Fed batch fermentation techniques h

Fed batch fermentation techniques have been applied extensively in industrial fermentation processes for enhancing cell density and the generation of products of interest. The major advantage of fed batch fermentation is the ability to adjust the substrate concentration in the culture broth to a value suitable for cell growth and production [6,7,8]. However, optimization of fed batch processes is challenging. The challenge of dynamic fed batch optimization often involves the resolution of high-order, nonlinear and multimodal systems [9]. Empirical feeding policies have been developed to achieve high cell density cultures. The simplest technique is a constant feeding rate. These methods, however, do not consider cell dynamics. An exponential feed rate has been used by taking into consideration the cell growth dynamics [10]. In recent efforts, both stochastic and deterministic search techniques have been applied to maximize cell concentration and productivity in the process of fed batch fermentation. Evolutionary algorithms, such as genetic algorithms mimicking the principles of natural biological evolution [11,12], or an ant colony algorithm mimicking the cooperative search behavior of ants in real life [13], have also been applied to solve for optimal feed-rate profiles. In addition to these population-based search techniques, many point-based search techniques have been applied to determine optimal feed-rate profiles [14]. For instance, Lee et al. [10] successfully applied the conjugate gradient algorithm for optimizing fed batch fermentations for poly-β-hydroxybutyric acid production. Cuthrell and Biegler employed an orthogonal collocation-based sequential quadratic programming to optimize fed batch culture for penicillin production [15]. In all of these cases, a mathematical model was used to describe the relationship between biomass and the concentration of the limiting substrate.

Kết quả (Việt) 1:

Ăn lên men lô kỹ thuật đã được áp dụng rộng rãi trong quá trình lên men công nghiệp tăng cường mật độ tế bào và các thế hệ của sản phẩm quan tâm. Các lợi thế chính của quá trình lên men ăn lô là khả năng điều chỉnh nồng độ chất nền trong nước luộc văn hóa một giá trị phù hợp cho tăng trưởng tế bào và sản xuất [6,7,8]. Tuy nhiên, tối ưu hóa các quá trình ăn lô là thử thách. Thách thức trong việc tối ưu hóa lô ăn động thường liên quan đến việc giải quyết các hệ thống trật tự cao, phi tuyến và đa phương thức [9]. Chính sách cho ăn thực nghiệm đã được phát triển để đạt được các nền văn hóa tế bào cao mật độ. Kỹ thuật đơn giản nhất là một hằng số tỷ lệ cho ăn. Những phương pháp này, Tuy nhiên, không xem xét việc di động năng động. Một tỷ mũ nguồn cấp dữ liệu đã được sử dụng bằng cách tham gia vào xem xét các động thái tăng trưởng tế bào [10]. Trong nỗ lực tại, kỹ thuật tìm kiếm ngẫu nhiên và xác định cả hai đã được áp dụng để tăng tối đa nồng độ tế bào và năng suất trong quá trình lên men ăn lô. Thuật toán tiến hóa, chẳng hạn như thuật toán di truyền bắt chước các nguyên tắc của sự tiến hóa sinh học tự nhiên [11,12], hoặc một thuật toán colony ant bắt chước hành vi hợp tác tìm kiếm của loài kiến trong cuộc sống thực [13], cũng đã được áp dụng để giải quyết cho tối ưu tốc độ nguồn cấp dữ liệu hồ sơ. Ngoài các kỹ thuật tìm kiếm dựa trên dân số, nhiều điểm dựa trên tìm kiếm kỹ thuật đã được áp dụng để xác định tỷ lệ nguồn cấp dữ liệu cấu hình tối ưu [14]. Ví dụ, Lee et al. [10] áp dụng thành công các thuật toán gradient liên hợp để tối ưu hóa lô ăn fermentations poly-β-hydroxybutyric acid sản xuất. Cuthrell và Biegler sử dụng một trực giao collocation dựa trên thứ tự bậc hai lập trình để tối ưu hóa lô ăn văn hóa sản xuất penicillin [15]. Tất cả những trường hợp này, một mô hình toán học được sử dụng để mô tả mối quan hệ giữa các nhiên liệu sinh học và nồng độ của bề mặt hạn chế.

