基本信息
- 項目名稱：
- 基于BP神經網絡的解淀粉芽孢桿菌Q-12的抑菌活性預測
- 小類：
- 生命科學
- 大類：
- 自然科學類學術論文
- 簡介：
- 本研究以解淀粉芽孢桿菌Q-12搖瓶培養(yǎng)為研究對象，通過搖瓶培養(yǎng)，用matlab的神經網絡工具箱建立了以抑菌直徑為目標的BP（Back Propagation）神經網絡模型，并對其抑菌產量進行預測。
- 詳細介紹：
- 本實驗室從堆肥中篩選出一株對若干植物病原霉菌和病原真菌(如立枯絲核菌和尖鐮孢菌)具有強烈抑制作用、并顯示廣譜抗菌活性的解淀粉芽孢桿菌Q-12[1]，發(fā)酵液通過分離純化后得到一種新型抗菌物質，有望作為新型生物農藥來開發(fā)[2]。 神經網絡工具箱(Neural Network Toolbox，簡稱NNT)是MATLAB中眾多工具箱之一，該工具箱用MATLAB語言構造出經典神經網絡的激活函數，使設計者對所選定網絡輸出的計算變成對激活函數的調用。BP(Back Propagation)神經網絡是基于BP誤差反向傳播算法的多層前饋神經網絡，1986年由D．E．Rumelhart等人提出[3]。BP網絡通常除輸入輸出節(jié)點外，還有一層或多層的隱含層節(jié)點，同層節(jié)點沒有任何耦合；輸入信號從輸入層節(jié)點依次傳過各隱含層節(jié)點，然后傳到輸出節(jié)點，每一層節(jié)點的輸出只影響下一層節(jié)點的輸出[4]。在神經網絡的實際應用中，80％-90％的神經網絡模型都是采用BP網絡及其變化形勢，它是前向網絡的核心部分。由實踐證明，對于任意閉合區(qū)間連續(xù)函數都可以用含有一個隱含層的BP網絡來逼近。 BP網絡是一種多層前饋神經網絡，由輸入層、隱含層和輸出層組成[5]。層與層之間采用全互連方式，同一層之間不存在相互連接，隱含層可以有一個或多個。構造一個BP網絡需要確定其處理單元—神經元的特性和網絡的拓撲結構。神經元是神經網絡最基本的處理單元，隱層中的神經元采用S型變換函數，輸出層的神經元可采用S型或線性型變換函數。圖1為一個典型的三層BP網絡的拓撲結構。
作品專業(yè)信息
撰寫目的和基本思路
- 本實驗室分離純化得到的解淀粉芽孢桿菌Q-12有很好的抑菌作用，在生物防治方面具有廣闊的應用前景?；诎l(fā)酵培養(yǎng)的特點及建模要求，以解淀粉芽孢桿菌Q-12搖瓶培養(yǎng)為研究對象，利用搖瓶培養(yǎng)中的參數及數據，用matlab的神經網絡工具箱建立了以抑菌直徑為目標的BP神經網絡模型，并對其抑菌產量進行預測，以期為發(fā)酵過程控制及新型微生物農藥的研發(fā)提供基礎數據，也為進一步研究發(fā)酵過程建模提供了思路。
科學性、先進性及獨特之處
- 本實驗室分離得到的解淀粉芽孢桿菌Q-12的發(fā)酵產物有望作為新型生物農藥來開發(fā)。采用MATLAB神經網絡工具箱，對解淀粉芽孢桿菌Q-12發(fā)酵培養(yǎng)基配比與抑菌物質產量進行預測，不需要像傳統(tǒng)方法那樣，進行繁瑣的編程，就可以高效、準確、快速的建立網絡預測模型。同時，該神經網絡模型的建立，初步提供了一種新的通用性的研究解決發(fā)酵過程的模型建立與預測問題的方法。
應用價值和現實意義
- 神經網絡在生物工程領域的應用報道較少，開發(fā)與研究神經網絡工具箱解決發(fā)酵過程中的問題具有重要的現實意義。用MATLAB神經網絡工具箱對解淀粉芽孢桿菌Q-12菌株發(fā)酵過程抑菌物質產量的預測，為研發(fā)新型微生物農藥做了前期工作，并提供了一種較為簡便的解決發(fā)酵過程模型建立與預測問題的方法，具有重要的實際意義。
學術論文摘要
- 本實驗室從堆肥中篩選出一株對若干植物病原霉菌和病原真菌(如立枯絲核菌和尖鐮孢菌)具有強烈抑制作用、并顯示廣譜抗菌活性的解淀粉芽孢桿菌Q-12，發(fā)酵液通過分離純化后得到一種新型抗菌物質，有望作為新型生物農藥來開發(fā)。本研究以解淀粉芽孢桿菌Q-12搖瓶培養(yǎng)為研究對象，通過搖瓶培養(yǎng)，用matlab的神經網絡工具箱建立了以抑菌直徑為目標的BP（Back Propagation）神經網絡模型，并對其抑菌產量進行預測。首先挑選顯著影響解淀粉芽孢桿菌產生抑菌活性物質的培養(yǎng)基成分，接著運用發(fā)酵培養(yǎng)所獲得的數據利用BP神經網絡進行建模，從而預測在不同培養(yǎng)基條件下產生的抑菌活性的大小。通過模型得到的抑菌活性預測值和實際值誤差分別為-0.2105和0.9002，均在允許范圍內。
