پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول

word
103
4 MB
31783
1391
کارشناسی ارشد
قیمت: ۱۳,۳۹۰ تومان
دانلود فایل
  • خلاصه
  • فهرست و منابع
  • خلاصه پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول

    پایان نامه کارشناسی ارشد در رشته مهندسی شیمی

    چکیده

     

    شبیه‌سازی و بهینه‌سازی راکتور بیولوژیکی تولیدکننده بوتانول

     

    تخمیر نیمه پیوسته، روشی کارا و سودمند جهت تولید محصولات متابولیکی ارزشمند مانند سوخت های زیستی می باشد. مدلسازی ریاضی بیوراکتورهای نیمه پیوسته با توجه به طبیعت گذرا و ناپایای تخمیر و همچنین پیچیدگی متابولیسم سلولی، مسأله ای بسیار دشوار و پیچیده است. در این زمینه برخی از محققین مدل هایی ساخت یافته ارائه کرده اند که نسبت به  مدل های غیر ساخت یافته دقت و بازده بیشتری دارند. در این تحقیق، مدل ساختار یافته دقیق و کارای موازنه فلاکس پویا برای توصیف رفتار باکتری کلستریدیوم استوبوتیلیکوم) (clostridium acetobutylicum مطرح شده است. این مدل حاصل تلفیق مدل پایای متابولیسم درون سلولی و معادلات موازنه جرم پویا بر روی اجزای اصلی برون سلولی می باشد. مدل پویای مذکور بر پایه شبکه   متابولیکی بازسازی شده 824_cellb بیان شده است. در مدلسازی فرایند تخمیر نیمه پیوسته، جهت همبستگی تولید بوتانول و رشد میکروارگانیسم، ژن های CoATدر مدل 824_cellb حذف شده و ژن AAD بیش از حالت طبیعی بیان شده و شرایط اولیه و پارامترهای عملیاتی بهینه برای تولید بیشینه محصول مطلوب، مورد استفاده قرار گرفته است. این پارامترها عبارتند از: زمان نهایی عملیات، حجم اولیه راکتور و دبی خوراک ورودی. روند کلی عملیات نیمه‌پیوسته به دو فاز عملیاتی اسیدی (جهت رشد و تکثیر باکتری‌ها از غلظت کم تا غلظتی قابل توجه) و خنثی (جهت افزایش غلظت توده زیستی و جهت افزایش تولید بوتانول) با نرخ خوراک ورودی ثابت تقسیم‌بندی شده است. بهینه سازی در حالت نیمه پیوسته صورت گرفته است. شایان ذکر است که نتایج به خوبی اهمیت حدف ژن و بیان بیش از حد ژن را در تعیین شرایط عملیاتی فرایندهای نیمه پیوسته نشان می دهد، در واقع می توان گفت که حدف ژن و بیان بیش از حد ژن در شرایط بی هوازی با حفظ سایر پارامترها نسبت به حالت بهینه، موجب افزایش میزان محصول مطلوب(بوتانل) و کاهش میزان تولید محصول نامطلوب(اتانول و استون) خواهد شد. استفاده از مدلهای ساختار یافته مبتنی بر آنالیز موازنه فلاکس، بدون نیاز به اطلاعات سینتیکی آنزیمی، قادر به مدلسازی دقیق رفتار میکرو ارگانیسم ها می باشند.

    1- مقدمه

     

    1- 1- مقدمه‌ای بر بیوتکنولوژی

    بی‌تردید زیست‌شناسی جدید با آرایش مبهوت‌کننده‌ای از رشته‌های فرعی گوناگون مثل میکروب‌شناسی، کالبدشناسی جانوری و گیاهی، زیست شیمی، ایمنی‌شناسی، زیست‌شناسی سلولی، فیزیولوژی گیاهی و جانوری، ریخت‌زایی، سیستماتیک[1]، بوم‌شناسی، دیرینه‌شناسی گیاهی، ژنتیک و بسیاری از رشته‌های دیگر، متنوع‌ترین بخش علوم طبیعی است. تنوع فزاینده زیست‌شناسی جدید بیشتر از آنجا ناشی می‌شود که پس از جنگ جهانی دوم، رشته‌های علمی دیگر چون فیزیک، شیمی، و ریاضیات در زیست‌شناسی به کار گرفته شد و توصیف فرآیند‌های زیستی را در حد سلول و هسته سلولی امکان‌پذیر ساخت.

