利用神经网络预测头孢菌素C的生物合成.docxVIP

利用神经网络预测头抱菌素C的生物合成 作者：冀志霞储炬庄英萍张嗣良 【关键词】 头胞菌素c；,,反向传播；，，神经网络；，, 预汎 摘要： 利用头胞菌素C发酵过程积累的数据，建立B P神经网络预估模型，实现以发酵前期的菌浓和pH对效价的 预测，将此模型应用于生产实际，分别通过倒种和改变培养 基中碳源组成的方法，使头胞菌素C的合成水平分别提高了 118%和157%,表明模型具有较好的预测功能。 关键词：头胞菌素C；反向传播；神经网络；预 测 Predictionoft hecephalosporinCbi osynthesisbyabackp ropagationneuralne tworkmodel ABSTRAC T Thebackpropagati on (BP)neuralnetwor kmodelwassetupbyce tationdata,andthep castedbyPMVandpHch rlyfermentationpha edtobeeffectiveand capacity? kmodelwassetupbyce tationdata,andthep castedbyPMVandpHch rlyfermentationpha edtobeeffectiveand capacity? Byincreas gingmediumcarbonso tyofcephalosporinC phalosporinCfermen roductivitywasfore angingtendencyofea se. Themodelwasprov withgoodprediction inginoculumandchan urce,theproductivi fermentationwasfur therincreasedby118 %andl57%,respectiv e 1 y, whichwaswe 11 pr edictedbytheestabl ishedmodel. KEYWOR DS CephalosporinC； Backpropagat i on； Neuralnetworkmodel ； Prediction 实现发酵生产过程的优化操作和控制，单凭经验或经典 的试验数据是无法满足要求的，因此有必要建立模型指导发 酵过程的优化，一些难于在线检测的重要变量、如菌体浓度， 底物浓度和产物浓度等可借助于已建立的数学模型，通过测 量与其相关的其它可在线测量的变量，如尾气中的氧和二氧 化碳的含量、发酵液的温度、pH和溶氧浓度的变化等，得到 在线的最优化估计。产黄头砲，霉(Acremoniumchry sogenum) 生长与头鞄菌素C合成的数学模型最早是由Matsumura提出 来的，建立了头胞菌素C合成与形态分化，内源甲硫氨酸诱 导头胞菌素C合成与葡萄糖代谢物阻遏效应的结构离散型( segregated)模型［1］。鉴于抗生素发酵难以建立精确的数 学模型，无需精确模型的智能控制策略在抗生素发酵过程控 制中得到了应用。基于误差反向传播(backpropagation , BP) 算法的多层前向神经网络(BP网络)已广泛用于发酵工业的 培养基优化，连续搅拌反应器神经网络估计，分批发酵及补 料分批发酵过程建模与控制优化［2?5］。Cruz等建立模型 描述葡萄糖与蔗糖的利用速率与头胞菌素C的合成的关系, 利用神经网络以早期的菌浓预测整个发酵过程的菌量［6］。 Sliva等运用杂交神经网络，根据在线检测尾气中二氧化碳 和氧的浓度，预测Cepha losporiumacremoniu m发酵过程的 菌体浓度，估计细胞的生长速率、底物的消耗速率和产物的 生成速率[7]o李运锋等利用基于神经网络的滚动学习预报 技术，实现了头胞菌素C产量、产物质量浓度和效益函数的 超前预报，为发酵过程的动态控制和调度优化提供了支持[7, 8]o有关头砲菌素C的合成已建立了很多模型，而且用发酵 早期的菌浓进行预测也已有研究，但只用发酵早期的菌浓预 测后期的菌量，并没有与产物合成关联起来。在头胞菌素C 发酵过程放大的研究中，发现菌体早期的生长与产素的关系 密切，因此本文采用BP神经网络技术利用发酵前期的大量 数据建立效价的预估模型，实现了对头孑包菌素C效价的预测, 同时将该模型应用于生产实际。 1材料与方法 试验材料 菌种 产黄头胞霉(Acremoniumchrys ogenum) AC0508 由 山西威奇达药业集团提供。 培养基(%)糊精50,玉米浆70,豆油10, DL蛋氨酸 06, KH2P0404, (NH4)2S0408, FeS047H2000 05, CaC0310, 消前pH62o 发酵罐50L发酵罐的搅拌桨为六直叶(直径12cm)