Оптимизация питательной среды для максимизации биомассы и метаболической эффективности двух штаммов дрожжей с помощью анализа данных и машинного обучения
Optimización del medio de cultivo para maximización de biomasa y eficiencia metabólica en dos cepas de levadura mediante análisis de datos y machine learning
Paula Vanesa Criollo Núñez
Аннотация (перевод)
Оптимизация питательных сред является критическим фактором в биотехнологических процессах с участием дрожжей, поскольку она напрямую определяет метаболическую эффективность, выход биомассы и жизнеспособность клеток. Традиционно эти процессы оптимизации требуют многочисленных эмпирических экспериментов. В данной работе предлагается подход на основе науки о данных и машинного обучения для анализа поведения двух штаммов дрожжей (Pichia kudriavzevii и Wickerhamomyces anomalus) при различных составах питательных сред. С использованием экспериментальной базы данных, полученной на основе центрального композиционного плана 2², был применен разведочный анализ для определения того, какие переменные (начальные градусы Брикса, начальный pH, концентрация мякоти какао и соевое молоко) оказали наибольшее влияние на биомассу, разницу Брикса, конечную жизнеспособность и время удвоения. С помощью методов корреляции, простой регрессии, ANOVA и алгоритмов обучения с учителем (Linear Regression, Random Forest и XGBoost) была построена прогностическая модель образующейся биомассы. Кроме того, была разработана интерактивная панель мониторинга Power BI, моделирующая поведение культуры и позволяющая исследователям прогнозировать биомассу, конечную жизнеспособность и потребление субстрата на основе начальных условий. Полученные результаты включают выявление определяющих факторов метаболической эффективности дрожжей и создание практического инструмента для разработки оптимизированных питательных сред.
Оригинальная аннотация
The optimization of culture media is a critical factor in biotechnological processes involving yeasts, as it directly determines metabolic efficiency, biomass yield, and cell viability.Traditionally, these optimization processes require numerous empirical experiments.This work proposes a data science and machine learning approach to analyze the behavior of two yeast strains (Pichia kudriavzevii and Wickerhamomyces anomalus) under different culture media compositions.Using an experimental database derived from a 2² central composite design, an exploratory analysis was applied to determine which variables (initial Brix degrees, initial pH, cocoa pulp concentration, and soy milk) had the greatest influence on biomass, Brix difference, final viability, and doubling time.Through correlation techniques, simple regression, ANOVA, and supervised algorithms (Linear Regression, Random Forest, and XGBoost), a predictive model of the generated biomass was built.In addition, an interactive Power BI dashboard was developed that simulates the culture's behavior, allowing researchers to predict biomass, final viability, and substrate consumption based on initial conditions.The results obtained include the identification of the determining factors in the yeasts' metabolic efficiency and the delivery of a practical tool for the design of optimized culture media.
Идентификаторы
Canonical: https://research.holos.house/w/9b3b9f75-0bb9-47f6-8318-040835ec3ba1
OpenAlex: W7214141479