1 发酵动力学的基本概念
1.1 发酵过程中的变量与量纲
发酵动力学以时间为自变量，以生物体系的状态量为核心对象，描述微生物在培养过程中生物量变化、底物消耗以及产物生成之间的定量关系。常见做法是将实验曲线（浓度-时间、速率-时间或对数浓度-时间）与数学方程对应起来，从而得到参数并用于预测。
1.1.1 生物量、底物与产物的定义
生物量通常以细胞质量、细胞数、干重或估算的“可生长生物量”等形式表示。底物一般指可被利用的关键营养组分，如碳源、氮源或相关生长因子。产物则分为目标产物与副产物：前者用于评估工艺表现（如强度、得率），后者会影响产物纯化与产率（例如杂质生成带来的损失）。在胞内产物或胞外产物之间，状态变量与观测量的定义方式不同：胞内产物往往需要额外的释放或转化描述，而胞外产物可直接与培养上清/产物浓度相对应。
1.1.2 速率、收率与对数尺度表征
动力学研究常涉及三类“速率”： 一是比生长速率或净增长速率，用于描述生物量随时间增长的快慢； 二是底物消耗速率，用于描述可利用资源的下降； 三是产物生成速率，用于表征目标产物的形成速度。
此外，收率用于把“消耗”与“生成”关联起来，常见形式是单位底物转化为单位产物或生物量的效率。对数尺度表征常用于识别指数增长阶段：当增长近似满足指数规律时，对数浓度随时间线性变化，可用于快速估计表观速率常数与增长阶段边界。
1.2 动力学研究的目标与应用场景
发酵动力学并不止于“拟合曲线”，更强调可解释性与可复用性：模型应能在不同条件下预测趋势，而不仅在单一实验数据上获得较高拟合优度。
1.2.1 过程解释（为什么会这样）
过程解释关注“速率随状态而变”的机制层面。通过比较不同温度、pH、溶氧或补料方式下的动力学参数变化，可以判断限速步骤是生长相关、底物相关还是传质/环境相关。例如，若某些参数对溶氧敏感度高，则可能存在氧限制或通气-搅拌导致的传质不足；若产物与生物量增长耦合减弱，则可能进入产物合成路径的调控或资源分配变化阶段。
1.2.2 工艺优化（让它更快/更稳）
在工程优化中，动力学模型用于回答“如何提高产率、缩短周期或提升批次一致性”。常见思路包括：寻找最合适的温度或溶氧设定区间；设计补料曲线以避免底物抑制；在接近稳态或准稳态运行时减少波动放大。目标通常包含多个指标的权衡，如产量、得率、生产强度与成本相关参数之间的折中。
1.2.3 工程控制（如何预测并调节）
动力学为控制策略提供预测基础。控制系统需要将测得信号（如溶氧、pH、底物浓度估计值）映射到内部状态，进而调整调节变量（如通气、搅拌转速、补料速率或温控）。通过模型预测与状态估计，可以把“测到什么”与“下一时刻的产量/质量风险”联系起来，实现更稳健的控制。
1.3 发酵动力学与相关学科的关系
发酵动力学常处于多学科交汇点：它既吸收反应工程中的建模传统，也借鉴系统生物学对机理的刻画方式，同时考虑传递过程对培养系统的放大影响。
1.3.1 反应工程视角
反应工程提供了从反应器尺度描述物料衡算与动力学速率的框架。批式、补料与连续体系可以用不同的流动与体积随时间变化表达，并通过“速率项+守恒方程”组织起来，使得模型与设备结构相一致，便于放大与跨体系迁移。
1.3.2 系统生物学与机理建模
系统生物学强调网络调控与调节逻辑。尽管在工程中未必采用全尺度基因调控网络，但可以引入更贴近生理状态的抽象变量（例如代谢负荷、应激状态或生长/产物分配的状态量），从而提升模型对阶段性行为的解释能力。
1.3.3 传质与工程传递的耦合
传质与混合过程决定了细胞所“感知”的微环境。即使细胞内在的动力学机制明确，若外部传递过程成为瓶颈，整体速率将偏离理想反应方程。通过引入传质速率系数或等效参数，动力学模型可在反应器尺度上更真实地反映可用氧或底物向生物量供给的限制。
2 关键动力学理论与模型框架
