Use of artifical intelligence-based approaches for developing microalgae-based nutrient media and modelling the growth of b.subtilis in these alternative media

Abstract

Bu çalışmada, farklı mikroalgal biyokütle tabanlı fermente ürünlerinin üretilebilmesi amacıyla, hem fermentasyon ortamı hazırlığında hem de Bacillus subtilis (B-3387) ile gerçekleştirilen fermentasyonlarda mikrobiyal gelişimlerin Yapay Zeka yaklaşımları ile optimizasyonu hedeflenmiştir. Bu amaçla ilk olarak, farklı mikroalgal biyokütlelerden (Spirulina platensis, Auxenochlorella protothecoides ve yağı alınmış Schizochytrium limacinum) Ultrason homojenizasyonu (USH) yöntemi kullanılarak protein ekstraksiyonu optimizasyonlarına odaklanılmıştır. Ardından, B.subtilis'in (B-3387) başta çözünür proteinler bakımından zengin üç farklı mikroalg tabanlı besiyerinde gelişimi, hem yanıt yüzey yöntemi hem de Yapay Zeka yaklaşımları kullanılarak optimize edilmiştir. Elde edilen ürünler mikrobiyolojik ve kimyasal özellikleri bakımından incelenmiştir. Buna göre, Rastgele Orman (RF) Yapay Zeka Algoritması USH ekstraksiyon optimizasyonunda en iyi tahmin sonuçlarını vermiştir (R2=0,9921). En yüksek B. subtilis canlı hücre sayısına 9,05 log CFU.mL-1 S. limacinum bazlı fermente ürünlerde (ScBF) 72 saatlik fermantasyon sonunda ulaşılmıştır. SDS-PAGE profiline göre, ScBF ürünlerde, fermente edilmemiş (ScB_unF) benzerlerine kıyasla daha fazla protein bandı olduğu saptanmıştır. Bununla birlikte, ScBF ürünlerin antioksidan aktivite açısından DPPH (EC50=171.39 ?L), TEAC (75.42 mM.mL-1) ve TPC (Toplam Fenolik İçerik Analizi) (0.71 mg.mL-1) en yüksek potansiyele sahip olduğu ortaya konmuştur. Benzer olarak, ScBF, ACE inhibitör aktivite (%77.74) özelliği ile de ön plana çıkmaktadır. Ayrıca, tüm ürünlerin fermantasyonlar sonucunda toplam çözünür protein konsantrasyonlarının azaldığı tespit edilmiştir . Fermantasyon sonrasında hem fermente edilmemiş hem de fermente ürünlerin protein konsantrasyonlarından oluşturulan Yapay Zeka tabanlı tahmin modelleri arasında en iyi tahmin sonucunu Gauss süreçleri (GP) vermiştir (R2=0,843). Bu çalışma ile, farklı mikroalgal biyokütle tabanlı fermente ürünlerin geliştirilme potansiyeli ortaya konmuş olup, aynı zamanda yapay zeka algoritmalarının kullanımının doğrusal olmayan ve karmaşık verilerin anlaşılması, deneylerde model tahmini ve laboratuvar çalışmalarının hızlandırılması için umut verici sonuçları olduğu ortaya konmuştur.This study was carried out for optimization of the parameters for extraction of proteins from different microalgal biomass (Spirulina platensis, Auxenochlorella protothecoides and defatted Schizochytrium limacinum biomass) by using Ultrasound Homogenization (USH) method with the aid of Artificial Intelligence tools. Then, the growth of Bacillus subtilis (B-3387) in such protein and other nutrients rich algae- based three different media were optimized by using both Response Surface Methodology (RSM) and Artificial-Intelligence approaches The resulting fermented products (FPs) were evaluated in terms of their microbiological and chemical properties. Accordingly, the Random Forest (RF) AI Algorithm gave the best prediction resulst in the USH extraction optimization (R2=0.9921). The highest viable cell count of 9.05 log CFU.mL-1 was obtained in S.limacium biomass based (SBB) for 72 h fermentation. According to the SDS-PAGE profile, more protein bands were observed in SBB fermented product compared to unfermented counterparts. Antioxidant values of all FMs were investigated. Accordingly. Accordingly, SBB fermented productcs had the highest DPPH (EC50=171.39 ?L), TEAC (75.42 mM.mL-1) and TPC (Total Phenolic Content Analysis) (0.71 mg.mL-1) results. Besides, SBB had also the best results according to its ACE inhibitor activity potential (77.74%). Moreover, the total soluble protein contents of all FPs decreased at the end of fermentations. It was interpreted that B. subtilis could be able to utilize them for its growth and its metabolic activities. Gaussian processes (GP) gave the best prediction result (R2=0,843) among the Artificial Intelligence based prediction models based on the results obtained according to both pre- fermentation and post-fermentetaion contents of all microalgae based media. In this work, different microalgae biomass based fermentation processes were developed. And also, it was revealed that the use of artificial intelligence algorithms offered promising approaches for understanding non-linear and complex data, model prediction of models in experiments and the acceleration of laboratory work.