对人工神经网络与自适应模糊推理系统作为建模粘质沙雷氏菌ND93产生奇异霉素的有效工具的预测性比较与评估

《BMC Biotechnology》：Predictive comparison and evaluation of ANN and ANFIS as effective tools in modeling prodigiosin production by Serratia marcescens ND93

　　

摘要

普罗迪吉辛是一种由粘质沙雷氏菌产生的天然红色色素，因其多种生物活性及工业应用潜力而备受关注。近年来，致力于利用高效且经济可行的生物工艺来生产该化合物的研究日益重要。在本研究中，分别在不同的环境条件（甘油浓度、pH值、温度和时间）下，对从洋葱中分离出的粘质沙雷氏菌的OD600值及普罗迪吉辛产量进行了实验测试，并利用所得数据构建了人工神经网络和ANFIS模型来预测普罗迪吉辛的产量。首先，用酸化甲醇提取出的红色色素通过紫外-可见分光光度计进行表征，其最大吸收峰位于535纳米处。随后进入建模阶段，人工神经网络和ANFIS模型均使用80%的实验数据集进行训练，而剩余的20%数据则作为测试集，其中包含甘油浓度、pH值、温度和时间等输入特征向量，以及传统方法测得的相应OD600值和普罗迪吉辛含量。模型性能的评估以决定系数R2作为主要指标。结果显示，人工神经网络模型的表现更为优异，在训练集和测试集上的R2值分别为0.9975和0.9942；而ANFIS模型的R2值则相对较低，分别为0.9537和0.9409。人工神经网络技术所获得的高R2值表明，模型的预测结果与实际实验观测值之间存在很强的相关性。尽管ANFIS模型的R2值较低，但考虑到实验数据集规模有限，其预测误差仍处于可接受范围内。综上所述，人工神经网络和ANFIS模型在预测OD600值及普罗迪吉辛含量方面均展现出良好的效果，不过人工神经网络模型的预测能力更优，其与实验数据的吻合度更高。本研究的结果有助于进一步了解人工神经网络和ANFIS技术在微生物色素生产建模及产量预测中的应用。