成果描述：项目把现代生物工程技术与传统酿造发酵技术相结合，利用自转化育种功能性菌株及各种酿酒发酵有益菌株，研制开发出各类新型微生物菌剂，既可有效利用和降低各类白酒生产原材料中残余淀粉含量，提高酿酒原料的利用率，增加出酒率，减少废弃丢糟的排放；还可根据不同人群饮食文化的嗜好，采用不同微生物菌种配合和工艺改造，生产出具有不同风格特点的新产品类型，实现经济、社会及环保效益的和谐统一。市场前景分析：本项目成果技术应用覆盖生物工程、生物化工、食品酿造等工程技术领域。由于核心技术是淀粉质材料的高效利用和酒精成分、风味物质的有效生成，因而相关技术成果适用于不同规模白酒发酵生产企业以及各类酿造食品及发酵饮料等传统和现代酿造生产企业选择性使用。本项目已在部分企业得到生产规模应用，产品市场前景良好。与同类成果相比的优势分析：针对各种原料的专用酿酒微生物制剂系列，为浅褐色粉粒，分别含多种高活性酿酒酶类和各种香型生香酵母，100斤粮食出酒率为50度白酒80-120斤。年产300吨，年销售收入300万元。国内领先。

从南海红树林微生物中分离105种化合物，其中50种新结构， 26种对肿瘤细胞（包括耐药肿瘤细胞 株）有强细胞毒活性（IC50＜10μg/mL）的化合物，部分化合物活性达到纳克级，22种有抗菌活性（包括 抗临床耐药性结核菌株），2种有神经原细胞保护活性。

本成果以软件著作权形式体现（登记号 2016SR322691 ），生命科学大多以微生物为研究对象，因此如何进行微生物的分类鉴定是生命科学领域的基础研究工作。本成果可根据微生物的序列自动完成多种类型的系统发育树分析，并且以直观的图标形式展示，并可与各种专业数据库对接，简单、专业、直观，可以作为生物医药行业鉴定微生物的专业工具。本成果具有预留对接数据库接口、具有进化距离、集成  BLAST 功能、集成 ClustalW2.1 、可生成标准系统发育树图形结果、自动合并分析多种进化树结果、可在线使用等优势。

利用自主筛选、鉴定和保藏的一株产精氨酸脱亚氨基酶（ADI）的恶臭假单胞菌 CGMCC1347，通过发酵培养其微生物细胞，用于转化精氨酸生成 L-瓜氨酸，用 5L 发酵罐发酵 20 小时产酶活力达到 2.17U/mL。采用卡拉胶等凝胶包埋固定化细胞反复分批转化 10 次，酶活力不减。用固定化细胞固定床反应器进行连续转化，连续 30 天以上，连续 30 天 mol 转化率稳定在 90-99％，30 天平均稀释速率 D=0.0735 h-1，固定床反应器生产效率平均 6.34 g L-1 h-1，固定化细胞生产能力 0.0108 g h-1 g -1。本技术的特点是高产精氨酸脱亚氨基酶（ADI）的恶臭假单胞菌菌株能高效转化精氨酸生成 L-瓜氨酸，对底物总摩尔转化率高，转化后的产物纯度高，作为生物催化剂的微生物细胞易于培养且安全无毒，生物转化反应条件温和，环境友好。固定化细胞可反复利用多次，或装柱连续转化。 

本课题发明一种针对临床液相标本中的微生物进行快速浓缩富集的方法和试剂，可以明显地提高临床标本中微生物检测的阳性率。 本方法首先通过磁珠吸附的方式，将临床液体样本（尿液、胸腹水、脑脊液、肺泡灌洗液等）中细菌、真菌或病毒特异性结合于磁珠上，无需高速离心，从而实现病原体的富集；再通过对细菌进行培养、染色、分子生物学或质谱检测，或者对病毒进行免疫荧光或分子生物检测，最终对细菌、真菌或病毒进行鉴定。对临床标本中的细菌、真菌或病毒进行富集，提高了后续鉴定时病原体的初始量，从而极大地提高了鉴定的阳性率。 本产品可以迅速将5～50ml液相样本中微生物浓缩至50～200µl样本中，在磁性环境下可以轻松实现临床标本中细菌、真菌或病毒的浓缩，无需离心，减少了由于离心产生的气溶胶所带来的潜在生物安全隐患。本方法操作简单、无需复杂仪器、耗时短、在源头显著提升临床液相样本中病原微生物检测的灵敏性。