    زیست‌شناسی جدید تاکنون سهم مهمی در رفاه و سلامت بشر داشته است. با این حال آنچه تاکنون از این راه به دست آمده است، در قیاس با نویدهایی که در سایه بیوتکنولوژی تحقق خواهد یافت بسیار ناچیز است.

    بیوتکنولوژی[2] را تحت عنوان «به‌کارگیری ارگانیسم‌ها یا فرایندهای زیستی در صنایع تولیدی و خدماتی» تعریف کرده‌اند. بیوتکنولوژی دانشی است که کاربرد یکپارچه زیست‌شیمی، میکروبشناسی و تکنولوژی‌های تولید را در سیستم‌های زیستی، به جهت استفاده‌ای که در سرشت بین رشته‌ای علوم دارند، مطالعه می‌کند.

    بیوتکنولوژی صنایع کاملاً نوینی خواهد آفرید که انرژی فسیلی اندکی لازم دارند و اقتصاد جهانی را تغییر خواهد داد. فرایندهای بیوتکنولوژیک در بیشتر موارد با صرف انرژی کم در دمای پایین انجام می‌شود و در بیوسنتز[3] عمدتاً متکی بر مواد ارزان هستند. فعالیت‌های صنعتی تحت تأثیر آن شامل تولید غذا برای انسان و جانوران، تدارک مواد خام شیمیایی به جای منابع پتروشیمیایی، منابع جایگزین انرژی، به گردش درآوردن پسماندها در طبیعت، کنترل آلودگی، کشاورزی و تولید مواد جدید برای یاری رساندن و متحول کردن بسیاری از جنبه‌های پزشکی، علوم دامپزشکی و دارویی است. بیوتکنولوژی از نظر بین‌المللی همانقدر (چه‌بسا بیشتر) نوید بخش استفاده‌های تجاری است که انقلاب میکروالکترونیک[4] فراهم کرد. بویژه آنکه صنایع بیوتکنولوژیک عمدتاً بر پایه مواد تجدیدشدنی و گردش‌پذیر خواهد بود و از این‌رو می‌تواند با نیازهای جامعه‌ای که در آن انرژی روز به روز گران‌تر و کمیابتر می‌شود سازگار شود. بیوتکنولوژی از جهات بسیار هنوز یک تکنولوژی نوپا بوده و پیشرفت‌هایش مستلزم کنترل ماهرانه است، اما توانایی‌های آن گسترده و متنوع است و بی‌تردید در بسیاری از فرآیندهای صنعتی آینده نقش مهم و فزاینده‌ای خواهد داشت.

    بیوتکنولوژی ذاتاً حرفه‌ای بین رشته‌ای است. بیوتکنولوژیست[5] فنون مأخوذ از شیمی، میکروب‌شناسی، مهندسی شیمی و دانش کامپیوتر را به کار می‌گیرد. اهداف اصلی آن، نوآوری، توسعه و اجرای مطلوب فرایندهایی است که کاتالیزور[6] زیست شیمیایی در آن نقش اصلی و غیر قابل جایگزینی دارد. بیوتکنولوژیست‌ها باید با متخصصین سایر قلمروهای وابسته مانند پزشکی، تغذیه، صنایع شیمیایی و دارویی، حفظ محیط زیست و تکنولوژی به عمل‌آوری مواد پسماند نیز همکاری نزدیک داشته باشند. خاستگاه بسیاری از فرایندهای بیوتکنولوژیک فعلی به تخمیرهای سنتی و باستانی مانند تولید نان، پنیر، ماست و سرکه بر می‌گردد. اما کشف آنتی‌بیوتیک‌ها[7] در سال 1929 و سپس تولید انبوه آنها در دهه 1940 بیشترین پیشرفت‌ها را در تکنولوژی تخمیر فراهم آورد. از آن پس ما نه تنها در تولید آنتی‌بیوتیک‌ها، بلکه در تولید بسیاری از فرآورده‌های شیمیایی ساده یا پیچیده مفید، به عنوان مثال اسیدهای آلی، پلی‌ساکاریدها، آنزیم‌ها، واکسن‌ها، هورمون‌ها و غیره شاهد توسعه شگفت‌انگیز تکنولوژی تخمیر بوده‌ایم. علت اصلی توسعه فرایندهای تخمیری رابطه نزدیک و فزاینده بین زیست‌شیمیدان‌ها، میکروب‌شناسان و مهندسان شیمی است.

