Modeling and simulation of growth kinetics for recombinant E. coli BL21 (DE3) producing hIFN-γ in batch and fed-batch cultures
محل انتشار: پنجمین کنگره بین المللی مهندسی شیمی
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 2,093
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICHEC05_129
تاریخ نمایه سازی: 7 بهمن 1386
چکیده مقاله:
The use of stirred tank bioreactors with automatic control of the culture environment is the most suitable technique to evaluate bacterial or fungal kinetics and the specific growth rate is a key parameter for representation of dynamic behavior of microorganisms during fermentation. Modeling and simulation of the growth kinetics of E. coli BL21 (DE3) producing hIFN-γ in batch and fed-batch cultures were studied in our research. Five different growth kinetics models were investigated using batch experimental data for determination of models parameters. The statistical parameter of was used as a criterion for kinetics model selection. The lowest value of indicates the Tessier is the best growth kinetics model. Finally, simulation results of batch and fixed volume fed batch with exponential feeding strategy were compared with experimental data. T-test evaluation was shown, there is not any significant difference between experimental and simulation results.
کلیدواژه ها:
نویسندگان
Sepideh Hamedi
National Institute of Genetic Engineering and Biotechnology, Tehran, Iran, Chemical Engineering Department, Faculty of Engineering, Tarbiat Modarres University, Tehran, Iran
Seyed Safa-ali Fatemi
National Institute of Genetic Engineering and Biotechnology, Tehran, Iran
Jafar Towfighi Darian
Chemical Engineering Department, Faculty of Engineering, Tarbiat Modarres University, Tehran, Iran
Rasool Khalilzadeh
Malek-Ashtar University of Technology, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :