可以测,但测到的不是"成分含量"本身,而是光谱经过模型换算出来的估计值。拉曼适合水相发酵液里的糖、产物和生物量,近红外更适合常量组分;两者都依赖偏最小二乘(PLS)一类模型,模型没覆盖到的工况,读数就不可信。
在线光谱的正确定位是过程控制与趋势预警,不是替代放行检测:离线基准、定期平行比对、模型维护这三件事一件都不能省。
三种手段测的根本不是同一件事
在线拉曼是原位或旁路流通池测光谱:激光打在发酵液上,靠分子振动拉曼散射的指纹特征区分葡萄糖、乳酸、脂质、类胡萝卜素等,水本身的拉曼信号很弱,所以特别适合水相体系。它给的是"多点、连续、无取样"的趋势。
近红外(NIR)测的是含氢基团的倍频与合频吸收,水在 NIR 里吸收极强,发酵液这种含水量 90% 以上的体系,水信号会把稀薄组分的信号压住。因此 NIR 更适合测水分、总糖、蛋白这类常量指标,或做固形物、粉末的快速检测;测 g/L 级的次级代谢产物,通常不如拉曼。
离线检测(HPLC、酶电极、干重、平板计数)是基准,优点是特异、可追溯、方法成熟,缺点是滞后。三者不是替代关系:离线定标在线,在线补上离线的时间空档。离线这一端准不准,很大程度取决于取样是否有代表性,见 取样准确性。
拉曼为什么在发酵罐里站得住
第一,水干扰小。拉曼散射强度与水的极性关系不大,水相里也能看到溶质峰,这一点比中红外和近红外都省事。
第二,可以真正做到在线。已有研究在酵母和海洋破囊壶菌的沉没发酵中,用流通池把 FT-拉曼接进循环回路,实时跟踪碳源消耗、生物量、类胡萝卜素和脂质,预测值与离线参考的决定系数落在 0.94–0.99(酵母)与 0.89–0.99(破囊壶菌)区间(Microbial Cell Factories 2023 在线 FT-拉曼监测沉没发酵,工程/体外研究)。
第三,时间分辨率可以很高。产油酵母的补料分批实验里,在线拉曼每 2 分钟采集一条谱,能及时看到"糖没耗完""生物量斜率变缓""脂质被消耗"这类过程偏移(非侵入拉曼在线脂质分析,体外研究)。
第四,它能同时看多个量。一个探头、一套模型,可以并行输出葡萄糖、产物、生物量几个通道,这是离线取样做不到的密度。
模型不是装上就能用
在线光谱读到的是谱,不是浓度。要把谱变成数,靠的是多元回归:先用一批有离线参考值的样品做校准,再用偏最小二乘(PLS)把光谱变化投影到潜变量上。模型的可靠性不看"相关系数好不好看",而看三件事:校准集是否覆盖了真实工况、交叉验证误差(RMSECV)有多大、独立批次的预测误差(RMSEP)是否可接受。
最容易踩的坑是交叉相关。同一套工艺里,糖下降、生物量上升、产物积累几乎同步发生,模型很容易学到"糖低就等于产物高"这种伪关系。一旦换批、换补料策略或中途染菌,这种关系被打断,模型就会给出看似合理、实则错误的读数。校准集里必须人为制造变化(不同补料曲线、不同接种量、加标、稀释样),否则模型只认得"这一条曲线"。
第二个坑是外推。模型只在校准覆盖的浓度区间内可信,超出区间(比如残糖从 5 g/L 掉到 0.1 g/L,或产物突然高出历史最高值)应当输出"不可信"而不是硬给一个数。工程上要设区间校验和离群判据(马氏距离、谱残差),越界就回落到离线检测。
第三个坑是转移。换探头、换罐、换批次介质,谱的基线会变,模型往往需要重新标定或做迁移校正。把实验室模型的系数直接搬到生产罐,是这类项目最常见的失败原因。
真实产线里的四个物理坑
荧光背景。发酵液里的蛋白、酵母、植物色素会产生荧光,叠加在拉曼谱上抬高基线;颜色深的料液还会吸收激光、削弱信号。荧光抑制(移位激发差谱)、基线校正和合适的激发波长是必要手段,否则模型学到的是"颜色深浅"而不是"浓度"。
探头结垢。原位探头长期泡在料液里,蛋白和多糖会在窗口成膜,信号逐批衰减,表现为"读数越来越低"。必须把清洗(CIP 兼容)、窗口材质和拆检周期写进 SOP,并把"标准样复核"作为批前确认项。
气泡与颗粒。气泡散射会引入强噪声,菌丝体或植物纤维会造成不均匀采样。流通池方案要保证流量稳定、无死角;原位方案则要固定探头深度和角度,避免不同液位下光程变化。
