度
、pH
值
、
接种量
3
个因素为自变量
,
以
EPS
产量
作为响应值
。
表
2摇 Box -Behnken
设计方案及响应值
Tab. 2摇 Box - Behnken design and response values
实验
序号
X
1
籽
(
大豆蛋白胨
)
/ (g·L
-1
)
X
2
pH
值
摇
X
3
接种量
/
%
Y
籽
(EPS) /
(mg·L
-1
)
1
5
4
2郾 5
35郾 33
2
20
6
1
89郾 77
3
12郾 5
6
2郾 5
124郾 57
4
12郾 5
4
4
66郾 82
5
12郾 5
8
4
91郾 13
6
5
8
2郾 5
49郾 77
7
12郾 5
6
2郾 5
129郾 87
8
12郾 5
6
2郾 5
127郾 57
9
20
4
2郾 5
85郾 95
10
12郾 5
8
1
76郾 04
11
12郾 5
6
2郾 5
119郾 06
12
12郾 5
4
1
64郾 48
13
20
6
4
119郾 06
14
12郾 5
6
2郾 5
123郾 97
15
5
6
4
49郾 58
16
20
8
2郾 5
121郾 57
17
5
6
1
43郾 93
2郾 3郾 1摇
实验模型的建立与显著性分析
将
EPS
的产量作为响应值
,Design -Expert
响应
面设计软件处理
,
各变量对响应值的影响可由下列
函数关系表示
:
Y
= - 282郾 06 + 11郾 78
X
1
+ 77郾 12
X
2
+ 44郾 4
X
3
+
0郾 35
X
1
X
2
+ 0郾 53
X
1
X
3
+
1郾 06
X
2
X
3
- 0郾 45
X
2
1
- 6郾 57
X
2
2
- 10郾 58
X
2
3
,
其中
Y
值表示
EPS
的产量
,
X
1
、
X
2
、
X
3
分别表示大豆
蛋白胨质量浓度
、pH
值
、
接种量
3
个因素
。
方差分
析和各因素的显著性如表
3,
在实验设计的水平范
围内
,
模型的
F
值为
119郾 79,
影响显著
。
函数的相
关系数
R
2
= 0郾 932 8,
R
2
值越接近
1
说明误差的影响
越小
,
表明该函数可以较好地模拟
EPS
的发酵过
程
。
校正系数
R
2
Adj
为
0郾 985 3,
说明
98郾 53
%
的响应
值变化可以用该模型来表示
。
失拟项的
F
= 2郾 11,
P
= 0郾 241 6 > 0郾 05,
即失拟不显著
,
表明该函数关系
式能充分反映实际情况
。
以上数据说明回归方程的
拟合程度良好
。
通过比较
F
值
,
可以看出不同因素
对
EPS
产量的影响主次顺序为
:
大豆蛋白胨质量浓
度
、pH
值
、
接种量
。
其中
,
X
3
和交互项
X
1
X
3
、
X
1
X
2
对
EPS
产量的影响作用显著
;
X
1
、
X
2
和
X
2
1
、
X
2
2
、
X
2
3
对
EPS
产量影响极显著
。
表
3摇
回归方程的方差分析
Tab. 3摇 ANOVA analysis for regression equation
来源 平方和 自由度 均方
F
值
P
值 显著性
模型
17 558郾 30 9 1 950郾 92 119郾 79 < 0郾 000 1 **
X
1
7 065郾 43 1 7 065郾 43 433郾 82 < 0郾 000 1 **
X
2
923郾 02 1 923郾 02 56郾 67 0郾 000 1 **
X
3
342郾 77 1 342郾 77 21郾 05 0郾 002 5 *
X
1
X
2
112郾 10 1 112郾 10 6郾 88 0郾 034 2 *
X
1
X
3
139郾 76 1 139郾 76 8郾 58 0郾 022 0 *
X
2
X
3
40郾 68
1 40郾 68 2郾 50 0郾 158 0
X
2 1
2 696郾 10 1 2 696郾 10 165郾 54 < 0郾 000 1 **
X
2 2
2 906郾 038 1 2 906郾 038 178郾 43 < 0郾 000 1 **
X
2 3
2 393郾 82 1 2 393郾 82 146郾 98 < 0郾 000 1 **
残差
114郾 01 7 16郾 29
失拟项
69郾 87
3 23郾 29 2郾 11 0郾 241 6
纯误差
44郾 13
4 11郾 03
总和
17 672郾 31 16
摇 摇 *
表示差异显著
,
P
< 0郾 05;**
表示差异极显著
P
< 0郾 01
2郾 3郾 2摇
响应面交互作用分析
图
9
至图
11
是由
Design -expert 8郾 0郾 5b
软件分
析得到的响应面及等高线图
,
分别表示
X
1
、
X
2
、
X
3
中
任意一个变量的水平固定为零时
,
其余两个变量对
EPS
产量的交互影响
。
等高线图中
,
圆形表示两个
因素交互作用不显著
,
椭圆表示这两个因素交互作
用显著
。
由图
9
可看出
,
等高线图呈现椭圆状
,
表明大豆
蛋白胨质量浓度和
pH
值的交互作用显著
。
将接种
量固定为零
,
大豆蛋白胨质量浓度设定为特定值时
,
随着
pH
值逐渐增大
,EPS
的产量先增加后减小
,
在
pH
值为
6 ~ 7
之间
,
达到最大
。
分析等高线图中
pH
值和大豆蛋白胨等高线变化的密集度可知
,
大豆蛋
白胨质量浓度的等高线较为密集
,
大豆蛋白胨的质
量浓度对
EPS
的产量影响强度较
pH
值的影响大
。
随着大豆蛋白胨的增加
,EPS
合成的原料也不断增
加
,
氮源过量
,
可能会打破原有的
C / N,
使植物乳杆
菌的生长受到影响
,
从而导致
EPS
产量降低
。
同时
,
当
pH
值发生改变时
,
微生物生存所需的适宜
C / N
也
有可能发生改变
,
这可能是
pH
值和大豆蛋白胨质
量浓度之间存在交互作用的原因之一
[16]
。
由图
10
可以看出
,
等高线呈现椭圆状
,
故大豆
蛋白胨质量浓度和接种量交互作用显著
。
固定
pH
值为零
,
大豆蛋白胨质量浓度固定
,
随着接种量的增
74
第
34
卷 第
1
期
摇 摇 摇 摇 摇 摇 摇 摇
曹永强等
:
植物乳杆菌
YW11
生产胞外多糖的发酵条件研究
