在微生物的發酵技術研究中，高效的發酵條件優化方法是近年來的研究熱點和難點。目前，應用得較多的方法是正交試驗設計法和響應面設計法，但它們需要較多的試驗次數，效率較低，因此，不能廣泛應用于工業發酵條件的優化上。如何減少發酵條件優化所需的實驗次數，提高優化效率，成為優化方法發展的關鍵。在此基礎上，方開泰教授提出了均勻設計方法，能顯著減少試驗次數，但是相應的優化精度下降。
中科學院成都生物研究所譚紅課題組將計算機人工智能技術與統計學方法相結合，提出了基于均勻設計的人工神經網絡優化方法，并成功應用于伊枯草菌素A的發酵條件優化，伊枯草菌素A的產量提高34.6%。研究表明，與均勻設計方法相比，在對發酵條件的優化上，人工神經網絡能夠建立更加精確的模型，并且具有更佳的擬合能力、預測能力和泛化能力。同時，當神經網絡與遺傳算法連用時，神經網絡方法同樣能高效地進行因素的敏感性分析，但是卻比均勻設計方法具有更好的優化精度。
該研究提出的基于均勻設計的神經網絡方法，具有較少的試驗次數需求和更高的優化精度，能極大地降低發酵優化研究成本，提高效率。這是次將該方法應用于微生物發酵條件優化研究。
該研究受家支撐項目資助。
