Amberjet（®）4200-CLのカンジダRugosaのリパーゼの固定化条件の最適化における人工ニューラルネットワーク（ANN）と応答表面方法論（RSM）の比較4200-CL

Candida rugosa Lipase（CRL）は、さまざまな加水分解およびエステル化反応で成功裏に利用される重要な産業酵素です。この研究では、参照パラメーターとしてエナンチオ選択性（e）を使用して、アニオン樹脂Amberjet®4200-CLでのCRLの固定化条件（酵素/サポート比、固定化温度、およびバッファー濃度）の最適化について説明します。この目的に使用されるモデル反応は、（r、s）-1-フェニルエタノールのアシル化です。固定化の最適な条件は、応答表面方法論（RSM）および人工ニューラルネットワーク（ANN）を通じて調査されています。計算された応答と推定応答の間の測定係数（r（2））とルート平均平方根誤差（RMSE）値は、ANNトレーニングセットでそれぞれ0.99および0.06、ANNテストセットで0.97と0.2、RSMトレーニングセットで0.94と0.4に等しくなりました。どちらのモデルも良質の予測を提供しましたが、ANNはデータフィッティングと推定機能の両方に対してRSMよりも明確な優位性を示しました。

Candida rugosa lipase (CRL) is an important industrial enzyme that is successfully utilized in a variety of hydrolysis and esterification reactions. This work describes the optimization of immobilization conditions (enzyme/support ratio, immobilization temperature, and buffer concentration) of CRL on the anionic resin Amberjet® 4200-Cl, using enantioselectivity (E) as the reference parameter. The model reaction used for this purpose is the acylation of (R,S)-1-phenylethanol. Optimal conditions for immobilization have been investigated through a response surface methodology (RSM) and artificial neural network (ANN). The coefficient of determination (R(2)) and the root mean square error (RMSE) values between the calculated and estimated responses were respectively equal to 0.99 and 0.06 for the ANN training set, 0.97 and 0.2 for the ANN testing set, and 0.94 and 0.4 for the RSM training set. Both models provided good quality predictions, yet the ANN showed a clear superiority over RSM for both data fitting and estimation capabilities.