Structure Identification of Recombinant E. coli Fed-Batch Cultivation with GP-OLS Method

مدل هاي ديناميكي غير خطي نقش مهمي در مهندسي فرايندهاي زيستي ايفا مي كند بنابرابن شناسايي ساختار اين مدل ها بسيار مهم است. اين مقاله شناسايي ساختار فرايند زيستي را بر پايه داده هاي ازمايشگاهي انجام مي دهد. فرايند مورد بررسي در اين پژوهش، كشت غير مداوم همراه با خوراك دهي اشريشياكلي BL21 (DE3) [pET3a-ifnγ] تحت سرعت رشد ويژه بيشينه در قبل القاء و خوراك دهي ثابت بعد از القاء براي توليد پروتئين اينترفرون گاماي انساني مي باشد. مرتبه ديناميكي فرايند توسط تست ليپ شيتز تعيين شده و الگوريتم برنامه نويسي ژنتيكي جهت شناسايي ساختار فرايند بكار گرفته شد. در حين شناسايي ساختار پيچيدگي مدل توسط الگوريتم حداقل مربعات متعامد با حذف ترم هاي زائد كاهش داده شد. نتايج معتبر سازي تطابق بسيار خوبي را با داده هاي آزمايشگاهي نشان داده و خطا هاي ميان داده هاي تخميني و داده هاي تجربي كمتر از 0,05 شد.

Nonlinear dynamical models play an important role in bioprocess engineering, so it is important to deal with the structure identification of these models. This paper explores the structure identification of a biotechnological process based on experimental data. The process considered in this study is fed-batch cultivation of E. coli BL21 (DE3) [pET3a-ifnγ] under maximum attainable specific growth rate in per-induction and constant feeding at post-induction for producing human γ-Interferon protein. Dynamic order of the process model was determined with Lipschit test and Genetic Programming algorithm applied for structure identification of the process. Model complexity was reduced by Orthogonal Least Square method during structure identification procedure with eliminating the superfluous model terms. Validation results show good compatibility with experimental data and residual errors between estimated outputs and experimental data are less than 0.05.