人工智能引导的发酵过程调节揭示了Gentamicin C1a过度生产中的代谢重新连接
Feng Xu1, Lihuan Su2, Yuan Wang2
1State Key Laboratory of Bioreactor Engineering, Qingdao Innovation Institute of East China University of Science and Technology, East China University of Science and Technology, Shanghai 200237, China; National Center of Bio-Engineering & Technology (Shanghai), East China University of Science and Technology, Shanghai 200237, China; Shanghai Collaborative Innovation Center for Biomanufacturing Technology, East China University of Science and Technology, Shanghai 200237, China.
这项研究引入了一种先进的优化框架,用于甘他C1a的生产,通过集成的人工神经网络-遗传算法 (ANN-GA) 建模和实时发酵控制实现54.6%的标位增加. 该方法提高了生物工艺的效率,并为工业应用提供了可扩展的模型.
科学领域:
- 生物技术是生物技术.
- 生物化学工程 生物化学工程
- 代谢工程是代谢工程.
背景情况:
- 优化工业生物工艺对于有效生产诸如 gentamicin C1a. 这样的有价值化合物至关重要.
- 传统方法往往缺乏为最大限度地提高产量所需的精度和实时适应性.
研究的目的:
- 开发和验证一个完整的优化框架,以提高Gentamicin C1a的产量.
- 利用人工智能和多传感器技术实现实时生物过程控制和代谢途径分析.
主要方法:
- 开发一个人工神经网络-遗传算法 (ANN-GA) 模型,用于流程优化.
- 实施多传感器在线监测,使用近红外 (NIR) 和拉曼光谱来实时控制发酵.
- 应用代谢和代谢流量分析来了解路径的改变.
主要成果:
- 与传统方法相比,ANN-GA模型显示出更高的预测准确性和适配能力.
- 实时发酵控制导致 gentamicin C1a 标位增加了 54.6% (385.3 mg/L 与 249.2 mg/L 相比).
- 代谢分析显示,糖解和TCA循环流量减少,酸路径流量增加,NADPH可用性增强,碳流量向关键前体转向.
结论:
- 综合框架通过智能优化和实时控制显著提高了甘他素C1a标位.
- 该研究建立了一个可扩展的范式和优化工业生物工艺的理论基础.
- 这种方法为提高复杂生物分子的生产效率提供了一个强大的策略.
更多相关视频
06:24Generic Protocol for Optimization of Heterologous Protein Production Using Automated Microbioreactor Technology
Published on: December 15, 2017
12:04Microfluidic Picoliter Bioreactor for Microbial Single-cell Analysis: Fabrication, System Setup, and Operation
Published on: December 6, 2013
相关概念视频
Biosynthesis in Bacteria
Microbial Fermentation
Gene Regulation in Microbial Communities: Quorum Sensing