2.1 微生物生长动力学
微生物生长动力学是动力学框架的起点，通常以比生长速率或净增长速率为核心量，并通过底物可用性与生理阶段描述其变化。
2.1.1 单一底物的生长关联
在简化条件下，生长速率可表示为底物浓度的函数。例如使用类似饱和型关系（常见于Monod类表达），使得当底物充足时速率趋于最大值，而在底物不足时速率随浓度下降。单底物关联便于参数估计与工程应用，但当体系存在多底物竞争、抑制或代谢分流时，需要进一步扩展。
2.1.2 时变生长与阶段性生理状态
真实培养往往呈现阶段性：生长可能在早期快速上升，随后受营养分配改变或环境应激影响而减缓；进入产物形成或资源转向后，增长与产物生成之间的比例关系也会变化。为刻画这种“随时间变化的能力”，模型可通过引入阶段切换、状态变量或时变参数实现。例如采用分段参数化，让不同阶段分别对应不同的生长能力与限速程度。
2.2 底物消耗与产物生成模型
底物消耗通常与生长需求与代谢用途有关。产物生成则可能与生长耦合或非耦合，决定了产物与生物量、底物之间的关联形式。
2.2.1 Luedeking–Piret 型关联
Luedeking–Piret型框架常用于描述产物生成速率由两部分构成：一部分与生物量增长相关（“生长相关”分量），另一部分与生物量本身或代谢活动相关（“非生长相关”分量）。该结构能够解释许多体系中产物在增长阶段加速、在后期继续生成或逐渐衰减的现象。通过估计对应系数，可以判断产物合成更偏向哪一种机制占主导。
2.2.2 与生长耦合/非耦合的产物机制
若产物主要由细胞增殖所需的代谢流支撑，则产物速率随增长速率变化更紧密；若产物来自特定次级代谢或应激反应，则可能在增长放缓后仍持续生成，体现为非生长相关分量增强。工程上，可用这种耦合结构帮助区分“提高生长”与“激活产物路径”之间的策略差异，从而指导补料与操作点选择。
2.3 抑制与限速效应
实际过程常受到抑制或限制。抑制可能来自底物过量、产物累积或副代谢产物；限速可能来自溶氧不足、传质受限或能量供给不足。将这些效应纳入模型，可提高预测可信度。
2.3.1 底物抑制与产物抑制
底物抑制通常表现为：当底物浓度过高时，生长或代谢速率不再继续增加，甚至反向下降。产物抑制则是目标产物或副产物的累积对细胞活性产生抑制。模型中常采用抑制项（如抑制性饱和或抑制性乘子）把抑制强度与浓度联系起来，使得在高浓度投料或后期积累时能够反映真实下滑趋势。
2.3.2 溶氧/营养限制的建模思路
当体系的氧供给不足时，细胞的有氧代谢能力受到限制，导致有效比生长速率下降，并可能改变产物谱。营养限制同理：当关键底物下降到阈值附近，生长速率与代谢分流会改变。工程模型通常将限制通过“可用性函数”表达，并与生长或产物速率的速率项联立，形成整体预测。
2.3.3 传质限制与宏观等效参数
传质限制把局部微环境的不均匀转化为宏观等效参数。常见做法是把“供给端能力”用传质速率系数表征，再与细胞消耗的需求对比，从而得到整体受限程度。这样，即使细胞内动力学并未改变，反应器尺度的传递约束仍会拉低表观速率，使模型可以解释搅拌、通气或规模变化带来的差异。
3 培养体系类型与动力学方程组
3.1 批式发酵（Batch）
批式发酵在固定装液体积条件下运行，随时间发生浓度变化而不引入外部补给。模型重点是对状态变量的时间演化进行描述。
3.1.1 批培养的典型微分方程
批式情况下，物料衡算通常写成对时间的常微分方程：生物量、底物与产物浓度随时间变化由相应速率项决定。速率项来自动力学模型（例如生长关联、底物消耗与产物生成表达），因此批式方程组可直接用于拟合培养曲线并预测后续阶段。
3.1.2 指标曲线：生长、底物、产物