    مهم‌ترین دلیل برای آگاهی روزافزون از بیوتکنولوژی، رسیدن به این واقعیت بود که منابع سوختهای فسیلی محدود است. بنابراین انسان باید در پی شیوه‌هایی باشد که با استفاده از توده زیستی[8]، مستقیم و غیر مستقیم انرژی خورشیدی را به شکل قابل استفاده درآورد. از این توده زیستی بسیاری از مواد شیمیایی ضروری برای بقای انسان به دست خواهد آمد. گرچه صنایع تخمیری سنتی همیشه در بیوتکنولوژی نقش مرکزی خواهد داشت، امید بیوتکنولوژیست‌ها امروزه عمدتاً به کاربردهای دو کشف زیست‌شناسی بر می‌گردد که عبارتند از:

    الف) توسعه تکنولوژی یا مهندسی آنزیمی، یعنی استفاده از واحدهای زیستی جداشده با آنزیم‌ها در صنعت و پزشکی.

    ب) مهندسی ژنتیکی، یعنی استفاده از توانایی تازه کسب‌شده انسان در انتقال اطلاعات ژنتیکی بین ارگانیسم‌های کاملاً غیر منسوب و دور از هم، مانند گیاهان، جانوران و میکروارگانیسم‌ها.

    این قلمروها اساساً در پی بهره‌برداری از کشفیات زیست‌شناسی مولکولی و آنزیمولوژی[9] است و واژه مهندسی مولکول‌های زیستی برای استناد به مجموعه این دو به کار می‌رود.

     

    1-2- بیوتکنولوژی- یک هسته مرکزی با دو جزء

    در اصل بیوتکنولوژی را می‌توان هسته‌ای مرکزی و دارای دو جزء دانست که در آن یک جزء به دنبال دستیابی به بهترین کاتالیست[10] برای یک فرآیند یا عملکرد ویژه و دیگری با فراهم کردن ساختمان و اجرای فنی در پی ایجاد بهترین محیط ممکن جهت به کار گرفتن کاتالیست است.

    در بیشتر مواردی که تاکنون توسعه یافته است، مؤثرترین، مناسب‌ترین و پایدارترین شکل برای یک کاتالیست در یک فرایند بیوتکنولوژیک ارگانیسم کامل بوده است و به همین دلیل بیشتر کارهای بیوتکنولوژی بر پایه فرآیندهای میکروبی دور می‌زند. این مسئله مانع استفاده از ارگانیسم‌های آلی و بویژه کشت سلول‌های گیاهی و جانوری نیست که نقش مهم و فزاینده‌ای در بیوتکنولوژی خواهد داشت.

    میکروارگانیسم‌ها را می‌توان هم به عنوان نخستین تثبیت‌کنندگان انرژی فتوسنتزی و هم به عنوان سیستم‌هایی در نظر گرفت که تقریباً در تمام انواع مولکول‌های آلی طبیعی و دست ساخته بشر تغییراتی ایجاد می‌کند. مجموعاً آنها گنجینه ژنی بیکرانی دارند که پتانسیل تجزیه‌ای و ترکیبی (سنتزی) تقریباً نامحدودی فراهم می‌کنند. بعلاوه میکروارگانیسم‌ها در مقایسه با تمام ارگانیسم‌های عالی مانند گیاهان و جانواران میزان رشد بسیار سریعی دارند. پس تحت شرایط محیطی مناسبی در مدت‌زمانی کوتاه می‌توان مقادیر هنگفتی از آنها را تولید کرد.

