统计与神经网络嵌入式蜂群智能优化金属中性蛋白酶生产的统计与神经网络:活动动力学和食品工业应用
Maurice George Ekpenyong1,2, Sylvester Peter Antai1,2
1Environmental Microbiology and Biotechnology Unit, Department of Microbiology, Faculty of Biological Sciences, University of Calabar, Calabar, Nigeria.
Preparative biochemistry & biotechnology
|March 16, 2024
概括
这项研究优化了Bacillus cereus中性蛋白酶的生产,使用混合人工神经网络--殖民地优化模型,实现了显著的产量增加. 开发的酶显示出食品工业应用的潜力,特别是在果汁澄清中.
科学领域:
- 生物技术和生物工艺工程
- 酶技术 酶技术是一种
- 微生物发酵 微生物发酵
背景情况:
- 优化微生物发酵以生产酶对于工业应用至关重要.
- 细菌花中性蛋白酶在各种行业具有潜在的应用,包括食品加工.
- 精确的介质优化对于最大限度地提高酶产量和生产率至关重要.
研究的目的:
- 开发一种优化的生物处理介质,以增强Bacillus cereus中性蛋白酶的生产.
- 为了比较响应表面方法 (RSM) 和混合人工神经网络-殖民地优化 (ANN-ACO) 模型的预测能力.
- 描述纯化的酶,并评估其在食品工业应用中的潜力.
主要方法:
- 采用了一种综合方法,将响应表面方法 (RSM) 和人工神经网络-抗殖民优化 (ANN-ACO) 结合起来.
- 开发并优化了Bacillus cereus的浸泡发酵介质.
- 净化和表征中性蛋白酶酶,确定其动力参数和最佳条件.
主要成果:
- 与RSM模型 (预测r2=86.4%) 相比,ANN-ACO模型显示出更高的预测能力 (预测r2=98.5%).
- 优化的介质导致蛋白酶活性增加6.75倍,最终体积生产率为3.472 mg/L·h.
- 纯化的46.6kDa酶在pH 6.5和45-55°C时表现出最佳活性,显示出汁液澄清的潜力.
结论:
- 混合ANN-ACO模型在生物处理媒介优化方面非常有效,显著提高了酶产量.
- 标志性的Bacillus cereus中性蛋白酶是一种强大的金属蛋白酶,在食品工业中具有有前途的应用.
- 这项研究为可扩展和高效的中性蛋白酶工业生产提供了基础.