批式实验常输出三类曲线：生物量随时间上升（随后平台或下降）、底物随时间下降（可能呈现不同斜率）、产物随时间增长并可能在后期进入平台或衰减。利用这些曲线的形状，可以判断主导机制：例如产物在生物量上升阶段快速增加，提示耦合机制偏强；若产物在生长放缓后仍继续上升，可能提示非生长相关分量贡献。
3.2 补料发酵（Fed-batch）
补料发酵通过向体系中周期性或连续添加底物，控制关键底物浓度的时间轨迹，从而改善得率并避免抑制。
3.2.1 补料策略与动力学响应
补料策略可分为按计划速率投料、按事件触发投料或基于测量反馈调整投料。动力学响应取决于补料速率与混合速度：若补料导致短时间高浓度尖峰，可能引发短暂抑制或代谢紊乱；若投料与消耗相匹配，则可维持在更有利的浓度窗口，获得平稳的速率演化。
3.2.2 梯度条件与稳态附近运行
在某些设计中，补料使体系在准稳态附近运行：状态量变化缓慢，速率项可近似稳定。此时模型常用于推断：当关键底物浓度保持在目标范围时，生物量增长与产物生成如何随投料梯度变化，并用于确定最优补料曲线的形状。
3.3 连续发酵（Continuous）
连续发酵通过持续进出料实现稳态或准稳态运行，便于长期稳定生产，但模型需要引入稀释与停留时间概念。
3.3.1 稀释率与停留时间概念
连续体系的核心参数包括进出料导致的稀释率，进而决定平均停留时间。稀释会把生物量与产物从体系中带出，影响净增长与净产物生成。将动力学速率与稀释项联立，能够计算在给定操作条件下的稳态浓度。
3.3.2 稳态与动态偏离分析
稳态分析关注方程组是否存在稳定解，以及解对参数变化的敏感性；动态偏离则研究外界扰动（如投料浓度波动、供氧能力变化）后系统如何回到稳定状态。通过比较瞬态响应与实验数据，可以评估控制策略的鲁棒性与系统稳定边界。
3.4 多阶段或分布式过程
当发酵过程包含多个功能阶段（如生长阶段与产物强化阶段）或空间上存在分布效应，可采用分段或多反应器级联建模。
3.4.1 级联反应器与分段参数化
级联反应器把整体过程拆成若干连续区域，每个区域使用不同的参数集或不同的限速条件。分段参数化能够在不引入过多复杂机理的前提下，捕捉阶段切换带来的速率变化，从而提高对培养曲线的适配能力。
3.4.2 动态切换与控制友好建模
动态切换指在不同阶段改变操作变量（温度、pH、溶氧设定或补料规则）。为了便于控制或优化，模型通常需要能快速计算状态与速率，并对切换时刻保持可解释的连续性或可控的跳变描述。工程上还会考虑“可辨识性”：切换越细，参数越多，识别难度可能随之增加。
4 参数估计与实验数据处理
4.1 观测量与采样设计
模型的可用性高度依赖数据质量。采样设计决定了对关键参数的可辨识性，也影响后续不确定性评估的可信度。
4.1.1 离线与在线测量
离线测量（如离心计数、干重、HPLC检测）精度高但频率受限；在线测量（如溶氧、电导、在线糖浓度估计）可提供高频信息，但可能存在漂移或传感器噪声。将离线与在线数据融合时，需明确测量模型与误差结构，避免把传感偏差误当作动力学效应。
4.1.2 采样频率对参数可辨识性的影响
参数估计中，某些参数对某些时间段更敏感。若采样不足，关键阶段的曲线形状无法捕捉，导致多个参数出现“等价拟合”（即不同参数组合给出类似输出）。通过对预测灵敏度进行分析，可以确定适合的采样密度与采样窗口，从而减少识别歧义。
4.2 参数识别方法
参数识别的目标是在给定模型结构下，用观测数据估计未知参数，并评估不确定性。
4.2.1 最小二乘与非线性回归
最小二乘法是常用的基准方法：通过最小化模型预测与观测之间的误差平方和，得到参数估计。对于非线性模型，常用非线性回归或迭代数值算法求解。选择合适的误差度量（例如相对误差或加权误差）可缓解不同量纲下的偏置问题。
4.2.2 贝叶斯估计与不确定性量化
