Neuralna predykcja parametrów procesu biotechnologicznego

• Autorzy: Pielecki J. , Skwarcz J.

Warianty tytułu

EN

Using the neural networks for prediction of biotechnological process parameters

• Języki publikacji: PL

Abstrakty

PL

Celem pracy była próba zastosowanie sieci neuronowych o konstrukcji wielowarstwowej do predykcji optymalnych warunków jednoczesnego wytwarzania inulinazy i inwertazy przez grzyb nitkowaty Aspergillus niger i drożdże Kluyveromyces marxianus w warunkach wgłębnych hodowli wstrząsanych. Wejścia sieci reprezentowała ilość poszczególnych składników podłoża hodowlanego (NH4NO3; (NH4)2HPO4; KH4PO4; MgSO4 7H2O, FeSO2 2H2O, ekstrakt drożdżowy, inulina), temperatura procesu biosyntezy enzymów, rodzaj mikroorganizmu i czasu trwania hodowli, a wyjścia - aktywność inulinazy i inwertazy w płynach pohodowlanych. Do oceny osiągalności zadawanych wartości wyjściowych zastosowano sieć odwróconą. W doświadczeniach z użyciem szczepu Aspergillus niger i Kluyveromyces marxianus największy wpływ na końcowy efekt wytwarzania obydwu enzymów wywierała zawartość siarczanu magnezu obok źródła węgla. Kolejnym ważnym składnikiem podłoża był azotan amonu i fosforan dwuamonowy. Najmniej istotny wpływ na wytwarzanie obydwu enzymów wywierała zawartość siarczanu żelaza i jednozasadowego fosforanu potasu.

EN

An attempt was made to apply the neural networks of multilayer construction to predicting the optimum conditions for simultaneous inulinase and invertase produc-tion by Aspergillus niger fungi and Kluyveromyces marxianus yeasts in deep shaken cultures. The network inputs represented the numbers of particular com-pounds of agriculture medium (NH4NO3; (NH4)2HPO4; KH4PO4; MgSO4 7H2O, FeSO2 2H2O; yeast extract, inuline), the temperature of enzyme biosynthesis process, kind of microorganisms and culture duration, whereas the outputs-inulinase and invertase activities in post-culture liquids. The reversed networks was applied to evaluating the attainability of assigned output values. In experiments with Aspergillus niger and Kluyveromyces marxianus strains final results concerning production of both enzymes were strongest affected by magnesium sulphate content next to the source of carbon. Following important components of medium were ammonium nitrate and bi-ammonium phosphate. The least effect on production of both enzymes showed the contents of iron sulphate and monobasic potassium phosphate.

Słowa kluczowe

PL

sztuczna sieć neuronowa; predykcja; inulinaza; inwertaza; Aspergillus niger; Kluyveromyces marxianus

EN

artificial neural network; prediction; inulinase; invertase; Aspergillus niger; Kluyveromyces marxianus

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Inżynieria Rolnicza
• Rocznik: 2005
• Tom: R. 9, nr 8
• Strony: 305--314
• Opis fizyczny: Bibliogr. 10 poz., tab., wykr.

Twórcy

autor

Pielecki J.

• Katedra Technologii Przemysłu Rolno-Spożywczego i Przechowalnictwa, Akademia Rolnicza w Lublinie

autor

Skwarcz J.

• Katedra Podstaw Techniki, Akademia Rolnicza w Lublinie

Bibliografia

• Fu L. Neural networks in computer intelligence. 1995. McGraw-Hill, New York.
• Hudson P., Postma E. 1995. Choosing and using a neural net. In: Braspenning, P.J. et al. (Eds.), Artificial Neural Networks, An Introduction to ANN Theory and Practice. Lecture Notes in Computer Science, Springer, NY.
• Nair S.R., Panda T. 1997. Statistical optimization of medium components for improved synthesis of pectinase by aspergillus niger. Bioproc. Eng., 16: 169-173.
• Najjar Y., Basheer I., Hajmeer, M. 1997. Computational neural networks for predictive microbiology. 1. Methodology. Int. J. Food Microbiol., 34: 27-49.
• Nguyen D., Widrow B. 1990. Improving the learning speed of two-layer neural networks by choosing initial values of the adaptive weights. In: Proceedings of an IEEE International Joint Conference on Neural Networks, San Diego, CA.
• Poorna V., Kulkami P. R. 1995. Full factorial design to study fermentative production of inulinase using inulin from Kuth (Saussuerea Lappa) root powder by A. niger van Teighem UV11 mutant. Bioresource Technology, 54: 117-121.
• Shene C., Andrews B., Asenjo J. A. 1998. Optimization of Bacillus subtilis fedbatch fermentation for the maximization of the synthesis of a recombinant β-l ,4-endoglucanase. Computer Applications in Biotechnology, 7: 219-223.
• Vandame EJ., Derycke D.G. 1983. Microbial inulinases: fermentation process, properties and applications. Adv. Appl. Microbiol., 29: 139-176.
• Yu-Dong Cai, Kuo-Chen Chou. 2000. Using neural network for prediction of subcellular location of prokaryotic and eukaryotic proteins. Molec. Cell Biol. Res. Communic, 4: 172-173.
• Skwarcz J., Pielecki J., Marciniak A.W. 2003. Zastosowanie sztucznych sieci neuronowych w konstruowaniu bazy wiedzy o procesie enzymatycznej hydrolizy celulozy. Inżynieria Rolnicza, 1 2 (54): 345-360.