Prediction of a model enzymatic acidolysis system using neural networks | Predicción de un modelo de acidolisis enzimática usando redes neuronales

Испанский язык; кастильский. En este estudio se presenta un modelo para la acidolisis de la trilinoleina y el ácido palmítico mediante la catálisis con una lipasa específica sn-1,3 inmovilizada. Un modelo basado en redes neuronales (NN) ha sido desarrollado para la predicción de la concentración de los principales productos de esta reacción (1-palmitoil-2,3-oleoil-glicerol (POO), 1,3- dipalmitoil-2-oleoil-glicerol (POP) y trioleina (OOO)). Se han usado como parámetros de entrada: la proporción del sustrato (SR), la temperatura de reacción (T) y el tiempo de reacción (t). La arquitectura óptima del modelo de NN propuesto, que consiste en una capa de entrada con tres entradas, una capa oculta con siete neuronas y una capa de salida con tres salidas, fue capaz de predecir la concentración de los productos de reacción con un error cuadrático medio (MSE) de menos de 1,5 y una R2 de 0,999 . Se presenta una formulación explícita del modelo NN propuesto. Se obtienen muy buenos resultados en la predicción de la reacciones de acidolisis mediante el uso de las redes neuronales.

Английский. A model for the acidolysis of triolein and palmitic acid under the catalysis of immobizied sn-1,3 specific lipase was presented in this study. A neural networks (NN) based model was developed for the prediction of the concentrations of the major reaction products of this reaction (1-palmitoyl-2,3- oleoyl-glycerol (POO), 1,3-dipalmitoyl-2-oleoyl-glycerol (POP) and triolein (OOO)). Substrate ratio (SR), reaction temperature (T) and reaction time (t) were used as input parameters. The optimal architecture of the proposed NN model, which consists of one input layer with three inputs, one hidden layer with seven neurons and one output layer with three outputs, was able to predict the reaction products concentration with a mean square error (MSE) of less than 1.5 and R2 of 0.999. An explicit formulation of the proposed NN model is presented. Considerable good performance is achieved in modelling the acidolysis reaction using neural networks.