贝叶斯估计把参数视为随机变量，引入先验分布并结合似然函数得到后验分布。其优势是可以直接输出不确定性范围，并为后续鲁棒控制或风险评估提供依据。对实验数据噪声较大或参数相关性强的体系，贝叶斯框架通常更稳健。
4.2.3 全局优化与敏感性筛选
非线性多参数模型可能存在多个局部最优，因此全局优化方法可提高找到更好解的概率。敏感性筛选用于识别哪些参数影响输出最大：参数敏感的部分更值得采集更多数据或投入更精细测量，反之可考虑固定或简化以降低估计难度。
4.3 可辨识性与模型选择
4.3.1 过拟合风险与对照模型
过拟合指模型在训练数据上表现良好，但对新条件预测能力下降。常见原因是参数过多或模型结构过于灵活。通过构建对照模型（更简单的版本或替代结构）并比较预测表现，可以降低“只会解释这次数据”的风险。
4.3.2 信息准则与简化策略
信息准则（如对数似然惩罚或类似思路）可在拟合优度与模型复杂度之间做权衡。简化策略包括：合并可等价的参数、采用更少的阶段数、或把难以识别的机理细节替换为等效描述，以保持模型的工程可用性。
4.4 数据预处理与误差来源
4.4.1 测量噪声与漂移校正
测量噪声来源可能包括传感器分辨率、取样误差与样品处理过程。漂移校正则用于处理校准变化或环境影响导致的系统偏差。若不进行校正，参数估计可能把测量缺陷误认为真实动力学变化，从而造成误导。
4.4.2 质量守恒与一致性检查
动力学模型通常与物料守恒或能量守恒具有一致性要求。通过检查底物消耗与产物/生物量的守恒关系，可以发现数据不一致或测量错误。例如某些测量体系中副反应或未观测中间产物可能导致“表观不守恒”，此时需要明确误差来源并调整模型假设。
5 工艺条件对动力学的影响
5.1 温度与反应速率
温度通过影响酶促反应速率、细胞代谢效率与蛋白稳定性，改变整体生长与产物生成行为。
5.1.1 Arrhenius 思路与经验修正
在简化层面，温度对速率的影响常用类似Arrhenius关系的思想表达：速率随温度上升呈现加速趋势。工程上通常会加入经验修正项，用于描述在更高温度出现的非线性偏离或生理适应效应，从而使模型更贴近实际培养结果。
5.1.2 热失活与生理适应
超过一定温度范围后，酶活或细胞维持过程可能受到破坏，导致有效速率反而下降。另一方面，细胞可能通过适应进入新的代谢状态，使得增长与产物生成的比例关系发生变化。模型可用热失活项或时变适应参数描述这种双重影响。
5.2 pH、盐度与缓冲体系
pH与离子环境会影响酶活、底物形态以及细胞膜的稳定性，从而影响动力学速率项与抑制强度。
5.2.1 酸碱对生长与酶活的耦合
pH变化不仅影响生长速度，还会改变代谢关键酶的有效活性。若模型把pH作用集中在速率常数或可用性函数中，则能在工程预测中获得较好表现。更复杂时可引入“生理状态”的隐变量，使得pH对阶段切换的影响也能被捕捉。
5.2.2 离子强度与稳定性效应
盐度与离子强度会影响渗透压与蛋白稳定性，进而改变细胞活性与底物运输效率。缓冲体系的能力决定了实际pH波动幅度，因此在建模时需区分“设定值”和“体系实际值”，否则参数将吸收设备与混合导致的偏差。
5.3 溶氧与混合
溶氧是许多有氧体系的关键限制因素，尤其在放大过程中，供氧能力的变化会显著影响速率。
5.3.1 kLa 概念与传质速率关联
kLa用于表征气液传质能力，将通气与搅拌、界面更新等影响汇总为等效参数。将kLa引入模型后，可把氧供给能力与氧消耗需求进行耦合，从而预测当氧限制出现时的速率下降趋势。
5.3.2 需氧代谢与氧限制模型
氧消耗速率通常与代谢通量相关，可与生长或产物生成速率建立联系。当氧供给不足，体系会出现代谢切换或速率受限。氧限制模型的关键在于把“可用氧”对细胞速率的影响转化为可计算的函数，从而在不同操作点下保持预测连续性。
5.4 底物投料与浓度梯度
补料与投料决定了底物的浓度水平与时间轨迹，同时也会引入空间或时间上的浓度梯度。
