模拟和优化由Schizochytrium sp.产生的多可萨赫萨酸的生产. 基于动态建模和遗传算法优化的人工神经网络

科学领域:

• 生物技术是生物技术.
• 微生物发酵 微生物发酵
• 生物化学工程 生物化学工程

背景情况:

• 作为一种必需的欧米茄-3脂肪酸,多可萨赫萨酸 (DHA) 对人类健康至关重要.
• 精神分裂 (Schizochytrium sp.) 是一种疾病. 是DHA的关键微生物生产者,但由于复杂的参数相互依赖,其生物过程优化面临挑战.
• 目前优化DHA生产的方法通常受到动态代谢转变和种植参数相互作用的限制.

研究的目的:

• 开发一个综合框架,结合动态建模和机器学习,以增强Schizochytrium sp.中的DHA生产.
• 优化生物过程参数,以最大限度地提高DHA产量和生产力.
• 为工业DHA生物合成建立一个可扩展和具有成本效益的方法.

主要方法:

• 利用运动模型 (物流和卢德金-皮雷特方程) 来描述生物质,脂质和DHA生产动态.
• 使用人工神经网络 (ANN) 训练发酵数据来预测生物质和DHA产量.
• 将基因算法 (GA) 与ANN (ANN-GA) 集成,以优化预测准确性 (R2 = 0.988) 并克服局部最佳情况.
• 通过实验验证了从ANN-GA模型获得的最佳三阶段控制策略.

主要成果:

• 该ANN-GA模型实现了高预测准确度 (R2 = 0.988) 的DHA产量.
• 确定了一种最佳的三阶段控制策略,导致DHA生产大幅增加.
• 实验验证表明,与最佳训练数据相比,DHA产量有10.4%的改善,达到45.13g/L.
• 综合方法成功地平衡了种植参数和代谢转变,以增强DHA生物合成.

结论:

• 联合的动力建模和ANN-GA框架为优化微生物DHA生产提供了一个强大而可扩展的策略.
• 这种方法有效地解决了生物过程中的动态相互依存,从而提高了产量和降低了实验成本.
• 这项研究提供了一种有价值的工具,可以提高像DHA这样的必需欧米茄-3脂肪酸的工业生产.