జర్నల్ ఆఫ్ ఫార్మసీ అండ్ ఫార్మాస్యూటికల్ రీసెర్చ్ అందరికి ప్రవేశం

నైరూప్య

ప్రతిస్పందన ఉపరితల పద్దతి మరియు కృత్రిమ మేధస్సు విధానాలను ఉపయోగించి గ్లైకోలిపోపెప్టైడ్ ఉత్పత్తికి కిణ్వ ప్రక్రియ పరిస్థితుల యొక్క నమూనా మరియు ఆప్టిమైజేషన్

మారిస్ G Ekpenyong

సమస్య యొక్క ప్రకటన: సూడోమోనాస్ ఎరుగినోసా జాతి IKW1 వేస్ట్ ఫ్రైయింగ్ సన్‌ఫ్లవర్ ఆయిల్-బేసల్ మాధ్యమంలో పెరిగినప్పుడు బయోసర్ఫ్యాక్టెంట్‌ను ఉత్పత్తి చేస్తుంది. క్రియాశీల సమ్మేళనం కిణ్వ ప్రక్రియ ఉడకబెట్టిన పులుసు యొక్క ఉపరితల ఉద్రిక్తతను 20.80 mg/L యొక్క క్లిష్టమైన మైకెల్ సాంద్రత వద్ద 24.62 డైన్స్/సెం.మీకి తగ్గించింది. ఇది అధిక పనితీరు గల లిక్విడ్ క్రోమాటోగ్రఫీ మరియు ఫోరియర్ ట్రాన్స్‌ఫార్మ్‌ఇన్‌ఫ్రారెడ్ స్పెక్ట్రోమెట్రీ ద్వారా గ్లైకోలిపోపెప్టైడ్‌గా గుర్తించబడింది. ఇది ఫార్మాస్యూటికల్ మరియు డిటర్జెంట్ ఫార్ములేషన్‌లలో అప్లికేషన్‌లకు అనుకూలతను సూచించే గణనీయమైన ఎమల్సిఫికేషన్ మరియు ఫోమింగ్ సామర్థ్యాలను ప్రదర్శించింది. అయినప్పటికీ, ఉత్పత్తి దిగుబడి తక్కువగా ఉంది, సిఫార్సు చేసిన అనువర్తనాల కోసం పెద్ద-స్థాయి ఉత్పత్తి అసాధ్యమైనది. చాలా మంది పరిశోధకులు వ్యూహాత్మక మీడియం ఆప్టిమైజేషన్ విధానాల ద్వారా దిగుబడి మెరుగుదలని నివేదించారు. ఇంతకుముందు, మేము ప్రధాన పోషకాల ఆప్టిమైజేషన్ కోసం ప్రతిస్పందన ఉపరితల పద్దతిని (RSM) అనుసరించాము మరియు ప్రశంసనీయమైన దిగుబడి పెరుగుదలను నమోదు చేసాము. తరువాత, మేము పోషకాలను ట్రేస్ చేయడానికి మరియు ఆప్టిమైజ్ చేయడానికి ప్లాకెట్-బర్మన్ డిజైన్ (PBD) మరియు RSMని ఉపయోగించాము మరియు గణనీయమైన దిగుబడి మెరుగుదలని పొందాము. అయినప్పటికీ, ఆర్టిఫిషియల్ న్యూరల్ నెట్‌వర్క్ (ANN) మెరుగైన ఆప్టిమైజేషన్ విధానం అని పరిశోధన నివేదికలు సూచిస్తున్నాయి. మెథడాలజీ & థియరిటికల్ ఓరియంటేషన్: ఈ అధ్యయనంలో, మేము RSMని ఉపయోగించి ఉష్ణోగ్రత, pH, ఆందోళన మరియు వ్యవధి వంటి కిణ్వ ప్రక్రియ పరిస్థితులను ఆప్టిమైజ్ చేసాము మరియు జన్యు అల్గారిథమ్ (ANN-GA) మరియు పార్టికల్ స్వర్మ్ ఆప్టిమైజేషన్ (ANN-PSO)తో లింక్ చేయబడిన ANNతో పొందిన ఫలితాలను పోల్చాము. . అన్వేషణలు: RSM యొక్క క్వాడ్రాటిక్ ఫంక్షన్ ద్వారా అంచనా వేయబడిన బయోసర్ఫ్యాక్టెంట్ రెస్పాన్స్ మోడల్ ముఖ్యమైనదని మా ఫలితాలు చూపించాయి (P<0.0001; సర్దుబాటు చేయబడిన R2=0.9911; RMSE=0.034), ఉష్ణోగ్రత-32�C, pH-7.6 వద్ద ఫ్యాక్టర్ స్థాయిలను సెట్ చేయడం, ఆందోళన వేగం-130 rpm మరియు కిణ్వ ప్రక్రియ సమయం-66 h. 4.24 దిగుబడి (Yp/x)తో గరిష్ట గ్లైకోలిపోపెప్టైడ్ సాంద్రత 107.19 గ్రా/లీ. ANN-GA (R2=0.9997; RMSE=0.055) మరియు ANN-PSO (R2=0.9914, RMSE=0.047) నుండి తులనాత్మక ఫలితాలు మోడల్ మరియు ఆప్టిమైజ్ చేసిన ఫ్యాక్టర్ సెట్టింగ్‌లు RSMతో పొందిన వాటి కంటే గణనీయంగా (P>0.05) భిన్నంగా లేవని చూపించాయి. ముగింపు & ప్రాముఖ్యత: ఇది RSM, నిశితంగా అమలు చేయబడినప్పుడు, న్యూరల్ నెట్‌వర్క్ పద్ధతుల వంటి మంచి మోడలింగ్ మరియు ఆప్టిమైజేషన్ సాధనంగా ఉంటుందని ఇది సూచిస్తుంది.