5.4.1 高浓度与底物抑制的边界
底物投料过高可能带来抑制效应或副反应加速。模型需要把抑制阈值与浓度区间联系起来，并考虑抑制发生的时间滞后（例如需要时间完成代谢调控或积累）。通过这种边界刻画，才能指导投料浓度上限与补料分段策略。
5.4.2 补料速率对动态曲线的塑形
补料速率影响底物浓度的上升或下降斜率，进而塑造生长与产物曲线的形状。通过把补料控制变量与动力学速率项联立，可对曲线形状进行“可预期的调制”，使得工艺设计从经验试错走向基于模型的参数化优化。
5.5 生物反应器尺度放大因素
放大不仅改变几何尺度，还改变混合、传热与传质的相对效率，因此动力学参数的表观体现可能随规模改变。
5.5.1 搅拌、通气与剪切影响
搅拌与通气会影响溶氧与混合效率，同时可能带来剪切应力，对部分细胞或絮团形成产生影响。动力学模型可把这些影响映射为kLa变化或对有效活性参数的修正，从而在尺度变化时保持对结果趋势的预测能力。
5.5.2 传质/传热差异的等效化
放大时传热能力和传质能力可能无法保持原比例，因此温度与溶氧分布会出现差异。工程上常采用等效化策略：把多物理场影响折算进等效速率系数或等效环境变量，使动力学预测在实际控制变量上更一致。
6 预测、仿真与过程控制
6.1 动力学仿真与数值求解
6.1.1 常微分方程求解框架
当发酵过程以状态变量和速率项形式表达后，可采用数值方法求解常微分方程组。求解器通常需要处理刚性系统（例如早期变化快、后期变化慢的组合），因此选择合适的步长控制与收敛策略能显著影响仿真稳定性与速度。
6.1.2 稳态与瞬态模拟的差别
稳态模拟用于预测稳态浓度与长期运行表现，适合连续体系或准稳态补料运行；瞬态模拟则用于捕捉阶段切换、扰动响应与控制过程中的动态轨迹。选择合适模拟模式能减少计算成本并提高解释性。
6.2 控制目标与评价指标
6.2.1 产率、生产强度与收率
工程控制通常把目标设为产率（单位时间/体积产物生成）、生产强度以及得率（单位底物转化）。这些指标反映效率与资源利用情况，也影响后续提纯与成本核算。
6.2.2 质量属性与副产物约束
除了产量，过程质量往往包括特定的质量属性（例如关键杂质水平、糖醇/酸类副产物比例等）。控制策略需要把副产物约束纳入评价框架，避免为了追求产量而牺牲产品合格率。
6.3 模型预测控制（MPC）与软传感
6.3.1 软传感器与状态估计
软传感器用模型和可测变量估计不可直接测量的状态量，例如底物浓度、内在代谢状态或有效生物量。状态估计需要考虑测量噪声与模型不确定性，常通过观测器、滤波或联合参数-状态估计实现，从而为闭环控制提供更完整的信息。
6.3.2 基于模型的在线优化
MPC把控制问题转化为“在未来时域内最小化目标函数”的优化。通过滚动时域计算，控制器能根据测量更新预测，动态调整补料速率、通气或搅拌设定。模型的准确性决定了在线优化的有效性，因此对参数漂移与不确定性的处理非常关键。
6.4 鲁棒性与不确定性处理
6.4.1 参数漂移与环境波动
实际培养中，参数可能随批次或原料波动而变化。温度偏差、传感器漂移与环境扰动会让模型预测偏离真实过程。鲁棒策略的意义在于即便存在误差，也能保持可接受的性能与稳定性。
6.4.2 蒙特卡洛与敏感性分析
蒙特卡洛方法通过对参数与扰动进行随机采样评估输出分布；敏感性分析则用于识别关键不确定来源。将这两类分析用于控制器设计，可帮助确定需要重点校准的参数或需要重点监测的变量。
6.5 “调参梗”与工程经验（轻度）
6.5.1 从“拍脑袋调参”到“可追溯校准”的差异
工程实践中常见“先跑起来再调”的流程。相较于拍脑袋式反复尝试，可追溯的校准强调参数来源、假设边界与校准数据范围：例如明确哪些参数通过哪类实验得到、在什么温度与pH区间内有效。这样既提升复用性，也减少“换批次就失效”的情况。
