基于机器学习的预测模型释放了在Isochrysis galbana中的富可桑丁的增强产量

科学领域:

• 海洋生物技术 海洋生物技术
• 物理学的生理学
• 生物化学 生化学

背景情况:

• 伊索克里西斯加尔巴纳 (Isochrysis galbana) 是一种海洋微藻,它产生富可桑,一种有价值的胡卜素,具有多种工业应用.
• 量化富可桑含量的传统方法往往受到复杂性和成本的限制.
• 植物激素补充作为一种提高富可桑生产的策略正在探索中.

研究的目的:

• 开发和验证一种新的综合实验和机器学习 (ML) 方法,用于预测I. galbana.中的富可桑丁含量.
• 评估不同类型和度的植物激素对富可桑丁产量的影响.
• 为了克服与传统的富可桑量化技术相关的局限性.

主要方法:

• 采用综合实验设计,研究各种植物激素治疗对I. galbana.的影响.
• 进行了形态分析,增长率的确定和统计分析.
• 包括Random Forest在内的多个机器学习模型被用来预测含有和没有植物激素描述符的富可桑丁含量.

主要成果:

• 随机森林 (RF) 模型证明了富可桑丁产量的高预测准确性,R平方值为0.809 (没有激素描述符) 和0.839 (具有激素描述符).
• 甲基斯酸盐在0.2mg/L被确定为一种有效的植物激素,用于增强富可丁的生产.
• 结合实验和机器学习的方法被证明是快速,可靠和成本高效的.

结论:

• 机器学习模型,特别是随机森林,是优化微藻生长和富可桑生产的强大工具.
• 这种综合方法比预测富可桑产量的传统方法有了显著的改进.
• 这些发现支持在工业微藻种植中使用ML,以提高富可桑的生产和可预测性.