数据驱动的智能建模,优化和全球灵敏度分析,Xanthan牙生物合成过程
Andrew Nosakhare Amenaghawon1, Shedrach Igemhokhai1,2, Stanley Aimhanesi Eshiemogie1
1Bioresources Valorization Laboratory, Department of Chemical Engineering, University of Benin, Benin City, Edo State, Nigeria.
这项研究优化了使用Xanthomonas campestris从废物中生产的香. 机器学习模型实现了11.9%的产量增长,将废物价值化为有价值的生物聚合物.
科学领域:
- 生物技术是生物技术.
- 生物化学 生物化学
- 工业微生物学 工业微生物学
背景情况:
- 的废物代表了一个未充分利用的资源.
- 赞坦是一种有价值的微生物多糖,具有多种工业应用.
- 优化香生产对于经济可行性至关重要.
研究的目的:
- 通过使用Xanthomonas campestris生产香丹来提升废物的价值.
- 为了优化发酵参数和代谢刺激剂,以提高香糖产量.
- 应用机器学习用于智能流程建模和优化.
主要方法:
- 使用了Xanthomonas campestris用于从废物中合成的香糖.
- 采用了六种机器学习模型,包括极端学习机器,用于流程优化.
- 应用进化算法 (粒子群优化,遗传算法) 和全球灵敏度分析.
主要成果:
- 二酸 (KH2PO4) 被确定为桑坦生产中最关键的刺激剂.
- 极端学习机器模型预测的最佳条件产生了10.34g/l的山.
- 与在优化条件下的对照组相比,获得了11.9%的香草产量增加.
结论:
- 使用机器学习的智能建模有效地优化了生物刺激过程的废物利用.
- 的废物可以成功地转化为桑坦,证明了可持续的方法.
- 这项研究为通过数据驱动优化增强微生物多糖体生产提供了一个框架.
更多相关视频
12:02Automated Modular High Throughput Exopolysaccharide Screening Platform Coupled with Highly Sensitive Carbohydrate Fingerprint Analysis
Published on: April 11, 2016
06:24Generic Protocol for Optimization of Heterologous Protein Production Using Automated Microbioreactor Technology
Published on: December 15, 2017
相关概念视频
Bioreactor Controls-III
Methods of Medium Optimization
Upstream Processing
Production of Alcohol
Production of Organic Acids
Production of Pharmaceuticals
