На главную Написать сообщение Поиск по сайту Новости публикаций Плакаты и знаки по охране труда и БЖД Видео по охране труда и технике безопасности Зарубежные средства индивидуальной защиты Юридическая консультация онлайн
В начало разделаМикробиология и биотехнологии → Автоматизация биотехнологических исследований

Оптимизация биотехнологических процессов микробиологического синтеза


Для оптимизации биотехнологических процессов микробиологического синтеза практически всегда необходимо знать концентрацию целевого продукта в конце ферментации. Поэтому для анализа связи между входными и выходными факторами первостепенное значение имеет модель функции отклика, связывающая входные факторы с концентрацией целевого продукта в конце культивирования. Истинный характер этой связи определяется множеством закономерностей процесса и не может быть одним и тем же для различных конкретных процессов, входных и выходных параметров.


Тем не менее можно выделить наиболее существенную характерную особенность взаимодействия факторов в задаче оптимизации в случае поиска оптимальных рецептур питательных сред. Это взаимодействие типа лимитирования, известное в биологии как принцип Либиха. Словесное описание (описательная модель на естественном языке) данного принципа гласит: выход целевого продукта лимитируется скоростью наиболее медленной реакции.


Выражение этого принципа на математическом языке с помощью вещественно-математической модели имеет вид

где fi(xi) — зависимость выхода целевого продукта у от концентрации субстрата xi, если остальные субстраты не лимитируют процесс.


Вид функции fi(xi) может быть различен. Обычно это линейные функции:

где bi — коэффициенты пропорциональности (стехиометрические коэффициенты) между начальной концентрацией i-гo субстрата и конечной концентрацией продукта при отсутствии лимитирования другими субстратами.


Наряду с проблемой оптимизации состава питательных сред для биотехнологических процессов микробиологического синтеза существует важная задача по разработке объективных методов оценки интегрального состояния исследуемого динамического процесса. Необходимость в интегральной оценке состояния, особенно в периодических процессах ферментации, связана с тем, что целевая функция, например количество целевого продукта, может быть измерена только после окончания цикла ферментации.


В ходе процесса ферментации измеряются только частные параметры, ни один из которых не имеет прямой корреляции с целевой функцией. Формируемая на основе этих частных параметров интегральная оценка состояния обычно является необъективной. Между тем заблаговременный прогноз эффективности процесса позволяет не затрачивать время на проведение ферментации до конца цикла, а прекратить ее, загрузить аппарат заново и вести процесс с более высокой производительностью.


Для практических целей вполне достаточно, если оцениваемая биотехнологическая ситуация будет отнесена к одному из небольшого числа градаций (классов) интегрального состояния. Это может быть либо грубая градация (все операции делятся на «нормальные» и «дефектные»), либо более дифференцированная (например, «дефектные», «нормальные», «хорошие» операции и т.д.).


Булевы модели строятся на основе дискретной (логической) информации и представляют собой логико-математические модели. Следует отметить, что исходные данные в процессах ферментации представлены, как правило, непрерывными (аналоговыми) значениями, которые описывают параметры процесса на биохимическом, морфологическом, физиологическом и других языках. Для построения булевой модели необходимо осуществить перевод этих разнообразных значений в дискретные числа таким образом, чтобы уровень каждого фактора задавался лишь двумя или несколькими значениями поддиапазонов, в которых находится действительное значение фактора.


Пример кодирования информации приведен в табл. 1, 2, 3. Как видно из табл. 3, каждую биотехнологическую ситуацию можно представить многоразрядным числом, в котором положение каждой цифры отражает номер закодированного фактора, а сама цифра — обозначение диапазона (в соответствии с принятым ключом, табл. 1), в котором находится натуральное значение данного фактора (табл. 2).


Например, биотехнологическая ситуация 4 представляется числом 2112, и это означает, что фактор Z1 находится в пределах 7,5—10,0; фактор Z2 — в пределах 5,0—6,0; фактор Z3 — в пределах 100—120 и фактор Z4 — в пределах 125—130. В этих же таблицах представлено кодирование целевого показателя активности, что, по существу, разделяет исходную информацию на классы 1 и 2.



Таблица 1. Ключ для кодирования факторов и выходного показателя

Параметр

Обозна­чение

Поддиапазоны натуральных значений для кодов

1

2

3

Содержание углеводов, %

Z1

4,0—7,5

7,5—10,0

рН

Z2

5,0—6,0

6,0—7,0

Свыше 7

Концентрация неорганического фосфо­ра, мг%

Z3

100—120

120—130

Свыше 130

Концентрация азота общего, мг%

Z4

120—125

125—130

Активность, ед/мл


Менее 20000

Более 20000


Таблица 2. Пример представления информации о значениях факторов в натуральных размерностях

Обозначения технологической ситуации (вариант)

Значения параметров в размерностях табл. 1

Z1

Z2

Z3

Z4

Целевой показатель активности ед./мл

1

4,0

7,2

125

128

22 000

2

8,5

6,5

135

120

18 000

3

9,0

7,0

100

125

21 000

4

7,5

5,5

105

130

25 000

5

7,0

6,0

132

127

16 000

6

10,0

6,8

120

124

24 000

7

6,5

7,3

128

129

23 000

8

5,0

6,9

133

121

17 000

9

9,5

5,0

110

126

21 000

10

5,5

6,7

127

123

18 000


Таблица 3. Пример представления информации о значениях факторов в кодированном виде

Обозначения технологической ситуации (вариант)

Значения параметров в кодированном виде

Z1

Z2

Z3

Z4

Целевой показатель активности

1

1

3

2

2

2

2

2

2

3

1

1

3

2

3

1

2

2

4

2

1

1

2

2

5

1

1

3

2

1

6

2

2

1

1

2

7

1

3

2

2

2

8

1

2

3

1

1

9

2

1

1

2

2

10

1

2

2

1

1

Характерной особенностью булевой модели является соотнесение выходного показателя (класса интегрального состояния объекта) с конъюнкциями, входящими в биотехнологическую ситуацию. Конъюнкцией для выбранных факторов называется сочетание их уровней. Конъюнкции могут включать различное число факторов. Характеристика, обозначающая число факторов, входящих в конъюнкцию, называется рангом конъюнкции.


Важно отметить, что конъюнкции второго, третьего и более высоких рангов отображают парные, тройные и более сложные взаимодействия факторов. Однако это описание не мультипликативное, как в полиномиальных моделях, получаемых на основе различных методов математического планирования эксперимента: конъюнкция булевой модели реалистически отображает различные ситуации взаимодействия, а не приравнивает разные ситуации друг к другу. Например, конъюнкции 1200 и 2100 — это разные сочетания уровней факторов Z1 и Z2, и в булевых моделях они и рассматриваются как разные, в то время как в полиномиальных моделях считаются одинаковыми. В этом и состоит основное преимущество булевых моделей при описании взаимодействия факторов.