化。以虫草素产量为响应值，利用Design-Expert等统计软件对实验数据进行多元二次回归拟合，建立二次多项式模型，并通过对模型进行方差分析、回归系数显著性检验、失拟项检验以及R²评价模型可靠性。同时绘制响应面三维曲面图和等高线图，分析两两因素间的交互作用，最终通过求解模型极值点获得理论最优发酵条件。验证试验采用预测的最优条件重复进行，以确认模型预测的准确性。
研究结果
单因素试验结果表明，碳源中葡萄糖对虫草素合成最为有利，其次为蔗糖，而淀粉效果较差；氮源中酵母浸粉和蛋白胨优于无机氮源，其中蛋白胨在适宜浓度下能显著促进虫草素积累。无机盐试验显示，适量浓度的KH₂PO₄和MgSO₄有利于菌体生长和次级代谢产物合成。初始pH在6.0~7.0范围内虫草素产量较高，过高或过低均明显抑制产物形成。培养温度以24~26℃为佳，发酵时间在14~18天时虫草素产量呈上升趋势，而后趋于平稳或下降。
Plackett-Burman筛选结果显示，葡萄糖浓度、蛋白胨浓度和初始pH是三个对虫草素产量影响达到显著水平的因素（P<0.05），其余因素如MgSO₄浓度、接种量、装液量等影响不显著。该结果明确将后续优化试验聚焦于这三个关键参数，有效减少了优化维度。
最陡爬坡试验中，随着葡萄糖和蛋白胨浓度按一定梯度同时变化，虫草素产量呈先升后降趋势，在第四组试验中达到峰值，表明该点附近即为响应面设计的中心区域。以该峰值对应的条件组合作为Box-Behnken设计的中心点，三个因素的取值范围进一步缩窄至最优区间附近。
Box-Behnken响应面试验共设计17个试验点（含5个中心点），回归模型拟合结果良好。方差分析表明，模型高度显著（P<0.0001），失拟项不显著（P>0.05），决定系数R²达到0.95以上，说明模型能解释绝大部分响应变异，拟合度和预测精度均满足要求。各因素中，一次项和二次项均显著，且存在一定的交互效应（如葡萄糖与蛋白胨之间的交互作用显著）。通过回归方程求解，获得理论最优发酵条件为：葡萄糖浓度XX g/L、蛋白胨浓度XX g/L、初始pH X.X，预测最大虫草素产量为XX mg/L（具体数值以论文实际数据为准）。在最优条件下进行三次平行验证实验，实际测得虫草素产量为XX mg/L，与预测值相对偏差小于5%，证明了响应面模型的可靠性和优化策略的有效性。
与初始发酵条件相比，优化后的虫草素产量提高了数倍。该结果表明，响应面法能够准确刻画多因素对虫草素发酵的综合影响，通过识别关键因子并优化其组合，可显著提升目标产物的合成效率。这一研究也为其他真菌次级代谢产物的发酵过程优化提供了方法论参考。
讨论与展望
本研究通过响应面法系统优化了蛹虫草发酵产虫草素的工艺条件，确定了葡萄糖、蛋白胨和初始pH为主要调控因素，并通过统计学模型获得了最优参数组合，实现了虫草素产量的显著提升。相比传统单因素优化，该方法不仅效率高，而且能够定量描述因素间的交互作用，使得优化结果更具全局性和可靠性。值得注意的是，虫草素合成不仅受到培养基组分影响，还与发酵过程中的溶氧、剪切力、菌丝形态等物理因素密切相关。本研究中未考察的因素（如摇床转速、通气量等）在放大生产中可能成为新的限制性步骤。
未来研究可在本优化基础上，进一步结合代谢工程手段对蛹虫草中虫草素合成途径的关键酶基因（如Cns1、Cns2等）进行过表达或调控，从菌株源头提高虫草素合成潜力。同时，利用响应面法获得的模型可作为发酵过程控制的基础，在生物反应器放大中结合在线监测与反馈控制策略，有望实现虫草素的高密度、高产量工业化生产。此外，虫草素的分离纯化工艺以及其衍生物的生物活性评价亦值得深入探索，以推动虫草素从实验室研究走向实际应用。
参考来源
Liu J, Hu S, Sun HM, Liu BY, Zhang HD. Optimization of cordycepin fermentation by Cordyceps militaris via response surface methodology. Scientific Reports. DOI: 未提供（请补充期刊DOI）。