Пошук академічних текстів

Реєстраційний номер

0825U003324, Дисертація доктора філософії

На здобуття

Доктор філософії, 162, Біотехнології та біоінженерія

Дата захисту

07-08-2025

Статус

Захищена

Назва роботи

Біоінженерні підходи до оптимізації процесів отримання мікробних полімерів та сурфактантів.

Здобувач

Январьов Єгор Борисович,

Керівник Гавриляк Вікторія Василівна
Опонент Галкін Олександр Юрійович
Опонент Ключко Олена Михайлівна
Рецензент Семенюк Наталія Богданівна
Рецензент Марінцова Наталія Генадіївна

Опис

Дисертаційну роботу присвячено розробці біоінженерних підходів до оптимізації процесів мікробного синтезу біосурфактантів і біополімерів, які є перспективними продуктами, але їх промислове виробництво наразі дуже дороге. Біосурфактанти та полігідроксиалканоати (ПГА) мають широкий спектр застосувань – від медицини до сільського господарства – завдяки своїй біодеградабельності, низькій токсичності та стабільності при різних умовах середовища. Водночас ефективне виробництво цих сполук на промисловому рівні потребує точного регулювання умов культивування, що зумовлює необхідність створення надійних математичних моделей і оптимізаційних алгоритмів. Встановлено, що використання сучасних методів машинного навчання та статистичного аналізу дозволяє суттєво покращити точність прогнозування виходу цільових метаболітів. Проведено моделювання процесів біосинтезу із залученням штамів Bacillus subtilis GSP16, Pseudomonas sp. PS-17 та Rhodococcus ruber UCM Ac-288. Експериментальні дані були зібрані як у лабораторних умовах, так і на виробництві, що забезпечило достовірність та практичну цінність результатів. Досліджено ефективність трьох підходів до побудови моделей: методології поверхні відгуку (RSM), регуляризованої регресії другого порядку (Ridge) та гаусового процесу регресії (GPR). RSM застосовано для моделювання впливу технологічних факторів, зокрема температури, pH, швидкості перемішування, концентрації гліцеролу та дріжджового екстракту, на синтез сурфактину штамом B. subtilis. Модель дозволила візуалізувати поверхні відгуку та отримати зони оптимальних параметрів. Встановлено, що при переході від однокритеріальної до багатокритеріальної оптимізації з урахуванням економічних обмежень можна знизити собівартість середовища на 41%, забезпечуючи високий рівень продуктивності. Проведено також кінетичне моделювання росту біомаси із застосуванням моделей Моно і Халдейна, що дозволило підтвердити наявність субстратного інгібування при високих концентраціях гліцеролу. Для даних без чіткого експериментального дизайну досліджено можливості регуляризованої Ridge-регресії, що враховує наявність взаємозалежностей між компонентами середовища. У результаті побудовано прогностичні моделі для трьох метаболітів: абсолютно сухої біомаси, рамноліпідів та екзополісахаридів. Багатокритеріальна оптимізація, здійснена методом диференціальної еволюції, дозволила знайти умови, за яких рівень цільових продуктів зростав на 22–24% у порівнянні з базовими умовами. Окремо досліджено можливості моделювання синтезу ПГА за допомогою GPR. Незважаючи на обмежений обсяг даних, моделі показали високу точність і здатність виявляти області простору факторів із високою ймовірністю покращення. Встановлено, що застосування GPR-моделей із візуалізацією невизначеності та функції бажаності дозволяє формувати ефективні стратегії планування експериментів. Всі моделі реалізовано у вигляді програмних рішень на мові Python, з використанням відкритих бібліотек машинного навчання, статистичного аналізу та візуалізації, таких як scikit-learn, statsmodels, scipy.optimize, matplotlib і seaborn. Передбачено можливість завантаження експериментальних даних, виконання попередньої обробки, навчання моделей, візуалізацію залежностей та проведення багатокритеріальної оптимізації з урахуванням економічних показників. Створений інструмент є гнучким і масштабованим, придатним до адаптації під різні біотехнологічні процеси, що забезпечує його практичну цінність для виробничих підприємств і дослідницьких лабораторій. Це забезпечує можливість масштабування та адаптації рішень до нових штамів або цільових продуктів. Отримані результати свідчать про доцільність інтеграції біоінженерних підходів для оптимізації процесів біосинтезу. Розроблені підходи можуть бути використані як у промисловій біотехнології, так і в дослідницькій практиці для скорочення числа експериментів та підвищення ефективності біопроцесів.

Дата реєстрації

2025-08-06

Додано в НРАТ

2025-08-06