獲獎情況
- 已投稿至《中國抗生素雜志》，審稿中。
鑒定結果
- 無
參考文獻
- [1]王英國,王軍華，等.解淀粉芽孢桿菌抗菌活性物質的分離純化及抑菌活性研究[J].中國生物工程雜志,2007,27(12):41-45. [2]王軍華,權春善,等.解淀粉芽孢桿菌Q-12抗真菌特性的研究[J].食品與發(fā)酵工業(yè),2006,32(06):7-12. [3] Haider MA, P akshirajan K, et al.Artificial neural network-genetic algorithm approach to optimize media constituents for enhancing lipase production by a soil microorganism[J]. Appl Biochemist Biotechnology, 2008,144(03):225–235. [4] 孫志強，葛哲學．神經網絡理論與MATLAB7實現[M].北京：電子工業(yè)出版社,2OO5. [5] 景廣軍，梁雪梅，等.遺傳神經網絡預測模型的設計及應用[J].計算機工程與應用,2001,37(02):26-36. [6] 田旭光,宋彤,等.結合遺傳算法優(yōu)化BP神經網絡的結構和參數[J].計算機應用與軟件，2004,21(06):69-71. [7] 雷英杰，張善文，等．MATLAB遺傳算法工具箱及應用[M].西安:電子科技大學出版社，2005. [8] Rao CS, Sathish T, et al. Modelling and optimization of fermentation factors for enhancement of alkaline protease production by isolated Bacillus circulans using feed-forward neural network and genetic algorithm[J]. Appl Microbiology, 2007,104(02)：889–898.
同類課題研究水平概述
- 人工神經網絡(Artificial Neural Network，ANN)，亦稱為神經網絡(Neural Networks，NN)，是由大量處理單元(神經元Neurons)廣泛互聯(lián)而成的網絡，是對人腦的抽象、簡化和模擬，反映人腦的基本特性。人工神經網絡的研究是從人腦的生理結構出發(fā)來研究人的智能行為，模擬人腦信息處理的功能。它是根植于神經科學、數學、統(tǒng)計學、物理學、計算機科學及工程等學科的一種技術。 自上世紀80年代末以來，神經網絡這個涉及多種學科的新的高科技領域，吸引了眾多的神經生理學家、心理學家、數理科學家、計算機與信息科學及工程師和企業(yè)家等進行研究與應用。神經網絡的應用已經涉及到各個領域，且取得了很大的進展。在自動控制領域、處理組合優(yōu)化問題、模式識別、圖像處理、機器人控制、醫(yī)療以及化工、生物等領域均有應用。大量的有關神經網絡機理、模型、算法特性分析，以及在各領域應用的學術論文像雨后春筍般在報刊雜志上和許多國際學術會議中涌現, 但是神經網絡在生物工程領域的報道卻極少。因此，開發(fā)與研究神經網絡工具箱解決生物工程實踐中的問題具有重要的現實意義。 應用MATLAB軟件的神經網絡工具箱，研究解決生物工程領域的模型建立與預測問題，與現有的判別方法相比，具有通用性、客觀性和科學性等特點。如微生物培養(yǎng)基配方設計、抗生素效價測定、農作物蟲情的預測等。通過研究，初步形成了用MATLAB神經網絡工具箱解決生物工程領域模型預測的方法。結果表明：MATLAB界面友好、操作簡單、結果準確，在生物工程領域中的具有廣闊的應用前景。
