通过响应表面,人工神经网络和遗传算法技术,对葡萄藤 (Vitis vinifera) 根基3309C的表面杀菌过程进行先进的建模和优化
Habtamu Dagne1, Venkatesa Prabhu S2, Hemalatha Palanivel1
1Department of Biotechnology, Centre of Excellence for Biotechnology and Bioprocess, College of Biological and Chemical Engineering, Addis Ababa Science and Technology University, PO Box 16417, Addis Ababa, Ethiopia.
使用人工智能优化葡萄根茎3309C的体外杀菌,显著改善了干净的作物和植物活力. 计算方法为植物组织培养成功提供了精确的条件.
科学领域:
- 植物生物技术 植物生物技术
- 计算生物学 计算生物学
- 农业科学 农业科学
背景情况:
- 有效的体外杀菌对于植物组织培养成功至关重要.
- 传统的绝育优化方法有其局限性.
- 人工智能为体外培养提供了精确的优化.
研究的目的:
- 为了优化葡萄根茎的体外杀菌3309C.
- 使用响应表面方法 (RSM),人工神经网络 (ANN) 和遗传算法 (GA) 进行优化.
- 确定清洁培养和植物生长能力的最佳条件.
主要方法:
- 优化两个响应:清洁文化和Explant可行性.
- 使用RSM和ANN进行建模,然后使用GA进行全球优化.
- 影响因素的鉴定:HgCl2,NaOCl,AgNO3和浸泡时间.
主要成果:
- 预测的最佳条件:1.62%的NaOCl和13.96分钟的浸泡时间.
- 实现了91%的最佳清洁培养和89%的扩展活力.
- 灵敏度分析显示,沉浸时间比AgNO3有更大的影响.
结论:
- GA是一种优化植物组织培养过程的强有力的方法.
- 计算方法,特别是GA,可以导致植物组织培养的新方法.
- 经过验证的结果证明了人工智能驱动的优化对体外绝育的有效性.
更多相关视频
06:00Optimization of the Epimedii Folium Mutton-Oil Processing Technology and Testing Its Effect on Zebrafish Embryonic Development
Published on: March 17, 2023
09:12Optimization of Processing of Tiebangchui with Highland Barley Wine Based on the Box-Behnken Design Combined with the Entropy Method
Published on: May 19, 2023
相关概念视频
Methods for Controlling Microbial Growth
Response Surface Methodology
The process of RSM involves several key steps:
Physical Methods for Controlling Microbial Growth: Radiation and Filtration
Biological Methods for Microbial Control
Physical Methods for Controlling Microbial Growth: Temperature