Kết quả (Việt) 2:

kỹ thuật lên men Fed đã được áp dụng rộng rãi trong các quá trình lên men công nghiệp để tăng cường mật độ tế bào và tạo các sản phẩm được quan tâm. Ưu điểm chính của quá trình lên men mẻ ăn là khả năng điều chỉnh nồng độ chất nền trong nước dùng văn hóa để một giá trị thích hợp cho sự tăng trưởng tế bào và sản xuất [6,7,8]. Tuy nhiên, tối ưu hóa các quá trình batch ăn là thách thức. Thách thức của việc tối ưu hóa hàng loạt fed động thường liên quan đến việc giải quyết các bậc cao, phi tuyến và hệ thống đa phương thức [9]. chính sách cho ăn thực nghiệm đã được phát triển để đạt được nền văn hóa mật độ tế bào cao. Kỹ thuật đơn giản nhất là một tỷ lệ cho ăn liên tục. Những phương pháp này, tuy nhiên, không xem xét động thái của tế bào. Một tỷ lệ thức ăn hàm mũ đã được sử dụng bằng cách xem xét các động lực tăng trưởng tế bào [10]. Trong những nỗ lực gần đây, cả kỹ thuật tìm kiếm ngẫu nhiên và xác định đã được áp dụng để tối đa hóa độ tế bào và năng suất trong quá trình lên men ăn. Thuật toán tiến hóa, chẳng hạn như các thuật toán di truyền bắt chước các nguyên tắc của sự tiến hóa tự nhiên sinh học [11,12], hoặc một thuật toán đàn kiến ​​bắt chước các hành vi tìm kiếm hợp tác của kiến ​​trong cuộc sống thực tế [13], cũng đã được áp dụng để giải quyết cho thức ăn tỷ lệ tối ưu profile. Ngoài các kỹ thuật tìm kiếm dựa vào dân số, nhiều kỹ thuật tìm kiếm điểm dựa trên đã được áp dụng để xác định tối ưu profile thức ăn tỷ lệ [14]. Ví dụ, Lee et al. [10] áp dụng thành công các thuật toán Gradient liên hợp để tối ưu hóa quá trình lên men mẻ ăn cho sản xuất acid poly-β-hydroxybutyric. Cuthrell và Biegler dụng một lập trình bậc hai tuần tự sắp xếp thứ tự dựa trên trực giao để tối ưu hóa nền văn hóa hàng loạt thức ăn cho sản xuất penicilin [15]. Trong tất cả các trường hợp này, một mô hình toán học được sử dụng để mô tả mối quan hệ giữa sinh khối và nồng độ của các chất nền hạn chế.

Kết quả (Việt) 3:

Bổ. Từng tốp lên men đã áp dụng công nghệ cao công nghiệp trong quá trình lên men để tăng mật độ tế bào và quan tâm đến các sản phẩm tạo ra.Từng tốp bổ liệu lên men ưu điểm chính là có thể nuôi trong giá trị nồng độ chất lỏng điều chỉnh cho phù hợp với tăng trưởng tế bào và sản xuất [6,7,8].Tuy nhiên, bổ. Từng tốp của quá trình tối ưu hóa là thách thức.Dynamic bổ. Từng tốp tối ưu hóa thách thức liên quan đến phi tuyến thường có cấp bậc cao, và nhiều hệ thống chế độ phân giải của. [9].Chính sách này đã phát triển đến kinh nghiệm nuôi đạt mật độ cao các tế bào nuôi cấy.Kỹ thuật đơn giản nhất là những thức ăn chăn nuôi một tốc độ.Tuy nhiên, những phương pháp tế bào động học, không suy nghĩ.Một số thức ăn chăn nuôi của tỷ lệ đã được dùng để tính đến tăng trưởng tế bào động [10].Gần đây, trong nỗ lực tìm kiếm ngẫu nhiên và chắc chắn, kỹ thuật đã được áp dụng vào tối đa hóa thành tế bào. Ở nồng độ và năng suất lao động bổ sung một phần trong quá trình lên men.Thuật toán tiến hóa, như giải thuật di truyền, mô phỏng sinh học tiến hóa tự nhiên quá trình nguyên tắc [11,12], hoặc một thuật toán mô phỏng trong đời thực. [13] kiến hợp tác hành động tìm kiếm, cũng được áp dụng vào giải quyết tốt nhất. Tỷ lệ hồ sơ của thức ăn chăn nuôi.Ngoại trừ những công nghệ dựa theo dân số được tìm kiếm nhiều điểm, dựa trên công nghệ tìm kiếm đã được áp dụng để xác định tỷ lệ thức ăn chăn nuôi tốt nhất của tập tin cấu hình [14].Ví dụ, Lee et al.[10] đã thành công trong việc ứng dụng tụ - hydroxybutyric axit liên hợp sản xuất men thuật toán tối ưu hóa β điểm bán buôn gradient. và Biegler sử dụng cấu hình trực giao, dựa trên hai lần chuỗi chương trình tối ưu hóa sản xuất penicillin. [15] từng nhóm huấn luyện.Trong tất cả những trường hợp đó, một mô hình toán học được sử dụng để miêu tả khối lượng sinh học và giới hạn của mối quan hệ giữa các bề mặt tập trung.