Моделирование воздействия температуры инкубации на уровень активности альфа-амилазы слизистой оболочки кишечника сибирского осетра с помощью искусственной нейронной сети

• Main Authors: МАРТЬЯНОВ АЛЕКСАНДР СЕРГЕЕВИЧ, БЕДНЯКОВ ДМИТРИЙ АНДРЕЕВИЧ, НЕВАЛЕННЫЙ АЛЕКСАНДР НИКОЛАЕВИЧ
• Format: Text
• Language: unknown
• Published: Федеральное государственное образовательное учреждение высшего профессионального образования «Астраханский государственный технический университет» 2015
• Subjects: МЕМБРАННОЕ ПИЩЕВАРЕНИЕ,ТЕМПЕРАТУРА,ЭКОЛОГИЧЕСКИЕ ФАКТОРЫ,ПИЩЕВАРИТЕЛЬНЫЕ ФЕРМЕНТЫ,ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ,МОДЕЛИРОВАНИЕ,СИБИРСКИЙ ОСЕТР,MEMBRANE DIGESTION,TEMPERATURE,ENVIRONMENTAL FACTORS,DIGESTIVE ENZYMES,ARTIFICIAL NEURAL NETWORKS,SIMULATION,SIBERIAN STURGEON; Acipenser baerii; Siberian sturgeon
• Online Access: http://cyberleninka.ru/article/n/modelirovanie-vozdeystviya-temperatury-inkubatsii-na-uroven-aktivnosti-alfa-amilazy-slizistoy-obolochki-kishechnika-sibirskogo-osetra; http://cyberleninka.ru/article_covers/16374147.png

Проведено определение уровня активности альфа-амилазы слизистой оболочки кишечника сибирского осетра ( Acipenser baerii ) в широком диапазоне значений температуры с помощью стандартных физиолого-биохимических методов. Для аппроксимации исследуемой зависимости выбран класс искусственных нейронных сетей под названием «многослойный персептрон». Использовалась двухслойная модель с одним скрытым слоем, содержащим 7 нейронов. Среднеквадратичная ошибка обучения модели составила 0,294 для обучающей выборки, 0,317 для контрольной и 0,602 для тестовой. Температурный оптимум для исследуемого фермента, в соответствии с результатами лабораторных и вычислительных экспериментов, находится в диапазоне 25-30 °С и имеет размытый, нечеткий характер. Важной особенностью результатов моделирования является достаточно плавное изменение уровня активности фермента с повышением температуры для большей части исследуемого диапазона, обусловливающее сравнительно пологий характер кривой температурной функции изучаемого фермента. Помимо вычисления среднеквадратичной ошибки для тестовой, обучающей и контрольной выборок, качество предлагаемой компьютерной нейросетевой модели исследовалось с помощью построения гистограммы распределения ошибок моделирования, а также путем построения линейной регрессии значений для результатов моделирования относительно полученных экспериментальных данных. Анализ подтверждает достаточно хорошее качество обучения созданной искусственной нейронной сети с учетом объема выборки, используемой для обучения. Достигнутая точность моделирования позволяет сделать вывод о существенной ценности модели как средства прогноза уровня активности пищеварительного фермента при температурном воздействии. Учитывая полученные результаты, целесообразно расширить спектр применения нейроинформационных технологий для исследований в области экзотрофии. Созданную модель и результаты ее работы целесообразно в дальнейшем использовать в качестве компонента более сложных моделирующих систем. The level of the activity of alpha-amylase of the intestinal mucosa of the Siberian sturgeon ( Acipenser baerii ) in a wide temperature range using standard physiological and biochemical methods is determined. To approximate this dependence, the class of artificial neural network, called "a multilayer perceptron", was selected. The two-layer model with one hidden layer containing 7 neurons was used. Mean square error of the learning model was 0.294 for the training sample, 0.317 and 0.602 for the validation and for the test. The temperature optimum for the enzyme under study according to the results of laboratory and computational experiments is within the range 25-30 °С with a vague, fuzzy character. An important feature of the simulation results is quite smooth change in the level of enzyme activity with increasing temperature for most of the range causing the relatively shallow nature of the function of the temperature curve of the studied enzyme. In addition to calculating the mean square error for the test, training and control samples, the quality of the computer neural network model was investigated by constructing a histogram of distribution of modeling errors and by constructing a linear regression values for the simulation results with respect to the experimental data. The analysis confirms the good quality of training of the developed artificial neural network based on the volume of the training sample. The obtained accuracy of the simulation suggests significant value model as a means of forecasting the level of activity of the digestive enzyme at temperature impact. Taking into account these results, it is appropriate to expand the range of application of neural informative technologies for research in exotrophy. The created model and the results of its work in future should be used as a component of more sophisticated modeling systems.