6.5.2 经验启发的先验与模型补偿
经验可以用于构建先验或初始化策略：例如根据历史工艺范围给参数设定合理区间，或对模型结构中缺失的效应使用补偿项表示。该思路有助于在参数可辨识性不足时仍获得稳定估计，同时保持模型在工程应用中的可操作性。
7 工业应用示例与研究方向
7.1 发酵产物类型与动力学差异
不同产物类型对应不同的代谢路径与状态变化，因此动力学结构和参数意义也会有所不同。
7.1.1 代谢产物与次级代谢
代谢产物往往与生长或初级代谢通量高度相关，产物生成可能在生长阶段更明显；次级代谢产物则常在生长转向或资源约束出现后增强，表现为阶段性增强与更复杂的抑制或激活机制。动力学模型需要反映这些阶段差异，否则预测难以复现实际曲线。
7.1.2 胞内/胞外产物的建模差别
胞内产物的观测可能依赖裂解步骤与提取效率，因此需要把“形成-积累-释放”或“提取过程”纳入模型或测量校正；胞外产物则更直接，但仍可能受到降解、吸附或回收过程的影响。选择合适的状态变量和测量关系可显著提升参数估计质量。
7.2 典型行业应用
7.2.1 生物燃料与代谢工程关联
生物燃料相关发酵强调能量代谢与底物转化路径的工程化改造。动力学模型用于评估不同代谢分流策略的效果：例如通过对生长与产物生成耦合系数的变化判断改造是否真正提升了目标产物通量，从而指导后续实验设计。
7.2.2 酶制剂与工艺优化
酶制剂对温度、pH与溶氧等条件的敏感性较强。动力学框架可用于建立“生产强度-环境条件”的预测关系，并结合参数估计识别导致活性下降的可能环节，从而优化培养阶段与收获时机。
7.2.3 食品与酿造发酵的工程化建模
食品与酿造发酵常见多菌种或复杂底物背景，动力学模型需更关注宏观指标（酸度、糖消耗、气体产生等）与过程一致性。通过分段或等效动力学表达，可以在不追求全机理的前提下实现工程可控预测。
7.3 前沿建模方向
7.3.1 机理-数据融合（hybrid modeling）
机理模型提供结构约束与可解释性，数据驱动方法提供灵活性。机理-数据融合把两者组合：例如用机理框架保证物料守恒与合理速率变化，同时用数据模型校正未显式建模的效应（如测量偏差、复杂抑制）。该方向有助于提升预测精度与外推能力。
7.3.2 单细胞与群体异质性
传统模型常把群体视作均一体，但实际存在异质性：同一时间的细胞可能处于不同代谢状态。引入异质性描述可提高对阶段性波动与产物分布的解释能力，但也会增加参数与数据需求。相关研究在简化层面寻找可计算的有效表征，以在工程预测中保持可用性。
7.3.3 多尺度耦合：从细胞到反应器
多尺度耦合把细胞层动力学、传质/混合与反应器几何联系起来。通过把不同尺度的变量以等效参数或耦合关系连接，可在放大与复杂设备条件下维持对过程的整体预测能力。尽管计算与识别成本更高，但能更系统地解释“为什么跨规模会失效”。
8 常见术语与公式索引
8.1 速率相关术语表
本节用于汇总速率类概念：包括比生长速率、净增长速率、底物消耗速率、产物生成速率，以及与之对应的表观速率常数、收率系数等。实际使用时需明确每个速率与状态变量的对应关系、量纲以及是否为表观值（例如受传质影响后的等效速率）。
8.2 常用模型方程汇总
常用方程类型包括生长关联函数、底物消耗与产物生成的耦合表达、抑制项或限制项的构建方式，以及批式/补料/连续体系的物料衡算形式。方程汇总通常以“速率项+守恒方程”的组织方式呈现，便于读者按体系类型快速搭建可计算模型。
8.3 单位换算与实验单位约定
不同实验室与不同体系可能采用不同单位体系（例如质量浓度与摩尔浓度、体积基与干重基）。建立统一的单位约定并在模型中保持一致，可避免参数解释错误与拟合偏差。换算涉及浓度、体积、时间与收率定义的统一，尤其在放大对比与跨数据集建模时更为关键。