    متدولوژی‌هایی که عموماً مورد استفاده‌اند، انتخاب میکروارگانیسم‌های بهتر از گنجینه طبیعی محیط، تغییر و تبدیل میکروارگانیسم‌ها توسط جهش و اخیراً بسیج یک رشته از روش‌ها و فنون جدی مأخوذ از زیست‌شناسی مولکولی را فراهم ساخته است که نهایتاً بازسازی میکروارگانیسم‌هایی با توانایی‌های شیمیایی کاملاً نوین را توسط انسان امکان‌پذیر می‌سازد. این فنون جدید از تلاش‌های بنیادی و اساساً علمی محض در زیست‌شناسی مولکولی طی سالهای اخیر مایه گرفته است. این ارگانیسم‌ها که بدقت انتخاب و دستکاری شده‌اند باید به شکلی اساساً تغییرناپذیر حفظ شوند که این کار مستلزم طیف دیگری از فنون برای حفظ ارگانیسم‌ها به منظور ابقای خصوصیات اصلی‌شان طی فرایندهای صنعتی و بالاتر از همه حفظ قدرت و قابلیت زیست آنهاست. در بسیاری از موارد کاتالیست به شکلی جدا و خالص‌شده، یعنی آنزیم به کار گرفته می‌شود و امروزه اطلاعات بسیار زیادی در رابطه با تولید انبوه، جداسازی و خالص کردن تک‌تک آنزیم‌ها و تثبیت آنها به روش‌های مصنوعی در دست است.

    دومین بخش هسته مرکزی بیوتکنولوژی شامل تمام جنبه‌های سیستم یا راکتوری است که کاتالیست‌ها در آن عمل می‌کنند. در اینجا دانش ویژه‌ای از مهندسی تولید یا شیمی به کار می‌آید که طرح و ابزار لازم برای بقا و کنترل محیط فیزیکو- شیمیایی مانند دما، هوادهی، pH و غیره را فراهم می‌کند و بدین ترتیب تجلی بهینه کاتالیست را امکان‌پذیر می‌سازد.

    پس می‌بینیم که موفقیت در یک طرح بیوتکنولوژیک به کاربرد وسیع چندین نظام نیاز دارد.

    لازم به ذکر است که مواد خام حاوی قند، مانند چغندر قند، نیشکر و غلات سودمندترین و در دسترس‌ترین مواد خام برای فرآورده‌های بیوتکنولوژی هستند و گذر زمان نشان خواهد داد که مواد لیگنوسلولزی[11]، مفیدترین منبع کربن برای پیشرفت بیوتکنولوژیک است ( فرازمند، 1371).

     

    1-3- مقدمه‌ای بر فرآیند‌های تخمیری

    عبارت تخمیر[12] از واژه لاتین فرور[13] به معنی جوشان گرفته شده است. این اصطلاح بیان‌کننده نقشی است که مخمر با کشت بر روی موادی مانند عصاره میوه یا جو جوانه زده (مالت) ایفا می‌کند. گازهای جوشان در این واکنش همان حباب‌های دی‌اکسید کربن هستند که بر اثر فعل و انفعالات میکروارگانیسم‌های بی‌هوازی بر روی قندهای موجود (سوخت و ساز بی‌هوازی مواد غذایی در بافت‌ها) در عصاره متصاعد می‌شوند. از نظر زیست‌شیمی‌دانان و میکرب‌شناسان صنعتی، تخمیر مفهوم متفاوتی دارد. از نظر زیست‌شیمی‌دانان، تخمیر تولید انرژی توسط سوخت‌وساز ترکیبات آلی است، در حالی که از نظر میکرب‌شناسان صنعتی، مفهوم وسیع‌تری را شامل می‌شود. سوخت‌وساز بی‌هوازی قندها، نوعی فرایند اکسایش است که به تولید نوکلئوتیدهای پیریدین احیا شده منجر می‌شود که برای ادمه فرایند باید مجدداً اکسید شوند. در فاز اسیدی، اکسایش مجدد نوکلئوتید پیریدین احیا شده، با انتقال الکترون از طریق سیستم سیتوکرم[14] به عنوان دریافت‌کننده نهایی الکترون صورت می‌گیرد. اما در شرایط بی‌هوازی، اکسایش نوکلئوتیدپیریدین احیاشده، با احیای یک ترکیب آلی همراه است که اغلب محصول بعدی در سلسله واکنش‌های سوخت‌وساز به شمار می‌رود. در واکنش مخمر بر روی عصاره میوه و جو، NADH همراه با احیای اسیدپیرویک به اتانل حاصل می‌شود. گونه‌های مختلف میکروارگانیسم‌ها می‌توانند پیروات را به طیف وسیعی از محصولات نهایی احیا کنند. بنابراین از نظر زیست‌شیمی‌دانان «تخمیر نوعی فرآیند تولید انرژی است که در آن مواد آلی به عنوان دریافت‌کننده نهایی و همچنین دهنده الکترون عمل می‌کنند».

