文献

J-GLOBAL ID：201702247432196815   整理番号：17A1492523

維持された物理的条件と最適化培地組成を用いた改良型1,3 プロパンジオール生産:統計的アプローチおよびニューラルアプローチを用いた検証【Powered by NICT】

Improved 1,3-propanediol production with maintained physical conditions and optimized media composition: Validation with statistical and neural approach

著者 (9件)： Narisetty Vivek (Microbial Processes and Technology Division, CSIR-National Institute for Interdisciplinary Science and Technology, Thiruvananthapuram 695019, Kerala, India) ,  Narisetty Vivek (Academy of Scientific and Innovative Research (AcSIR), CSIR-NIIST, Thiruvananthapuram 695019, Kerala, India) ,  Astray Gonzalo (Department of Physical Chemistry, Faculty of Science, University of Vigo, 32004, Ourense, Spain) ,  Gullon Beatriz (Department of Chemical Engineering, Institute of Technology, University of Santiago de Compostela, 15782 Santiago de Compostela, Spain) ,  Castro Eulogio (Department of Chemical, Environmental and Materials Engineering, University of Jaen, Campus Las Lagunillas, 23071 Jaen, Spain) ,  Parameswaran Binod (Microbial Processes and Technology Division, CSIR-National Institute for Interdisciplinary Science and Technology, Thiruvananthapuram 695019, Kerala, India) ,  Parameswaran Binod (Academy of Scientific and Innovative Research (AcSIR), CSIR-NIIST, Thiruvananthapuram 695019, Kerala, India) ,  Pandey Ashok (Microbial Processes and Technology Division, CSIR-National Institute for Interdisciplinary Science and Technology, Thiruvananthapuram 695019, Kerala, India) ,  Pandey Ashok (Center of Innovative & Applied Bioprocessing, C-127, II Floor, Phase 8, Industrial Area, SAS Nagar, Mohali 160 071, Punjab, India)
資料名： Biochemical Engineering Journal  (Biochemical Engineering Journal)
巻： 126  ページ： 109-117  発行年： 2017年 
JST資料番号： W1014A  ISSN： 1369-703X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究では,モデリングのための応答曲面法(RSM)と人工ニューラルネットワーク(ANN)の使用,および予測,グリセロールおよびグルコース共発酵からLactobacillus brevis N1E9 3.3による1,3 プロパンジオール生産のための最適パラメータを評価することを目的としている。物理パラメータの予備的研究は七;までの入力変数の数を減らすためにPlackett-Burmanデザインを用いて行った。i)牛肉抽出物,ii)酵母エキス,iii)MgSO_47H_2O,iv)MnSO_4H_2O,v)ビタミンB_12,vi)グリセロールおよびvii)グルコース。伝統的なRSMモデルは根平均二乗誤差(RMSE)で54.08%と12.19%の間のANNモデルにより改善された。本研究では,RSMとANNモデルとL.brevis N1E9 3.3による1,3 プロパンジオール生産のための最適パラメータを予測するための効果的なツールと考えることができることを示唆した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： モデリング ,  応答曲面法 ,  酵母エキス ,  *最適化 ,  予備調査 ,  ニューラルネットワーク ,  ビタミン ,  Lactobacillus brevis ,  牛肉 ,  ヘキソース ,  アルドース ,  脂肪族アルコール ,  ポリオール
準シソーラス用語： 平均二乗誤差 ,  最適パラメータ ,  共発酵 ,  *培地組成 , 【Automatic Indexing@JST】

著者キーワード (4件)： 13 プロパンジオール ,  モデリング ,  応答曲面法 ,  人工ニューラルネットワーク

分類 (1件)： 微生物代謝産物の生産  (FK03020A)

物質索引 (2件)： グルコース ,  グリセロール

タイトルに関連する用語 (6件)： 物理 ,  最適化 ,  培地組成 ,  プロパンジオール ,  統計 ,  検証