為什麼同一株菌，在燒瓶裡長得好，放大到五萬公升卻死一片？

為什麼同一株菌，在燒瓶裡長得好，放大到五萬公升卻死一片？

許多人第一次接觸生化工程（Biochemical Engineering），是從一個令人挫折的觀察開始：實驗室裡用 250 毫升搖瓶（shake flask）養大腸桿菌或酵母，菌長得又快又漂亮；可是一旦把同樣的菌種、同樣的培養基放進工廠的 50,000 公升發酵槽（fermenter），產率（yield）卻可能掉到剩下一半，甚至整批失敗。

問題不在生物學，而在工程。搖瓶裡的微生物沐浴在充足的氧氣與均勻的養分中；而在巨大的發酵槽裡，氧氣要從氣泡溶進液體、再擴散到每一個細胞，這條路徑變得非常漫長。同時，攪拌槳產生的剪切力（shear stress）、局部養分濃度不均、代謝產生的熱量無法即時帶走——這些「輸送現象」（transport phenomena）才是放大（scale-up）成敗的關鍵。

生化工程，正是把化學工程的質量守恆、動量守恆與能量守恆，套用在「活的反應器」上。微生物不是被動的觸媒，牠們會生長、會死亡、會改變代謝路徑——這讓生化反應器（bioreactor）的設計，比一般化學反應器多了一層動態的生命邏輯。

細胞生長動力學：把「活的觸媒」寫成方程式

要設計發酵程序，第一步是用數學描述細胞如何生長。最經典的是 Monod 方程式，它把比生長速率（specific growth rate）$\mu$ 與限制性基質（limiting substrate）濃度 $S$ 連結起來：

$$\mu = \mu_{\max} \frac{S}{K_S + S}$$

其中 $\mu_{\max}$ 是最大比生長速率（單位 $\text{h}^{-1}$），$K_S$ 是半飽和常數（saturation constant），代表 $\mu = \tfrac{1}{2}\mu_{\max}$ 時的基質濃度。這條曲線的形狀和酵素動力學的 Michaelis–Menten 方程式如出一轍——這並非巧合，因為細胞生長的速率最終受限於內部酵素反應。

在批次培養（batch culture）中，細胞濃度 $X$ 隨時間呈指數增長：

$$\frac{dX}{dt} = \mu X \quad\Longrightarrow\quad X(t) = X_0 \, e^{\mu t}$$

當基質充足（$S \gg K_S$）時，$\mu \approx \mu_{\max}$，細胞進入對數生長期（exponential phase）。隨著基質耗盡，$\mu$ 下降，最終進入靜止期（stationary phase）。

我們還需要兩個重要的得率係數（yield coefficient），把不同物質的消耗與生成綁在一起：

$$Y_{X/S} = -\frac{dX}{dS}, \qquad Y_{P/S} = -\frac{dP}{dS}$$

$Y_{X/S}$ 是「每消耗 1 克基質能產生多少克細胞」，$Y_{P/S}$ 則是基質轉化為目標產物 $P$ 的效率。這些係數讓我們能在質量平衡中把基質、菌體、產物三者串起來。

質量平衡：發酵槽的會計帳

生化工程的核心工具，是對反應器內每一種物質做質量平衡。以連續攪拌槽反應器（CSTR）型態運轉的連續培養（continuous culture, chemostat） 為例，假設體積 $V$ 固定、進料流量 $F$ 固定，定義稀釋率（dilution rate）$D = F/V$（單位 $\text{h}^{-1}$）。

對細胞濃度 $X$ 做平衡，進料無菌（$X_{in}=0$）：

$$\underbrace{V\frac{dX}{dt}}_{\text{累積}} = \underbrace{F \cdot 0}_{\text{流入}} - \underbrace{F X}_{\text{流出}} + \underbrace{\mu X V}_{\text{生成}}$$

兩邊除以 $V$：

$$\frac{dX}{dt} = \mu X - D X$$

在穩態（steady state，$dX/dt = 0$）且 $X \neq 0$ 時，得到一個極簡潔而深刻的結論：

$$\boxed{\mu = D}$$

也就是說，在 chemostat 中，操作者只要設定進料流速，就等於設定了細胞的生長速率。這是生化工程最優雅的結果之一：我們用一個外部可控的工程參數（$D$），鎖定了生物體內在的生理狀態（$\mu$）。

