Artificial Intelligence (AI) technology is spearheading a new industrial revolution, which provides ample opportunities for the transformational development of traditional fermentation processes. During plasmid fermentation, traditional subjective process control leads to highly unstable plasmid yields. In this study, a multi-parameter correlation analysis was first performed to discover a dynamic metabolic balance among the oxygen uptake rate, temperature, and plasmid yield, whilst revealing the heating rate and timing as the most important optimization factor for balanced cell growth and plasmid production. Then, based on the acquired on-line parameters as well as outputs of kinetic models constructed for describing process dynamics of biomass concentration, plasmid yield, and substrate concentration, a machine learning (ML) model with Random Forest (RF) as the best machine learning algorithm was established to predict the optimal heating strategy. Finally, the highest plasmid yield and specific productivity of 1167.74 mg L

Abstract Industrial production of bioactive compounds from actinobacteria, such as erythromycin and its derivatives, faces challenges in achieving optimal yields. To this end, the Design‐Build‐Test‐Learn (DBTL) framework, a systematic metabolic engineering approach, was employed to enhance erythromycin production in Saccharopolyspora erythraea ( S. erythraea ) E3 strain. A genetically modified strain, S. erythraea E3‐CymRP21‐dcas9‐sucC ( S. erythraea CS), was developed by suppressing the sucC gene using an inducible promoter and dcas9 protein. The strain exhibited improved erythromycin synthesis, attributed to enhanced precursor synthesis and increased NADPH availability. Transcriptomic and metabolomic analyses revealed altered central carbon metabolism, amino acid metabolism, energy metabolism, and co‐factor/vitamin metabolism in CS. Augmented amino acid metabolism led to nitrogen depletion, potentially causing cellular autolysis during later fermentation stages. By refining the fermentation process through ammonium sulfate supplementation, erythromycin yield reached 1125.66 mg L −1 , a 43.5% increase. The results demonstrate the power of the DBTL methodology in optimizing erythromycin production, shedding light on its potential for revolutionizing antibiotic manufacturing in response to the global challenge of antibiotic resistance.

Abstract Cephalosporin C (CPC) is a critical raw material for cephalosporin antibiotics produced by Acremonium chrysogenum . During fermentation, the oxygen supply is a crucial factor limiting the efficient biosynthesis of CPC. This study demonstrated that the addition of exogenous surfactants significantly increased the dissolved oxygen (DO) level, extracellular catalase content, and final CPC titer. Consequently, we hypothesized and examined a correlation between catalase and CPC biosynthesis in A. chrysogenum through both the exogenous addition of hydrogen peroxide (H₂O₂) and the endogenous modulation of the catA expression level. The results indicated that both the addition of H₂O₂ and the ∆ catA mutation exhibited similar fermentation trends, leading to decreased extracellular catalase activity and increased intracellular reactive oxygen species (ROS) content, which resulted in reduced CPC production. Conversely, strains that overexpress varying levels of the catA accelerated hyphal differentiation under DO-limiting conditions, reducing intracellular ROS accumulation and decreasing cellular apoptosis, which stabilized CPC yield during the later stages of fermentation. This study provides a critical foundation for further investigations into the regulatory mechanisms governing CPC biosynthesis in A. chrysogenum . Graphical Abstract