南开大学陈瑶团队nisin@COFs：智能响应性发酵调控平台

绿色生物制造是社会生产变革性发展的重要趋势之一，对实现经济社会可持续发展具有重要意义。发酵过程中的智能调控能够提高生产效率，节省成本，有效避免经济损失，实现生物过程强化，是生物制造领域的研究热点。发酵过程中的染菌防控是发酵调控的重要内容，有害微生物污染发酵体系往往造成巨大经济损失，目前常通过添加人工防腐剂进行防控。由于人工防腐剂毒性等原因，其逐步为天然防腐剂乳酸链球菌素（nisin）等所取代，然而nisin的不稳定性和成本问题限制其在发酵中的高效使用。基于对啤酒发酵过程pH变化与染菌风险关联性分析和理性设计，南开大学陈瑶（点击查看介绍）团队创新发展了nisin@COFs智能响应体系，可根据不同发酵过程及染菌风险，智能调控nisin的释放，高效抑制啤酒发酵过程中的微生物污染并降低nisin用量，实现生物过程强化。

图1. 智能发酵调节系统原理图。

啤酒发酵过程的不同阶段pH会发生变化，染菌风险也会相应变化 (图1)。发酵 (pH 5-6) 中随pH降低，感染风险增加，实现染菌防控所需nisin也随之增加；一旦染菌，发酵液pH值会进一步显著降低，需要大剂量nisin快速杀灭有害菌。因此，作者基于亚胺键类COFs（共价有机框架）特性设计了pH智能响应系统，以适配发酵过程中pH变化，实现nisin释放的精确控制，保证发酵过程的有序进行，降低成本。首先，nisin被高效负载于COFs，以nisin@TPB-DMTP-COF为例，负载后的非均相化提高了生物防腐剂nisin的可操作性，并显示了在加热、搅拌和蛋白酶处理下的高稳定性。nisin@COFs（pH~6时）对啤酒发酵易染菌株短乳杆菌 (Lactobacillus brevis) 实现了高抗菌活性，比纳米银等抗菌材料高近20倍。

作者进一步研究了体系对nisin的响应性释放，在不同pH（3, 5, 7）下，nisin的释放量可精确调控 (图2a)，与发酵过程pH变化和抗染菌需求相适配。这主要基于体系静电作用变化，亚胺键COF (TPB-DMTP-COF)在酸性溶液中发生质子化 (C=N到C=NH⁺) 而带正电荷。COFs的zeta电位测试结果表明：随着环境pH值的降低，COFs的负电荷减少，向正电荷方向变化。COFs和nisin在pH=3时均带正电荷，二者静电排斥促进了nisin的释放 (图2c)。当pH升高时，已质子化的亚胺被脱质子 (C=NH⁺到C=N)，静电斥力减弱，甚至反转为静电吸引，nisin的释放减少或不释放 (图2b)。 

图2. (a)来自nisin@TPB-DMTP的nisin释放; (b)来自nisin@TPB-DMTP的nisin的原位交替释放; (c) COFs释放nisin示意图。

为了探究所建立的nisin智能调节系统对啤酒酿造过程中染菌防控的有效性，作者将啤酒发酵菌种酿酒酵母 (Saccharomyces cerevisiae) 与酿造过程中易引起感染的短乳杆菌混合，模拟啤酒发酵过程中的微生物污染，研究了nisin@COFs对短乳杆菌的响应性杀菌性能。结果表明pH=3时的抑菌效率最高，随pH升高（染菌风险降低），nisin释放变少，抑菌作用减弱 (图3a)，此调控过程可逆，且可随发酵过程而智能（自发）调节，并实现了良好的染菌防控效果。该智能调控体系安全性好，对酿酒酵母无影响 (图3b)。本研究通过响应性设计与发酵过程参数的适配，为发酵过程染菌防控提供了新的平台，也为绿色生物制造中过程智能调控的创新发展提供了新思路。

图3. (a) nisin@COFs和nisin@SBA-15在共培养条件下(酿酒酵母与短乳杆菌共培养)对短乳杆菌的抑制情况。(b) nisin@COFs对酿酒酵母活性的影响情况。

该成果近期发表在ACS Appl. Mater. Interfaces 上，通讯作者为南开大学陈瑶研究员，南开大学药学院硕士研究生乔杉和段文杰为共同第一作者。该工作得到国家重点研发计划项目、国家自然科学基金等项目的支持。

原文（扫描或长按二维码，识别后直达原文页面，或点此查看原文）：

Fabrication of Biomolecule–Covalent-Organic-Framework Composites as Responsive Platforms for Smart Regulation of Fermentation Application

Shan Qiao, Wenjie Duan, Jiangyue Yu, Yunlong Zheng, Dong Yan, Fazheng Jin, Sainan Zhang, Zhenjie Zhang, Haixin Chen, He Huang, and Yao Chen*

ACS Appl. Mater. Interfaces, 2021, 13, 32058–32066, DOI: 10.1021/acsami.1c02120

陈瑶课题组链接：

https://www.x-mol.com/groups/chen-yao