薬学および薬学研究ジャーナル オープンアクセス

抽象的な

応答曲面法と人工知能アプローチを用いたグリコリポペプチド生産のための発酵条件のモデル化と最適化

モーリス・G・エクペニョン

問題の説明: Pseudomonas aeruginosa 株 IKW1 は、廃棄揚げヒマワリ油基本培地で増殖したときにバイオサーファクタントを生成しました。活性化合物は、臨界ミセル濃度 20.80 mg/L で発酵ブロスの表面張力を 24.62 ダイン/cm に低下させました。これは、高速液体クロマトグラフィーとフーリエ変換赤外分光法によってグリコリポペプチドとして同定されました。これはかなりの乳化および発泡能力を示し、医薬品および洗剤処方への応用に適していることを示唆しています。ただし、製品の収量が低く、推奨される用途での大規模生産は実行不可能でした。複数の研究者が、戦略的な培地最適化アプローチによる収量改善を報告しています。以前、私たちは主要な栄養素の最適化に応答曲面法 (RSM) を採用し、称賛に値する収量増加を記録しました。その後、微量栄養素のスクリーニングと最適化に Placket-Burman 設計 (PBD) と RSM を採用し、大幅な収量改善を実現しました。しかし、研究報告によると、人工ニューラルネットワーク (ANN) の方がより優れた最適化アプローチです。方法論と理論的方向性: この研究では、RSM を使用して温度、pH、撹拌、期間などの発酵条件を最適化し、遺伝的アルゴリズム (ANN-GA) および粒子群最適化 (ANN-PSO) にリンクされた ANN で得られた結果と比較しました。結果: 結果は、RSM の二次関数によって予測されたバイオサーファクタント応答モデルが有意 (P<0.0001、調整済み R2=0.9911、RMSE=0.034) であることを示し、因子レベルを温度 32�C、pH 7.6、撹拌速度 130 rpm、発酵時間 66 時間に設定しました。最大グリコリポペプチド濃度は 107.19 g/L、収量 (Yp/x) は 4.24 でした。 ANN-GA (R2=0.9997、RMSE=0.055) と ANN-PSO (R2=0.9914、RMSE=0.047) の比較結果では、モデルと最適化された因子設定は RSM で得られたものと有意に (P>0.05) 異ならなかったことが示されました。結論と重要性: これは、RSM が細心の注意を払って実行された場合、ニューラル ネットワーク メソッドと同様に優れたモデリングおよび最適化ツールになる可能性があることを示唆しています。