    میکرب‌شناسان صنعتی به هر فرآیندی که برای تولید محصولات مورد نظر از طریق کشت انبوه میکروارگانیسم‌ها یا با استفاده از میکروارگانیسم‌ها در مقیاس صنعتی بکار گرفته شود، تخمیر می‌گویند. نخستین فرآیند صنعتی تولید فرآورده‌های تخمیری یعنی اتانل از این جمله است. در فرآیندهای تخمیر صنعتی عموماً از باکتری‌ها، مخمر‌ها و قارچ‌ها برای تولید فرآورده‌های زیستی استفاده می‌شود. اخیراً با توسعه فنون کشت سلول، استفاده از سلول‌های حیوانی و گیاهی در فرآیندهای تخمیری امکان‌پذیر شده است.

    میکروارگانیسم‌های مورد استفاده در فرآیندهای بیوتکنولوژیک در اصل از محیط طبیعی جدا شده‌اند، اما برای سودمندی بیشتر به دنبال جداسازی توسط متخصصین ژنتیک صنعتی[15] به شکل ارگانیسم‌های برتر تغییر داده شده‌اند. موفقیت در انتخاب و بهبود برنامه‌ها در تمام صنایع مبتنی بر فرآیندهای زیستی (مثلاً تولید آنتی‌بیوتیک‌ها) نتیجه مستقیم همکاری بین تکنولوژیست‌ها و ژنتیک‌دانهاست. برای فرمولبندی خصوصیات فیزیولوژیک و زیست شیمیایی ویژه‌ای که جهت دستیابی به کامل‌ترین گستره فعالیت‌های بیوتکنولوژیک در ارگانیسم‌های جدید جستجو می‌شود، این همکاری ضروری‌تر خواهد بود. در اصل تمام خواص ارگانیسم‌ها به مجموع ژن‌های آنها بستگی دارد. ژن‌ها در دو دسته اصلی ساختاری و تنظیمی قرار می‌گیرند. ژن‌های ساختاری رمزگزار توالی اسیدهای امینه پروتئین‌ها هستند؛ پروتئین‌ها به عنوان آنزیم، با کاتالیز واکنش‌های سنتزی یا تجزیه‌ای توانایی‌های زیست‌شیمیایی ارگانیسم را تعیین می‌کنند و یا به عنوان اجزای ساختاری سلول‌ها نقش ساختمانی دارند. برعکس، ژن‌های تنظیمی با تعیین میزان تولید فرآورده‌های پروتئینی و در واکنش به علائم درون و بیرون سلولی که این فرآورده‌ها در پاسخ بدانها تولید می‌شوند، تجلی ژن‌های ساختاری را کنترل می‌کنند.

     

     

     

    SIMULATION AND OPTIMIZATION OF

    BUTANOL BIOREACTORS

     

    BY

     

    Ali khaje hesamedini

     

     

    Fed-batch fermentation is a very efficient and useful method for producing metabolic products such as Butanol, which can be used as building blocks in different industries. Mathematical modeling of fed-batch bioreactors is a complicated problem because of the dynamic nature of fermentation and complexity of cellular metabolism. Some researchers have developed structured models that are more accurate and efficient than the traditional unstructured models. In this thesis, we used one of the structured models which is called dynamic flux balance model to simulate the behavior of clostridium acetobutylicum bacteria in a producing Butanol fermentation process. The dynamic flux balance model combines the steady-state intracellular metabolism model with the dynamic extracellular mass balances on key components. The dynamic flux balance model used in this study is based on in silico genome-scale metabolic network reconstruction 824_cellb  model. In order to achieve growth-coupled production of butanol, CoAT gene is deleted and AAD gene is over expressed in 824_cellb  model. Also, optimal initial and operating parameters of the bioreactor were obtained based on maximizing the bioreactor productivity. These parameters are the final operational time, the initial bioreactor volume and the feed flow rates. The fed-batch operation is conducted in two phases: acidogenic phase, solventogenic phase. The acidogenic phase provides the required biomass concentration. The solventogenic phase increases the biomass concentration and increases the production of butanol. Optimization was carried out for Fed-batch operation scenario. The results shows the effect of gene deletion and gene over expression. It can be stated that gene deletion and gene over expression in the anaerobic state with respect to constant parameters in optimal case results into increase of product(Butanol) and decrease of the side product(acetone and Butanol). The structural model based on flux balance analysis, without the need of enzyme kinetics data, can led in to accurate modeling of microorganisms behavior.