温度与基质。温度改变水的氢键结构和谱峰位置,基质黏度影响传质与混合;这些变化会被模型误读成浓度变化。要么做温度补偿,要么把温度控制在窄区间。放大后罐内传质与混合变差,会直接改变探头附近的微环境,供氧能力的量化可参照 kLa 测定,放大判据见 放大准则。
把在线数据变成控制动作
在线光谱最大的价值不是"多了一个数",而是能把被动记录变成闭环。常见做法有三层:第一层是软测量与报警,把关键通道设上下限,越界即提示;第二层是反馈控制,用糖浓度反馈去触发补料(相当于把 DO-stat、pH-stat 换成"糖-stat"),减少人工取样频率;第三层是批次放行的辅助证据,把整批的过程曲线作为偏差调查和工艺回顾的依据。
补料策略怎么和在线信号配合,可对照 补料控制;尾气 OUR/CER 与光谱可以互相印证,见 尾气分析。两套信号同时异常,才更可能是真问题,而不是单点仪表漂移。
要注意,在线读数会进入批记录,就必须按数据完整性管理:谁改过模型、什么时候重标、用了哪版系数,都要有审计追踪。否则一旦出现批次争议,这些"好看的数字"反而会成为负担。读数漂移时先别怀疑模型,pH、DO 电极本身的校准偏差也会把趋势带偏,见 电极校准。
法规与验证:PAT 不等于免检
PAT 的监管逻辑是"用科学证据证明过程受控",不是"用新仪器代替检验"。相关框架文件明确鼓励采用能提升过程理解与控制的创新分析工具,但前提是方法经过验证、模型有生命周期管理(FDA PAT 框架指南(2004),监管文件)。
验证要回答四个问题:这个方法测的参量与法定方法是否一致(比对实验)、精度与重复性够不够、在目标浓度区间是否线性、换批换罐后是否仍然有效。对化妆品原料,放行仍以《化妆品安全技术规范》的方法为准,在线光谱只作为过程控制与趋势判断。
落地顺序建议:先上单参数(葡萄糖或某一目标产物),跑够 10–20 批建立校准与验证;稳定后再扩通道;每季度做一次离线平行比对,偏差超限就重标。不要一上来就"全参数上线",那通常意味着一堆没人敢用的数字。
| 手段 | 最适合测什么 | 主要优势 | 主要限制 |
|---|---|---|---|
| 在线拉曼(原位/流通池) | 水相中的糖、有机酸、产物、生物量 | 水干扰小、可多组分、连续无取样 | 荧光与颜色干扰、模型依赖强、探头易结垢 |
| 在线近红外 | 水分、总糖、蛋白等常量指标 | 光纤远传、探头成熟、成本较低 | 水吸收强、稀薄组分信号弱 |
| 离线检测 | 放行判定、法定微生物与理化指标 | 特异、可追溯、方法成熟 | 滞后、取样代表性差、人工成本高 |
在线手段负责"看见趋势",离线方法负责"判定合格",两者不能互相替代。
要点总结
- 先定用途:过程控制用在线,放行判定用法定方法。
- 模型看误差不看相关系数:RMSECV、RMSEP 与独立批次验证才算数。
- 覆盖工况变化:校准集必须包含不同补料、接种与异常批次。
- 物理维护决定寿命:探头清洗、标准样复核、温度与气泡控制缺一不可。
数据口径与来源说明
方法与应用参考:Raman spectroscopy online monitoring of biomass production, intracellular metabolites and carbon substrates during submerged fermentation(Microbial Cell Factories,2023);Non-invasive Raman spectroscopy for time-resolved in-line lipidomics(体外研究);微藻过程监测的高选择性光谱工具综述(DTU,含拉曼荧光干扰讨论)。
数据锚点:酵母沉没发酵中在线 FT-拉曼对葡萄糖、生物量、类胡萝卜素、脂质的预测 R² 为 0.94–0.99,破囊壶菌为 0.89–0.99(同上一篇文献,工程/体外研究);在线采谱间隔 2 分钟的数据来自 产油酵母在线拉曼研究。
证据等级:上述均为工程放大与体外研究结论,说明方法能力与误差来源,不外推为任何具体原料的过程控制性能;实际项目须以本厂介质、探头与工况做独立验证。监管框架引自 FDA PAT 指南,不构成合规结论。