2022年秋，500L罐里的丙二醇与乳酸

这份日志记录的起点，是2022年10月17日下午3点，我站在中试车间那台500L发酵罐的控制屏前。屏幕上，1,3-丙二醇的实时浓度曲线正缓慢爬升，最终停在7.2 g/L。旁边，乳酸浓度曲线已逼近3.5 g/L。实验室阶段，同一菌株在5L罐中稳定产出12 g/L丙二醇，乳酸低于0.5 g/L。产量下降40%，副产物激增7倍。这不是‘波动’，是系统性的偏离。我们先区分一下相关和因果：是菌株的基因型潜力突然改变了，还是实现这种潜力的环境边界被突破了？

回到三个月前，2022年7月，实验室阶段。菌株是我们基于经典代谢工程构建的：敲除了竞争途径，强化了还原力供给模块，引入外源甘油脱水酶和醇脱氢酶。在5L罐里，我们做了多批重复。pH、温度、搅拌、通气都按标准方案控制。数据很漂亮，12 g/L的产量，转化率稳定。团队据此建立了代谢通量模型。模型的核心假设是：细胞内的酶活与辅因子供应是产量的主要决定因素；罐内的物理环境（溶氧、混合）只要维持在‘充足’阈值以上，就不会成为限制因子。模型预测，放大后只要维持相同的比生长速率和底物浓度，产量应能持平或略有提升，因为更大的罐体可能提供更稳定的环境。这个预测，成了我们放大方案的设计基础。什么证据会改变你的看法？当时我们认为，如果放大后产量下降，证据应该指向某个代谢模块的意外失效，比如关键酶在长时间培养中失活，或者辅因子平衡被破坏。我们准备了相应的检测方案：酶活测定、细胞内NADH/NAD+比值监测。

2022年10月10日，500L罐第一批启动。按设计，我们试图‘复制’实验室条件：相同的初始菌浓、相同的培养基配方、相同的温度设定。搅拌转速和通气量根据罐体体积做了初步换算。前8小时，一切看起来正常。比生长速率与实验室数据吻合。10小时后，溶氧探头显示，罐内溶氧水平开始周期性剧烈波动，而非实验室那种平稳状态。我们调高了通气量和搅拌，但波动依然存在。混合时间测定显示，在500L罐中，从罐顶加入的碱液（用于pH控制）需要超过90秒才能在全罐达到均匀分布，而在5L罐中只需15秒。这个结论的边界条件是什么？这意味着，罐内存在着显著的pH和底物浓度梯度。细胞在不同位置经历着不同的微环境。

第24小时，丙二醇产量曲线开始明显偏离实验室轨迹。我们取样，做了第一轮细胞内分析。酶活数据出乎意料：关键的外源酶活性与实验室样本相比，没有显著下降。NADH/NAD+比值也未显示异常。代谢通量模型预测的核心变量，都‘正常’。但发酵液中的乳酸开始累积。乳酸是厌氧或缺氧条件下大肠杆菌典型的溢出代谢产物。我们重新审视溶氧数据：虽然平均溶氧值仍维持在设定阈值以上，但探头记录显示，存在频繁的、持续数十秒的局部低氧甚至零氧事件。这些事件在5L罐中由于混合极快，几乎不存在。在500L罐中，由于流体死区和不完全混合，部分细胞群可能周期性陷入实际缺氧状态。它们被迫切换代谢模式，将碳流转向乳酸途径以维持生存。这不是代谢模型失效，是模型赖以成立的物理前提——‘全罐均质环境’——在放大中被打破了。

第48小时，产量已确定无法达到预期。我们暂停了运行，开始系统取样。除了罐中心取样点，我们在罐壁附近、搅拌桨下方远端、以及靠近液面的位置增设了取样口。分析显示：不同位置的细胞，其代谢产物谱显著不同。罐中心区域的细胞产生的丙二醇比例较高，乳酸较少；而靠近罐壁、混合较弱的区域，乳酸含量高出数倍。细胞基因组相同，但表型实现因所处物理微环境而异。这直接挑战了‘放大效应可通过更精确的代谢模型完全预测’的共识。代谢模型可以描述细胞内化学反应的网络与潜力，但它无法嵌入500L罐中具体的、非均匀的流体动力学和传质边界。

后续分析聚焦于传质限制的具体参数。kLa（体积氧传质系数）的计算显示，在500L罐中，尽管我们提高了搅拌和通气，但由于罐体几何形状改变和流体黏度效应，实际kLa值比实验室按比例换算的预期值低了约35%。更重要的是，kLa是一个‘全局平均参数’，而罐内实际的氧传质是高度不均匀的。剪切力分布也不均：搅拌桨附近区域剪切力过高，可能影响细胞膜完整性；远端区域剪切力过低，导致气泡聚结和氧传递效率进一步下降。热移除同样滞后：500L罐的单位体积冷却表面积比5L罐小，虽然我们加大了冷却水流量，但在发酵产热高峰期，罐内局部温度仍可能短暂超标数度，影响酶活稳定性。这些物理参数，每一个都在实验室规模被良好控制，被视为‘常量’。在放大中，它们都变成了‘变量’，而且这些变量之间的耦合效应（如高剪切力影响气泡分布进而影响kLa）是非线性的，难以通过简单的比例放大公式预测。

这次失败的实证边界原则是什么？第一，证据等级需区分：关于基因型潜力（酶活、通路效率）的证据，多来自细胞内部测定，在实验室均质环境中有效；关于表型实现的证据，必须包含细胞所处物理微环境的时空异质性数据。放大时，后者的证据等级往往高于前者。第二，控制变量法在放大中的边界：在实验室，我们可以控制pH、温度、溶氧为‘单一值’。在工业规模，我们控制的只是‘某个测量点的平均值’，而细胞实际感受的是‘一个分布范围’。工程设计的边界条件，应从‘维持某个平均值’转变为‘控制整个分布范围的最大值与波动频率’。第三，代谢模型的价值在于界定细胞的内在能力上限，但它不能替代对传质、混合、热传递等物理过程独立建模与验证。后者需要流体力学、化学工程领域的实证数据，而非生物学假设。

最终，我们没有通过修改菌株基因型来‘解决’这个问题。我们重新设计了500L罐的搅拌桨类型与位置，优化了进气分布器，并引入了分段控温策略。在后续批次中，丙二醇产量恢复至11.5 g/L，乳酸回落至0.8 g/L。产量仍未完全达到实验室水平，但这剩下的微小差距，可能正是从‘完全均质’到‘高度均质但仍有残余梯度’这一物理边界不可逾越的实证体现。这个案例的证据链表明：在生物制造放大中，当产量出现系统性偏离时，第一假设应是物理传质限制，而非代谢模型失效。直到你能用流体测量证明罐内环境均质性足够高之前，任何基于代谢通量的优化预测，都只是描述了潜力，而非可实现产量。