     

    Key words: Bioreactor; Flux Balance Analysis; ABE fermentation; clostridium acetobutylicum; Genome scale model; Optimization;

  • فهرست و منابع پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول

    فهرست:

    عنوان.....................................................................................................................................................    صفحه

    1- مقدمه. 2

    1- 1- مقدمه‌ای بر بیوتکنولوژی.. 2

    1-2- بیوتکنولوژی- یک هسته مرکزی با دو جزء 4

    1-3- مقدمه‌ای بر فرآیند‌های تخمیری.. 5

    1-3-1- بخش‌های اصلی فرایند تخمیری.. 7

    1-3-2- محیط کشت تخمیر صنعتی.. 8

    2- مروری بر کارهای گذشته. 11

    2-1- مروری بر کاربردهای کشت نیمه‌پیوسته (غیر مداوم خوراک‌دهی شده) 11

    2-2- مروری بر تولید بوتانل از طریق کشت میکروبی.. 13

    2-3- مروری بر بهینه‌سازی فرایند‌های تخمیر نیمه‌پیوسته. 13

    3- فرایند. 16

    3-1- طراحی فرمانتور 17

    3-2- کشت نیمه پیوسته (غیر مداوم خوارک‌دهی‌شده) 19

    3-2-1- مزایای کشت نیمه پیوسته (غیر مداوم خوارک‌دهی‌شده) 20

    3-3- بوتانول(بوتیل الکل) 22

    3-3- 1- روش های تولید بوتانول.. 25

    3-3-2-1- استفاده از بوتانول به عنوان جایگزین سوخت های فسیلی.. 25

    3-3-1-2-تحقیقات انجام شده در زمینه تولید بیولوژیکی بوتانول  27

    فصل چهارم. 29

    4- مدلسازی.. 30

    4-1- مدل بیوراکتور نیمه پیوسته. 30

    4-2- مدل‌های رشد میکروارگانیسم‌ها 31

    4-2-1- مدل‌های ساختار نیافته. 31

    4-2-1-1- مدل‌های مونود، هالدن، کناک، تیسیر و موزر 31

    4-2-1-2- مدل شبکه عصبی.. 33

    4-2-2- مدل‌های ساختاریافته. 33

    4-2-2-1- مدل‌های مبتنی بر آنالیز موازنه فلاکس (FBA) 35

    4-2-2-2- مدل‌های مبتنی بر آنالیز موازنه فلاکس پویا (DFBA ) 39

    4-3- مدلسازی مورد استفاده در این تحقیق.. 40

    4-3-1- معادلات حاکم.. 41

    4-4-1- مدل آنالیز موازنه فلاکس پویا برای کشت ناپیوسته گونه طبیعی (وحشی) باکتری کلستریدیوم استوبوتیلیکوم  42

    4-4-1-1- تعیین پارامترهای بهینه معادلات جذب مواد غذایی  43

    4-4-2- مدل آنالیز موازنه فلاکس پویا برای کشت نیمه پیوسته گونه جهش یافته باکتری کلستریدیوم استوبوتیلیکوم  50

    5- بهینه‌سازی.. 59

    5-1- استراتژی عملیاتی.. 61

    6- نتایج، بحث و نتیجه گیری.. 64

    6-1- نتایج حاصل از بهینه سازی.. 64

    6-2- مطالعات موضوعی.. 67

    6-3- بحث و نتیجه گیری.. 68

    منابع.. 70

    پیوست یک.... 74

    پیوست دو 80

    منبع:

     

    شجاع الساداتی، عباس (1381). بیوتکنولوژی صنعتی. چاپ اول. تهران: دانشگاه تربیت مدرس، دفتر نشر آثار علمی.

     

    فرازمند، علی (1371). بیوتکنولوژی. چاپ اول. تهران: انتشارات دانشگاه علامه طباطبایی.

     

    روستا، علی اکبر (1382). کاربرد شبکه های عصبی در بدست آوردن مدل راکتور شیمیایی. پایان نامه کارشناسی ارشد، دانشگاه شیراز.

     

    Agarwal, L. et al. (2007). “ Statistical optimization for Butanol production from E. coli in the cost-effective medium.” Appl Biochem Biotechnol., Vol. 142, pp. 158-167.

     

    Angira, R. and Babu. B.V (2006). Optimization of process synthesis and design problems: A modified differential evolution approach. Chemical Engineering Science. 61,4707 – 4721.

