Autor:

Klein, Eric J. ; Rivera, Sheyla L.

Współtwórca:

Skliar, Mikhail - red. ; Ramirez, W. Fred - red.

Tytuł:

Neural network signal interpretation for optimization of chromatographic protein purifications

Podtytuł:

Data Processing and Process Control

Tytuł publikacji grupowej:

AMCS, volume 8 (1998)

Temat i słowa kluczowe:

sterowanie ; sterowanie-teoria ; sztuczna inteligencja ; matematyka stosowana ; informatyka

Abstract:

Mobile phase pH and salt gradient steepness are optimized for the separation of protein mixtures using gradient elution ion-exchange chromatography. The optimization method utilizes a factorial experimental design to generate an experimental matrix. The resulting chromatographic peaks are classified into six distinct classes based on peak geometry by a vector quantizing neural network (VQN). ; A modified chromatographic optimization function (COF), which accounts for the neural net classification as well as peak separation and total analysis time, is used to rank chromatograms in order of desirability. Results of the COF analysis are fit to a second order polynomial model, which is optimized in the experimental parameters using an advanced simplex algorithm.

Wydawca:

Zielona Góra: Uniwersytet Zielonogórski

Data wydania:

1998

Typ zasobu:

artykuł

Strony:

865-886

Źródło:

AMCS, volume 8, number 4 (1998) ; kliknij tutaj, żeby przejść

Jezyk:

eng

Licencja CC BY 4.0:

kliknij tutaj, żeby przejść

Prawa do dysponowania publikacją:

Biblioteka Uniwersytetu Zielonogórskiego