一个基于遗传算法的神经网络模型,用于监测Fusarium fujikuroi的Gibberellic酸GA3发酵过程

科学领域:

• 生物技术是生物技术.
• 发酵科学 发酵科学
• 人工智能在生物学中的应用

背景情况:

• 监测发酵过程的传统方法,如吉伯雷林 (GA3) 生产,通常是离线的,导致污染风险和延迟反.
• 优化二次代谢物生产需要精确控制动态发酵参数.

研究的目的:

• 开发和验证一个实时监测系统,用于使用一个人工神经网络优化基因算法 (ANN-GA) 的gibberellin (GA3) 生产.
• 通过动态控制关键过程变量来提高发酵效率和产品产量.

主要方法:

• 开发了一个通过遗传算法 (ANN-GA) 模型优化的人工神经网络.
• 整合了六个关键输入参数:初始葡萄糖度,发酵时间,温度,pH,溶解氧和旋转速度.
• 基于实时预测实现了温度和pH的动态控制.

主要成果:

• 在预测葡萄糖消耗和GA3合成方面,ANN-GA模型达到99.41%的准确性.
• 通过动态控制温度和pH值,生物质积累率在48小时内增加了84%,GA3积累率提高了66.7%.
• 通过动态调整葡萄糖供应,优化碳源利用和提高工艺稳定性.

结论:

• 该ANN-GA框架提供了一个准确和可适应的数据驱动的解决方案,用于实时监测和控制发酵过程.
• 这种智能系统克服了传统方法的局限性,为工业规模优化二次代谢物生产提供了巨大的潜力.
• 该模型推进了智能生物过程控制,减少了对昂贵传感器和手动采样的依赖.