     

    Azevedo, S.F. et al. (1997). “ Hybrid modeling of biochemical processes: a comparison with conventional approach.” Computers Chem Eng., Vol. 21, pp. 751-756.

     

    Banga, J. R. et al. (2005). “ Dynamic optimization of bioprocesses: Efficient and robust numerical strategies.” Journal of Biotechnology., Vol. 117, pp.407-419.

     

    Burgard, A.P. and Van Dien, S.J (2007). Methods and Organism for the growth-coupled production of succinate. Patent Cooperation Treaty (PCT)..

     

    Chaundhuri, B. and Modak, J. M (1998). “ Optimization of fed-batch bioreactor using neural network model.” Bioprocess Engineering., Vol. 19, pp. 71-79.

     

    Cheon Lee, P. et al. (2000). “ Fermentative production of Butanol from glucose and corn steep liquor by Anaerobiospirillum succiniciproducens.” Biotechnol Bioprocess Eng., Vol. 5, pp. 379-381.

     

    Dhir, S. et al. (2000). “ Dynamic optimization of hybridoma growth in a fed-batch bioreactor.” Biotechnology and Bioengineering., Vol. 67, No. 2, pp. 197-205.

     

    Duarte, N. C. et al. (2004). “ Reconstruction and validation of Saccharomyces cerevisiae iND750, a fully compartmentalized genome-scale metabolic model.” Genome Research., Cold Spring Harbor Laboratory Press ISSN 1088-9051/04, pp.1-13.

     

    Feist,  A. M. et al. (2007). “A genome-scale metabolic reconstruction for Escherichia coli K-12 MG1655 that accounts for 1260 ORFs and thermodynamic information.” Molecular Systems Biology., Vol. 3, article number 121, pp.1-18.

     

    Feist,  A. M. et al. (2006). “ Modeling methanogenesis with a genome-scale metabolic reconstruction of Methanosarcina barkeri.” Molecular Systems Biology., doi:10.1038/msb4100046, article number: 2006.0004, pp. 1-14.

     

    Hagan. M. T., Demuth H. B., Beale. M (1995). “Neural Network Design”, MHB. Inc.

     

    He. et al. (2005). “ Batch and fed-batch production of butyric acid by Clostridium butyricum ZJUCB.” Journal of Zhejiang Univ SCI., pp. 1076-1080.

     

    Henson, M.A (2006). “ Exploiting cellular biology to manufacture high-value products.” IEEE Control Systems Magazine., pp.54-62.

     

    Hjersted, J.L. et al. (2007). “ Genome-scale analysis of Saccharomyces cerevisiae metabolism and ethanol production in fed-batch culture.” Biotechnology and Bioengineering., Vol. 97, No. 5, pp. 1190-1204.

     

    Hjersted, J. and Henson, M.A (2006). “ Optimization of fed-batch Saccharomyces cerevisiae fermentation using dynamic flux balance models.” Biotechnol Prog., Vol. 22, pp. 1239-1249.

     

    Isar, J.  et al. (2006). “A statistical method for enhancing the production of  Butanol from Escherichia coli under anaerobic conditions.” Bioresource Technology., Vol. 97, pp.1443–1448.

     

    Ito, T. et al. (1991). “ Efficient ethanol production by repeated fed-batch fermentation using two fermentors.” Applied Microbiology and Biotechnology., Vol. 36, No. 3, pp. 295-299.

     

    Kaelo P. and Ali M.M (2006). “A numerical study of some modified differential evolution algorithms”, European Journal of Operational Research. Vol. 169,  pp. 1176–1184.

     

    Kauffman, K. J. et al. (2003).  “Advances in metabolic flux analysis.” Curr Opin Biotechnol., Vol. 14, pp. 491-496.

     

    Kim, T. Y. et al. (2007). “Genome-Scale Analysis of Mannheimia succiniciproducens Metabolism.” Biotechnology and Bioengineering., Vol. 97, No. 4, pp. 657-671.

     

    Kim, J. S. and Hong S. I (2002). “ Ethanol production from xylose by Clostridium thermoaceticum.” Theories and Applications of Chem Eng., Vol. 8, No. 2, pp. 3291-3294.

