基因算法优化的人工神经网络,用于多目标优化Haloferax mediterranei生物质和外聚糖类的生产

科学领域:

• 微生物学 微生物学
• 生物技术是生物技术.
• 化学工程是化学工程的重要组成部分.

背景情况:

• 极端动物为微生物外聚糖 (EPS) 生产提供了独特的优势.
• 优化介质成分对于最大限度地提高EPS产量和最大限度地减少生物质增长至关重要.

研究的目的:

• 优化关键介质成分 (糖,酵母提取物,尿素) 以提高Haloferax mediterranei DSM 1411中的EPS生产.
• 使用人工神经网络 (ANN) 和遗传算法 (GA) 开发一个多目标优化框架,以优先考虑EPS生产而不是生物质增长.

主要方法:

• 对于媒体组件优化的Box-Behnken设计.
• 响应表面方法 (RSM) 和GA优化的ANN用于多目标优化.
• 核磁共振 (NMR) 光谱和扫描电子显微镜与能量分散式X射线光谱 (SEM-EDX) 用于EPS表征.

主要成果:

• 与多重回归 (R2:0.818-0.963) 相比,GA-ANN模型表现出更好的预测性能 (R2:0.964-0.975).
• 在优化条件下,最大EPS产量为17.80g/L,生物质为17.27g/L.
• 糖及其与尿素的相互作用对生物质和EPS生产产生了重大影响.
• 该研究预计EPS产量将大幅增加 (4.49至18.2g/L),并改善EPS与生物质的比率.

结论:

• 开发的GA-ANN模型有效地优化介质组件,以增强微生物外聚糖的生产.
• 该研究成功地将葛兰确定为产生的EPS,并描述了其特性.
• 这项研究提供了一个强大的框架,以最大限度地提高从极端动物的工业生物聚合物生产.