深度学习赋能抗生素发酵底物浓度动态优化与效率提升

赵 军
伊犁川宁生物技术股份有限公司

摘要


研究旨在实现抗生素发酵底物浓度动态优化与效率提升。方法上，先阐述底物浓度动态优化重要性，接着介绍深度学习在其中的应用原理，包括深度学习概念特点、模型构建训练及作用机制，再说明具体实现方式，涵盖数据采集预处理、模型选择优化、实时监测与动态优化控制。结果发现，深度学习赋能能精准预测与优化底物浓度，提高发酵效率与产物质量，但也面临数据质量、模型可解释性等挑战。

关键词


深度学习；抗生素发酵；底物浓度；动态优化；效率提升

全文:

PDF


参考


[1]徐浩然，毕重朋，王家俊，等.人工设计及深度学习在抗菌肽改造策略上的研究进展[J].食品与发酵工业，2025，51（13）：362-368+407.

[2]王姝，徐春明.深度学习在抗菌肽设计、发现与预测中的应用：现状与展望[J].食品与发酵工业，2024，50（21）：366-378.

[3]胡奕格.深度学习探究城市环境微生物的抗生素抗性及其影响因素[D].华东师范大学，2020.


Refbacks

  • 当前没有refback。