     

    Lee, P. C (2003). “ Batch and continuous cultures of Mannheimia succiniciproducens MBEL55E for the production of Butanol from whey and corn steep liquor.” Bioprocess Biosyst Eng., Vol. 26, pp. 63-67.

     

    Mahadevan, R. et al. (2002). “ Dynamic flux balance analysis of diauxic growth in Escherichia coli.” Biophysical Journal., Vol. 83, pp. 1331-1340.

     

    McKinlay, J.B., Vieille, C., Zeikus, J.G (2007). Prospects for a bio-based succinate industry. Applied Microbial Biotechnology, 76, 727-740.

     

     

    Oliviera, R (2004). “ Combining first principles modelling and artificial neural networks: a general framework.” Computers and Chemical Engineering., Vol. 28, pp.755-766.

     

    Parekh, S. and Cheryan, M (1990). “ Fed-batch fermentation of glucose to acetate by an improved strain of Clostridium thermoaceticum.” Biotechnology Letters., Vol. 12, No. 11, pp. 861-864.

     

    Senger, J. L., Vo, T.D., Schilling , C.H. , Palsson, B.O (2012). An expanded genome-    scale model of clostridium acetobutylicum K-12 (iJR904 GSM/GPR). Genome Biology, 4, R54.

     

    Rocha, I. and Ferreira, E.C (2002). “ Optimization methods for improving fed-batch cultivation of E. coli producing recombinant proteins.” Proceeding of the 10th Mediterranean Conference on Control and Automation-MED 2002 Lisbon, Portugal, July 9-12, 2002.

     

    Ronen, M. et al. (2002). “ Optimization of feeding profile for a fed-batch bioreactor by an evolutionary algorithm.” Journal of Biotechnology., Vol. 97, pp.253-263.

     

    Suarez, D.C., Liria, C.W., Kilikian, B.V (1998). Effect of yeast extract on Escherichia coli growth and ethanol production. World Journal of Microbiology & Biotechnology. 14, 331-335.

     

    Storn, R. and  Price, K (1997).. “DE-a simple and efficient heuristic for global optimization over continuous space,” Journal of Global Optimization., Vol. 11, pp. 341–359.

     

    Teixeira, A. et al. (2005). “ Hybrid metabolic flux analysis / artificial neural network modeling of bioprocesses.” Hybrid intelligent Systems Fifth International Conference., Vol. 6, No. 9.

     

    Ullmann’s Encyclopedia of Industrial Chemistery. 7th  edition, Wiley-VCH GmbH & Co. KGaA.

     

    Varma, A. and Palsson, B. O (1993). “ Metabolic capabilities of Escherichia coli synthesis of biosynthetic precursors and cofactors.” Journal of Theoretical Biology., Vol.165, pp. 477–502.

     

    Varma, A.  and Palsson, B.O (1994). Stoichiometric Flux Balance Models Quantitatively Predict Growth and Metabolic By-Product  Secretion in Wild-Type Escherichia coli W3110. Applied and Envinronmental Microbiology, 60, 3724-3731.

     

    Wang, F.S. and Cheng, W.M (1999). “ Simultaneous optimization of feeding rate and operation parameters for fed-batch fermentation processes.” Biotechnol Prog., Vol. 15, pp. 949-952.

     

    Zeikus, J.G.  et al. (1999). “ Biotechnology of Butanol production and markets for derived industrial products.” Appl Microbiol Biotechnol., Vol. 51, pp. 545-552.

     

    Zhang L. et al. (2004). “ Fed-batch culture of hybridoma cells in serum-free medium using an optimized feeding strategy.” Journal of Chemical Technology and Biotechnology., Vol. 79, pp. 171-181.



تحقیق در مورد پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول, مقاله در مورد پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول, پروژه دانشجویی در مورد پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول, پروپوزال در مورد پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول, تز دکترا در مورد پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول, تحقیقات دانشجویی درباره پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول, مقالات دانشجویی درباره پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول, پروژه درباره پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول, گزارش سمینار در مورد پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول, پروژه دانشجویی در مورد پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول, تحقیق دانش آموزی در مورد پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول, مقاله دانش آموزی در مورد پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول, رساله دکترا در مورد پایان نامه شبیه سازی و بهینه سازی راکتور بیولوژیکی تولیدکننده بوتانول

ثبت سفارش
تعداد
عنوان محصول
بانک دانلود پایان نامه رسا تسیس