對基質 $S$ 同樣做平衡（進料濃度 $S_0$，消耗速率為 $\mu X / Y_{X/S}$）：

$$\frac{dS}{dt} = D(S_0 - S) - \frac{\mu X}{Y_{X/S}}$$

穩態時聯立 $\mu = D$ 與 Monod 方程式，可解出穩態基質濃度：

$$S = \frac{K_S \, D}{\mu_{\max} - D}$$

並進一步得到穩態菌體濃度：

$$X = Y_{X/S}\,(S_0 - S) = Y_{X/S}\left(S_0 - \frac{K_S D}{\mu_{\max} - D}\right)$$

注意：當 $D$ 逼近 $\mu_{\max}$ 時，$S$ 急遽上升、$X$ 趨近於零——此時細胞來不及生長就被沖出反應器，稱為沖洗（washout）。臨界稀釋率為：

$$D_{\text{crit}} = \mu_{\max}\frac{S_0}{K_S + S_0}$$

設計連續發酵時，工程師必須讓 $D$ 安全地低於 $D_{\text{crit}}$。

氧氣輸送：放大失敗的頭號元兇

回到開頭的謎題。好氧（aerobic）發酵中，氧氣的供應幾乎總是放大的瓶頸，原因是氧在水中的溶解度極低（25°C、1 atm 空氣下飽和溶氧僅約 7–8 mg/L）。氧氣的供應速率以氧氣傳遞速率（Oxygen Transfer Rate, OTR）描述：

$$\text{OTR} = k_L a \,(C^* - C_L)$$

其中 $k_L a$ 是體積氧傳遞係數（volumetric mass transfer coefficient，單位 $\text{h}^{-1}$），$C^*$ 是與氣相平衡的飽和溶氧濃度，$C_L$ 是液相實際溶氧濃度。$k_L$ 是液膜傳質係數，$a$ 是單位體積的氣液界面積——攪拌得越劇烈、氣泡越小越多，$a$ 越大，$k_L a$ 越高。

而細胞的耗氧速率（Oxygen Uptake Rate, OUR）為：

$$\text{OUR} = q_{O_2} X$$

$q_{O_2}$ 是比耗氧速率。發酵能否維持的鐵律是：

$$\text{OTR} \geq \text{OUR} \quad\Longrightarrow\quad k_L a\,(C^* - C_L) \geq q_{O_2} X$$

一旦菌體濃度 $X$ 太高、$k_L a$ 跟不上，$C_L$ 就會跌到臨界溶氧（critical dissolved oxygen）以下，細胞缺氧、代謝轉向（例如酵母進行 Crabtree 效應產生乙醇），產率崩潰。

這正是為什麼放大如此困難：搖瓶靠表面氣液交換，$k_L a$ 自然夠用；但發酵槽體積放大後，表面積與體積比急遽下降，必須靠強力攪拌與通氣（sparging）來補足 $k_L a$。然而攪拌功率有上限、剪切力會傷害細胞——這是一個典型的工程取捨。

攪拌功率與放大準則：到底要固定哪個量？

通氣攪拌槽的攪拌功率，未通氣時可用功率準數（power number）$N_p$ 估算：

$$P = N_p \, \rho \, N^3 D_i^5$$

其中 $\rho$ 為液體密度、$N$ 為攪拌轉速（rev/s）、$D_i$ 為攪拌槳直徑。放大時，工程師面臨一個根本難題：無法同時保持所有無因次群相同。常見的放大準則包括：

• 固定單位體積功率 $P/V$（最常用於好氧發酵，因為它與 $k_L a$ 高度相關）
• 固定 $k_L a$（直接守住氧傳遞）
• 固定槳尖速度 $\pi N D_i$（控制剪切力，保護敏感的動物細胞或菌絲體）
• 固定混合時間（mixing time）

這幾個準則彼此衝突：若放大時固定 $P/V$，則槳尖速度會上升、剪切力增加；若固定槳尖速度，則 $P/V$ 會下降、氧傳遞變差。沒有完美解，只有針對特定生物系統的最佳折衷——這就是把優化學（optimization）導入生化工程的切入點：以氧傳遞約束、剪切容忍度、能耗成本為限制式，求解最適的攪拌與通氣組合。

看一個例子

某好氧發酵欲將大腸桿菌培養到菌體濃度 $X = 20\ \text{g/L}$。已知比耗氧速率 $q_{O_2} = 0.4\ \text{g O}_2 / (\text{g cell} \cdot \text{h})$，飽和溶氧 $C^* = 7.5\ \text{mg/L}$，欲將液相溶氧維持在 $C_L = 2.0\ \text{mg/L}$（即臨界值之上）。試問所需的最低 $k_L a$ 為何？

第一步：計算耗氧速率 OUR。

$$\text{OUR} = q_{O_2} X = 0.4 \times 20 = 8.0\ \text{g O}_2/(\text{L}\cdot\text{h}) = 8000\ \text{mg/(L}\cdot\text{h})$$