一种微生物智能液基培养皿，属于微生物设备技术领域。包括皿体、电源和触摸屏，皿体中心设有数据检测模块，皿体底部设有与数据检测模块相连接的安装块，安装块底部分别设有数据线路和排液管，数据线路与皿体侧部设置的电源接头相电连接，皿体外壁底侧设有配比盛放腔，配比盛放腔顶部设有盛放腔口，配比盛放腔内腔中还设有供料泵，皿体内壁底侧对应配比盛放腔设有安装壳体，供料泵与安装壳体内的喷淋电磁阀相连通，喷淋电磁阀与数据线路相电连接，且顶部设有喷淋管路。解决了分离纯化效果不好的问题，结构简单成本低，能在培养皿中直接降低其他微生物的存活率，进而大大减少或省略纯化步骤，有效提高了实用性。

Ø 含染料废水的脱色一直是印染行业和染料工业所面临的重大问题之一。目前用于该类废水脱色处理的工艺和技术如活性炭吸附、化学絮凝、臭氧氧化、光催化氧化等，虽然具有较好的脱色性能，但处理成本高，难以广泛使用；并且它们只能用于废水脱色，不能完成染料回收。如果能对上述有色废水中的染料进行回收，尤其是对那些含高浓度染料且组分相对简单的工序废水进行单独处理和染料回收，不但解决了其脱色问题，还具有较好的经济效益，应用前景可观。利用颗粒化微生物吸附回收废水染料正是基于这一思路而开发的染料废水处理新技术本技术

一种单细胞微生物发酵系统及其发酵方法，本发明属于生物发酵设备及方法，解决现有装置发酵过程中 pH 值不易控制的问题，并解决现有发酵方法每轮发酵种子扩培次数过多、导致花费时间过长及成本过高的问题。本发明的发酵系统，包括发酵罐装置和 N 级种子罐装置，发酵罐装置包括培养罐、中和剂储罐、循环泵和可编程逻辑控制器，各级种子罐装置的组成、结构均与发酵罐装置相同，仅尺寸有区别。本发明的发酵方法，包括预装、种子扩培、种子暂存、发酵、第N 级种复培和循环步骤。采用本发明，缩短了种子扩培时间，降低了染菌风险，较大地节

本实验室成功筛选得到1株花青素产生菌株CJ6，为国际首创。对其生长、代谢规律、提取工艺等进行了研究。成果与技术具有创新性，在化妆品、保健品、色彩产品等领域，市场应用前景广阔。 一、项目分类 关键核心技术突破 二、技术分析 花青素是植物花朵和果实等呈现红色或紫色的重要色素，是人体必不可少的重要营养成分。它具有抗氧化、抗突变、预防心脑血管疾病、保护肝脏、抑制肿瘤细胞发生、保护视力、修复肌肤、增强记忆力、抗衰老等多种保健功能，各种富含花青素食品和产品备受关注。 然而，由于植物生长具有周期性，用植物生产花青素，受到季节、环境和植被资源等多重因素限制，而利用微生物生产花青素具有高效、低耗，可一年四季生产等优势。然而，目前有关利用微生物菌株生产花青素的研究和应用国内外尚没有报道。 本实验室成功筛选得到1株花青素产生菌株CJ6，为国际首创。对其生长、代谢规律、提取工艺等进行了研究。成果与技术具有创新性，在化妆品、保健品、色彩产品等领域，市场应用前景广阔。

