發酵過程控制及檢測作為發酵穩定的保障，對于提高工藝水平和保證產品質量、提升生產效率具有重要作用。
在氧化葡萄糖酸桿菌生產2-KLG(2-酮基-D-葡萄糖酸)的過程中，需要不斷的補加葡萄糖，氧化葡萄糖酸桿菌會快速的將糖轉化為酸，隨著酸的快速積累會抑制氧化葡萄糖酸桿菌的產酸能力，從而降低對葡萄糖的高效利用、影響2-KLG的產量。
發酵過程pH控制
氧化葡萄糖酸桿菌生產2-KLG的培養過程中，使用天木生物Tmax Bio-5L發酵罐進行，以驗證其pH控制的穩定性。
不調控pH時，在前4小時內pH急劇下降，變化迅速，不利于后續發酵的進行，當pH趨近于穩定時，溶氧逐漸升高菌株生長受到明顯抑制。
實際發酵過程中需要將pH控制在5.5，Tmax Bio-5L發酵罐的pH控制系統通過高精度的補料泵以及高靈敏度的pH電極可以將pH穩定的控制在5.5±0.05范圍內，從而確保菌株始終在最適pH范圍內進行產物的生產活動。
同時，基于高精度的補料泵和AI算法，Tmax Bio-5L發酵罐顯示的補堿體積和實際消耗體積基本一致，有便于后期發酵優化分析。自動留樣
為解決人工取樣繁瑣耗時耗力的問題，該實驗過程中通過全自動取樣器(ASI)進行自動取樣(每小時取樣一次)，并進行4℃低溫保存。
ASI可對接各種規格生物反應器，實現樣品的自動取樣、冷藏留樣，并且對接反應器數量、取樣體積、取樣頻率等參數可靈活設置，另外ASI配置高精度進口重量傳感器，可精確定量留樣，解決傳統取樣方式中因發酵液狀態變化(如氣泡含量較高等)引起的取樣量不準等問題。
近紅外離線檢測
ASI可以加裝近紅外檢測模塊，在樣品進入留樣管之前進行定量分析以便快速知曉當前發酵過程中的關鍵指標數據。同時伴隨著樣品的留樣，在實驗室傳統方法的定量檢測后可以進行同近紅外定量分析結果的比對以及對近紅外分析模型的完善。
本實驗基于前期近紅外光譜分析法建立的OD和2-KLG檢測模型，在ASI留樣的過程中進行光譜分析檢測，其預測結果和實驗室檢測結果對比如下：
OD
其中，OD模型的預測相關性為0.87，誤差分布集中在±0.6以內，對判斷菌株的生長狀態具有較高的參考價值。
2-KLG
其中，2-KLG模型的預測相關性為0.97，誤差分布集中在±3以內，對判斷產物的生成具有較高的參考價值，使描繪產物生成的動態變化曲線具有可行性。
總結
在本次實驗中，首先通過Tmax Bio 5L發酵罐對發酵過程中的pH精準控制，確保菌株始終在最佳生產狀態，通過ASI的精準留樣方便于后續檢測需求，降低了人工取樣的繁瑣工作量，同時利用近紅外檢測模塊對所留樣品進行關鍵指標分析檢測，描繪出發酵過程變化曲線，便于發酵過程關鍵節點的分析、判斷及優化。
基于發酵過程精準控制、光譜分析檢測、留樣低溫保存的整體思想，該實驗也為穩定的發酵工藝的監測提供了新思路。發酵過程控制及檢測作為發酵穩定的保障，對于提高工藝水平和保證產品質量、提升生產效率具有重要作用。
在氧化葡萄糖酸桿菌生產2-KLG(2-酮基-D-葡萄糖酸)的過程中，需要不斷的補加葡萄糖，氧化葡萄糖酸桿菌會快速的將糖轉化為酸，隨著酸的快速積累會抑制氧化葡萄糖酸桿菌的產酸能力，從而降低對葡萄糖的高效利用、影響2-KLG的產量。
發酵過程pH控制
氧化葡萄糖酸桿菌生產2-KLG的培養過程中，使用天木生物Tmax Bio-5L發酵罐進行，以驗證其pH控制的穩定性。
不調控pH時，在前4小時內pH急劇下降，變化迅速，不利于后續發酵的進行，當pH趨近于穩定時，溶氧逐漸升高菌株生長受到明顯抑制。
實際發酵過程中需要將pH控制在5.5，Tmax Bio-5L發酵罐的pH控制系統通過高精度的補料泵以及高靈敏度的pH電極可以將pH穩定的控制在5.5±0.05范圍內，從而確保菌株始終在最適pH范圍內進行產物的生產活動。
同時，基于高精度的補料泵和AI算法，Tmax Bio-5L發酵罐顯示的補堿體積和實際消耗體積基本一致，有便于后期發酵優化分析。自動留樣
為解決人工取樣繁瑣耗時耗力的問題，該實驗過程中通過全自動取樣器(ASI)進行自動取樣(每小時取樣一次)，并進行4℃低溫保存。
ASI可對接各種規格生物反應器，實現樣品的自動取樣、冷藏留樣，并且對接反應器數量、取樣體積、取樣頻率等參數可靈活設置，另外ASI配置高精度進口重量傳感器，可精確定量留樣，解決傳統取樣方式中因發酵液狀態變化(如氣泡含量較高等)引起的取樣量不準等問題。
近紅外離線檢測
ASI可以加裝近紅外檢測模塊，在樣品進入留樣管之前進行定量分析以便快速知曉當前發酵過程中的關鍵指標數據。同時伴隨著樣品的留樣，在實驗室傳統方法的定量檢測后可以進行同近紅外定量分析結果的比對以及對近紅外分析模型的完善。
本實驗基于前期近紅外光譜分析法建立的OD和2-KLG檢測模型，在ASI留樣的過程中進行光譜分析檢測，其預測結果和實驗室檢測結果對比如下：
OD
其中，OD模型的預測相關性為0.87，誤差分布集中在±0.6以內，對判斷菌株的生長狀態具有較高的參考價值。
2-KLG
其中，2-KLG模型的預測相關性為0.97，誤差分布集中在±3以內，對判斷產物的生成具有較高的參考價值，使描繪產物生成的動態變化曲線具有可行性。
總結
在本次實驗中，首先通過Tmax Bio 5L發酵罐對發酵過程中的pH精準控制，確保菌株始終在最佳生產狀態，通過ASI的精準留樣方便于后續檢測需求，降低了人工取樣的繁瑣工作量，同時利用近紅外檢測模塊對所留樣品進行關鍵指標分析檢測，描繪出發酵過程變化曲線，便于發酵過程關鍵節點的分析、判斷及優化。
基于發酵過程精準控制、光譜分析檢測、留樣低溫保存的整體思想，該實驗也為穩定的發酵工藝的監測提供了新思路。