第二步：由 OTR ≥ OUR 反推 $k_L a$。 為維持穩態，令 $\text{OTR} = \text{OUR}$：

$$k_L a = \frac{\text{OUR}}{C^* - C_L} = \frac{8000}{7.5 - 2.0} = \frac{8000}{5.5} \approx 1455\ \text{h}^{-1}$$

第三步：工程判讀。 一般工業攪拌發酵槽的 $k_L a$ 約落在 $100\sim 500\ \text{h}^{-1}$。我們算出需要約 $1455\ \text{h}^{-1}$，遠超常規上限——這代表單靠普通攪拌通氣無法在此菌體濃度維持供氧。可行對策包括：採用富氧空氣（提高 $C^*$）、提高槽壓（亨利定律使 $C^*$ 上升）、改用分批饋料（fed-batch）控制 $X$ 的上升速度，或降低目標菌體濃度。

這個例子說明：生化工程的設計不是「把菌養越多越好」，而是在氧傳遞的物理極限內，找到產率與可操作性的平衡點。

重點回顧

• 生化工程＝把質能守恆套用在活的反應器上。 微生物會生長、死亡、改變代謝，使生化反應器比化學反應器多了動態的生命邏輯，放大失敗多半源於輸送現象而非生物學本身。
• Monod 方程式描述生長動力學，$\mu = \mu_{\max} S/(K_S+S)$，形式上與 Michaelis–Menten 一致；得率係數 $Y_{X/S}$、$Y_{P/S}$ 把基質、菌體、產物串入質量平衡。
• 連續培養（chemostat）的黃金結論是 $\mu = D$：操作者用稀釋率直接鎖定細胞生長速率，但 $D$ 必須低於臨界稀釋率以避免沖洗（washout）。
• 氧傳遞是好氧放大的瓶頸：必須滿足 $k_L a (C^*-C_L) \geq q_{O_2} X$，搖瓶到大槽的成敗，關鍵在 $k_L a$ 能否跟上菌體濃度。
• 放大準則互相衝突（固定 $P/V$ 或槳尖速度或 $k_L a$ 不可兼得），最終必須借助優化學在氧傳遞、剪切、能耗等約束下求折衷。

深入探討（研究所視角）

研究所階段的生化工程，會在前述穩態框架上疊加幾層更貼近真實的複雜性，值得在此勾勒。

一、結構化與分群動力學模型（structured / segregated models）。 Monod 模型把細胞當成一個沒有內部結構的「黑箱」（unstructured），且假設群體均一（unsegregated）。但真實細胞具有內部狀態（DNA、RNA、酵素、儲存物質），且群體在年齡與大小上具分布。結構化模型（如 cybernetic models）追蹤胞內成分，能描述 diauxic growth（雙基質次序利用）等現象；族群平衡模型（population balance equations）則以分布函數描述群體異質性，需求解積分–偏微分方程。

二、CFD 耦合的非理想混合。 工業大槽絕非理想全混合，存在養分與溶氧的空間梯度。現代做法是將計算流體力學（CFD）求得的流場，與細胞動力學耦合，模擬細胞在槽內循環時反覆經歷高糖／低氧、低糖／高氧區域的「生命歷程」（lifeline analysis）。這解釋了放大時觀察到的產率損失，並指引攪拌槳配置的優化。

三、代謝通量分析與 fed-batch 最佳控制。 將胞內代謝網路寫成穩態化學計量矩陣 $\mathbf{S}$，在 $\mathbf{S}\,\mathbf{v}=0$ 的約束下，以線性規劃最大化目標通量，即通量平衡分析（Flux Balance Analysis, FBA）。在程序層面，分批饋料（fed-batch）的饋料曲線本身是一個動態最佳化問題：

$$\max_{F(t)} \; P(t_f) \quad \text{s.t.}\quad \frac{dX}{dt},\frac{dS}{dt},\frac{dP}{dt}=f(\cdot),\; \text{OTR}\geq\text{OUR},\; 0\leq F\leq F_{\max}$$

可用 Pontryagin 最大原理或數值最佳控制求解最適饋料策略，這正是優化學與生化工程交會的前沿。

四、下游分離（downstream processing）。 發酵只是上游；產物純化（細胞分離、破菌、層析、結晶）的成本常占整廠的 50–80%。下游與上游必須協同設計，例如選擇分泌型表達以簡化純化，這呼應了化學工程「反應與分離整合」的主題群精神。

從一只搖瓶到一座工廠，生化工程要回答的始終是同一個問題：如何在輸送現象的物理極限內，讓活的觸媒穩定、可控、可放大地工作。