一、所属领域 人工智能，精密自动化，生物分析与检测，环境微生物检测，工业微生物检测，细胞组织分析检测。 二、项目介绍 1. 痛点问题 微生物的识别、计数和定性分析一直是食品、医药和生物行业的重要一环。传统的人工检测方式劳动强度比较大，且检测主观性强，标准难以统一，计数和检测结果不准确；在对环境的微生物监测中，人工方法只能做到抽样检测，无法做到持续性检测。 近两年行业巨头们（如GE，安捷伦，赛默飞等）开始推出图像识别技术的微生物检测设备，其结果来自直观影像，分辨率高，操作难度低。但是这些设备目前采用的光学显微镜倍数都在800倍以下，只能进行计数，如果要完成相关定性分析，需要在800倍以上的放大倍数获得单细胞微生物的清晰图像（如酵母菌，大肠杆菌）。但800倍放大倍数对应的有效视场只有200微米*200微米，对计数和活性统计分析又不具备足够的采样数量。目前国内外设备均没有解决好这个问题，对微生物进行定性分析的准确率低，无法满足市场需求。 2. 解决方案 本项目针对微生物和细胞活体检测中缺乏有效参照物的技术难点，根据显微扫描设备的结构，将全景化视域重构技术和微米级电机结合，解决了镜头大幅平移过程中的自动对焦难题和微生物溶液动态环境中的影像拼接难题，在保证1000倍放大的基础上，获得的有效视场增加到10毫米*10毫米的范围；再通过自动化图像采集和拼接，得到完整的微生物图像；然后结合传统的图像分割以及深度学习图像识别的优势，小样本高精度动态完成微生物的类型识别，计数，活性，死亡率，出芽率等定量定性分析。 3. 竞争优势分析 与国内外的主流检测设备对比，本项目技术优势主要体现在： 1）独创的微生物影像全景化视域重构技术，实现0.5微米的分辨率和20*25毫米的超大视角； 2） 解决微生物影像领域小样本智能识别和智能检测的难题； 3） 检测目标、检测内容、检测流程和逻辑可通过自然语言定制，提高设备功能通用性； 4）计数准确率超过人工计数，准确率超过国内细胞计数仪器一个数量级； 5）第一台按照国家微生物计数检测标准开发研制的微生物计数仪。 本项目的第一代产品样机与国内外同类产品对比，主要性能优势和技术优势如下： 在食品行业，本项目获得了青岛啤酒北京密云分厂的啤酒原液和相关酵母菌种，针对生产用酵母菌采集了大量实拍图像数据，优化后的酵母菌计数和出芽率算法识别率均在95%以上。 4. 发展规划 按照三步走的方式来设定发展规划： 1）基于全景化视域重构技术，构建第一代检测仪器，首先进入门槛最低的食品微生物检测市场，对啤酒和发酵乳企业提供酵母菌检测计数技术和设备； 2） 利用已有技术积累，进入环境微生物检测和高校实验室市场； 3）最后以食品和环境检测市场为根据地，进入门槛最高的生物医药检测市场，提供微生物检测和组织检测的相关设备。 5. 知识产权情况 已申请3项专利。 三、合作需求 1）寻求500-800万元天使投资； 2）寻找高校研究所，食品工业和环境检测领域的客户、渠道伙伴； 3）寻找生物医药，医学临床领域的客户、渠道伙伴和产品测试环境。 四、团队介绍 科研团队： 1）周悦芝 博士 清华大学计算机系研究员，项目负责人，在边缘计算和深度学习等领域有丰富的开发经验和杰出的研究成果，在面向医学影像的AI图像分析方面曾发表多篇论文，申请或获得多项国家发明专利。 2）黄权伟 清华大学计算机系硕士，负责图像分割及细胞识别等相关算法研发。 3）梁志伟 清华大学计算机系硕士，负责深度学习算法加速研究和实现。 五、联系方式 E-mail：ott@tsinghua.edu.cn 成果编号：20230055