单因素试验法

单因素试验是指因素间假设没有相互作用的前提下，一个实验中只有一个因素在变化，而其它因素保持恒定不变的实验。通过一次改变一个因素的水平而其它因素保持水平不变来确定整个实验中该因素所起的作用，然后一个个因素进行试验的优化方法。但当实验因素较多时，需要多次的试验次数及较长的试验时间，才能完成每个因素的筛选优化，最终确定培养基的成分、条件等。单因素试验法通常是用来确定碳源和氮源以及它们的配比，然后再进行正交试验。但大多数培养基成分都比较复杂，实验因素间经常存在交互作用，不能获得最佳的优化结果。所以培养基的优化试验一般不采用单因素试验法，而采用正交试验设计法。

正交试验法

正交试验法是根据试验的需要，找出试验中具有代表性的多因素，利用一套表格选择多因素、多水平，设计合理的试验，找出它们之间存在的交互作用，寻找最佳因素水平结合，大大减少试验次数，较快地取得实验结果。正交试验法利用的是普通统计分析方法来分析试验结果，对因素的个数没有严格的限制，不管因素之间有无交互作用都可使用。正交试验设计的因素、水平合理，分布均匀，不需要反复试验，误差小、特别是在试验因素、水平很多、因素之间的交互作用很多时，正交试验法具有明显的优势，单因素试验几乎无法完成。比如吴亚丽等人用正交试验通过摇瓶发酵确定了最佳培养基是基因菌株融合蛋白，用这种优化培养基使GST融合蛋白的量提高到1.8g/L,占总蛋白质量的25%。

响应面优化法

响应面优化法是利用数学统计方法找出多因素与响应面之间结合的最佳条件，得出一个数学函数方程，用它对受变量影响的响应面进行建模和分析,将响应面进行优化，通过因素与响应面的函数关系快速建模，减少实验的次数和时间，用最经济的方法和最短的时间全面进行试验研究，准确地找到整个区域内因素与面的函数关系，从而获得较好的实验结果。响应面优化法用回归函数方程式作为估算工具，将多因素实验中因素与响应面的关系，用多项式来近似，使其实验结果函数化，依据函数方程式对整个面进行全面分析，研究因素与响应值之间，因素与因素之间的关系，并进行优化，从而减少实验的工作量。姜丽艳、李雪等人用响应面优化法对乳链菌肽液体发酵培养基的响应区域进行水平的优化，优化后的乳链菌肽效价是优化前的4.48倍。

响应面优化法得到的数据更精确、更全面，哪怕是对试验有显著影响的因素都可以用响应面优化法进行优化。

还有不常用的均匀实验设计法、二次正交旋转组合法、遗传算法与神经网络等几种方法，在培养基优化中都会用到，关键是根据实验的需要，这里就不再一一叙述。