人工神经网络 - 基于多目标遗传算法的优化,用于Synechocystis sp.中的增强色素积累. 在PCC 6803中
Namrata Bhagat1, Guddu Kumar Gupta1, Amritpreet Kaur Minhas2
1Enzyme Technology and Protein Bioinformatics Laboratory, School of Biotechnology, Institute of Science, Banaras Hindu University, Varanasi, 221005, India.
BMC biotechnology
|March 16, 2025
概括
这项研究优化了Synechocystis sp.中的天然色素产量. PCC 6803使用机器学习. 优化条件显著提高了叶绿素a,胡卜素和植物素的产量,显示出商业潜力.
科学领域:
- 生物技术是生物技术.
- 物理学的生理学
- 生物化学 生化学
背景情况:
- 蓝藻细菌,例如Synechocystis sp. 这种细菌. PCC 6803,自然产生有价值的颜料,如胡卜素,叶绿素a,和植物.
- 生物压力 (低温,高光) 和营养压力 (源) 影响着色素的积累.
研究的目的:
- 调查非生物和营养应激对Synechocystis sp.颜色积累的影响. 这是PCC 6803.
- 使用响应表面方法 (RSM) 和人工神经网络多目标遗传算法 (ANN-MOGA) 来优化色素生产.
主要方法:
- 培养Synechocystis sp. 的种植方式 在不同的非生物条件下 (温度,光线) PCC 6803.
- 评估不同源 (尿素,化,酸) 的颜料生产情况.
- 用RSM和ANN-MOGA来优化色素合成和预测酶活性.
主要成果:
- 结合源 (尿素/酸盐,化/酸盐) 增强了色素的积累.
- ANN-MOGA模型预测并实现了素a (21.93微克/毫升),胡卜素 (9.78微克/毫升) 和植物 (0.05微克/毫升) 的显著增加.
- 颜料表现出显著的清除活性 (IC50:7.66±0.001) 和与抗氧化酶活性 (APX,CAT,GPX;R2>0.92) 的高相关性.
结论:
- RSM和机器学习 (ANN-MOGA) 是优化蓝色细菌颜料生产的有效工具.
- 来自Synechocystis sp. 的优化色素. PCC 6803 具有宝贵的抗氧化特性.
- 这些方法可用于提高其他微生物代谢物的产量,以提高其商业可行性.
关键词:
综合囊 sp. 的情况. 在PCC 6803中.无生物应激应激是一种非生物应激.人工神经网络 (ANN) 是一个人工神经网络.胡卜素是一种胡卜素.蓝藻细菌是一种蓝藻细菌.多目标遗传算法 (MOGA)更多相关视频
06:24Generic Protocol for Optimization of Heterologous Protein Production Using Automated Microbioreactor Technology
Published on: December 15, 2017
10.0K
11:13Design and Implementation of an Automated Illuminating, Culturing, and Sampling System for Microbial Optogenetic Applications
Published on: February 19, 2017
9.6K
