基本信息
- 项目名称：
- 基于BP神经网络的解淀粉芽孢杆菌Q-12的抑菌活性预测
- 来源：
- 第十二届“挑战杯”省赛作品
- 小类：
- 生命科学
- 大类：
- 自然科学类学术论文
- 简介：
- 本研究以解淀粉芽孢杆菌Q-12摇瓶培养为研究对象，通过摇瓶培养，用matlab的神经网络工具箱建立了以抑菌直径为目标的BP（Back Propagation）神经网络模型，并对其抑菌产量进行预测。
- 详细介绍：
- 本实验室从堆肥中筛选出一株对若干植物病原霉菌和病原真菌(如立枯丝核菌和尖镰孢菌)具有强烈抑制作用、并显示广谱抗菌活性的解淀粉芽孢杆菌Q-12[1]，发酵液通过分离纯化后得到一种新型抗菌物质，有望作为新型生物农药来开发[2]。 神经网络工具箱(Neural Network Toolbox，简称NNT)是MATLAB中众多工具箱之一，该工具箱用MATLAB语言构造出经典神经网络的激活函数，使设计者对所选定网络输出的计算变成对激活函数的调用。BP(Back Propagation)神经网络是基于BP误差反向传播算法的多层前馈神经网络，1986年由D．E．Rumelhart等人提出[3]。BP网络通常除输入输出节点外，还有一层或多层的隐含层节点，同层节点没有任何耦合；输入信号从输入层节点依次传过各隐含层节点，然后传到输出节点，每一层节点的输出只影响下一层节点的输出[4]。在神经网络的实际应用中，80％-90％的神经网络模型都是采用BP网络及其变化形势，它是前向网络的核心部分。由实践证明，对于任意闭合区间连续函数都可以用含有一个隐含层的BP网络来逼近。 BP网络是一种多层前馈神经网络，由输入层、隐含层和输出层组成[5]。层与层之间采用全互连方式，同一层之间不存在相互连接，隐含层可以有一个或多个。构造一个BP网络需要确定其处理单元—神经元的特性和网络的拓扑结构。神经元是神经网络最基本的处理单元，隐层中的神经元采用S型变换函数，输出层的神经元可采用S型或线性型变换函数。图1为一个典型的三层BP网络的拓扑结构。
作品专业信息
撰写目的和基本思路
- 本实验室分离纯化得到的解淀粉芽孢杆菌Q-12有很好的抑菌作用，在生物防治方面具有广阔的应用前景。基于发酵培养的特点及建模要求，以解淀粉芽孢杆菌Q-12摇瓶培养为研究对象，利用摇瓶培养中的参数及数据，用matlab的神经网络工具箱建立了以抑菌直径为目标的BP神经网络模型，并对其抑菌产量进行预测，以期为发酵过程控制及新型微生物农药的研发提供基础数据，也为进一步研究发酵过程建模提供了思路。
科学性、先进性及独特之处
- 本实验室分离得到的解淀粉芽孢杆菌Q-12的发酵产物有望作为新型生物农药来开发。采用MATLAB神经网络工具箱，对解淀粉芽孢杆菌Q-12发酵培养基配比与抑菌物质产量进行预测，不需要像传统方法那样，进行繁琐的编程，就可以高效、准确、快速的建立网络预测模型。同时，该神经网络模型的建立，初步提供了一种新的通用性的研究解决发酵过程的模型建立与预测问题的方法。
应用价值和现实意义
- 神经网络在生物工程领域的应用报道较少，开发与研究神经网络工具箱解决发酵过程中的问题具有重要的现实意义。用MATLAB神经网络工具箱对解淀粉芽孢杆菌Q-12菌株发酵过程抑菌物质产量的预测，为研发新型微生物农药做了前期工作，并提供了一种较为简便的解决发酵过程模型建立与预测问题的方法，具有重要的实际意义。
学术论文摘要
- 本实验室从堆肥中筛选出一株对若干植物病原霉菌和病原真菌(如立枯丝核菌和尖镰孢菌)具有强烈抑制作用、并显示广谱抗菌活性的解淀粉芽孢杆菌Q-12，发酵液通过分离纯化后得到一种新型抗菌物质，有望作为新型生物农药来开发。本研究以解淀粉芽孢杆菌Q-12摇瓶培养为研究对象，通过摇瓶培养，用matlab的神经网络工具箱建立了以抑菌直径为目标的BP（Back Propagation）神经网络模型，并对其抑菌产量进行预测。首先挑选显著影响解淀粉芽孢杆菌产生抑菌活性物质的培养基成分，接着运用发酵培养所获得的数据利用BP神经网络进行建模，从而预测在不同培养基条件下产生的抑菌活性的大小。通过模型得到的抑菌活性预测值和实际值误差分别为-0.2105和0.9002，均在允许范围内。
获奖情况
- 已投稿至《中国抗生素杂志》，审稿中。
鉴定结果
- 无
参考文献
- [1]王英国,王军华，等.解淀粉芽孢杆菌抗菌活性物质的分离纯化及抑菌活性研究[J].中国生物工程杂志,2007,27(12):41-45. [2]王军华,权春善,等.解淀粉芽孢杆菌Q-12抗真菌特性的研究[J].食品与发酵工业,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] 孙志强，葛哲学．神经网络理论与MATLAB7实现[M].北京：电子工业出版社,2OO5. [5] 景广军，梁雪梅，等.遗传神经网络预测模型的设计及应用[J].计算机工程与应用,2001,37(02):26-36. [6] 田旭光,宋彤,等.结合遗传算法优化BP神经网络的结构和参数[J].计算机应用与软件，2004,21(06):69-71. [7] 雷英杰，张善文，等．MATLAB遗传算法工具箱及应用[M].西安:电子科技大学出版社，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.
同类课题研究水平概述
- 人工神经网络(Artificial Neural Network，ANN)，亦称为神经网络(Neural Networks，NN)，是由大量处理单元(神经元Neurons)广泛互联而成的网络，是对人脑的抽象、简化和模拟，反映人脑的基本特性。人工神经网络的研究是从人脑的生理结构出发来研究人的智能行为，模拟人脑信息处理的功能。它是根植于神经科学、数学、统计学、物理学、计算机科学及工程等学科的一种技术。 自上世纪80年代末以来，神经网络这个涉及多种学科的新的高科技领域，吸引了众多的神经生理学家、心理学家、数理科学家、计算机与信息科学及工程师和企业家等进行研究与应用。神经网络的应用已经涉及到各个领域，且取得了很大的进展。在自动控制领域、处理组合优化问题、模式识别、图像处理、机器人控制、医疗以及化工、生物等领域均有应用。大量的有关神经网络机理、模型、算法特性分析，以及在各领域应用的学术论文像雨后春笋般在报刊杂志上和许多国际学术会议中涌现, 但是神经网络在生物工程领域的报道却极少。因此，开发与研究神经网络工具箱解决生物工程实践中的问题具有重要的现实意义。 应用MATLAB软件的神经网络工具箱，研究解决生物工程领域的模型建立与预测问题，与现有的判别方法相比，具有通用性、客观性和科学性等特点。如微生物培养基配方设计、抗生素效价测定、农作物虫情的预测等。通过研究，初步形成了用MATLAB神经网络工具箱解决生物工程领域模型预测的方法。结果表明：MATLAB界面友好、操作简单、结果准确，在生物工程领域中的具有广阔的应用前景。
