Methods of Medium Optimization

Medium-Optimierung kann das mikrobielle Wachstum fördern und den Produktertrag steigern.

Optimierungsexperimente beginnen oft mit klassischen One-Factor-at-a-Time-Studien oder mit statistischen Screening-Designs wie Plackett–Burman.

Die Ein-Faktor-zu-Zeit-Methode passt eine Variable an, wie zum Beispiel den pH-Wert, während die anderen konstant bleiben.

Aber mehrere biologische Variablen interagieren oft, sodass zum Beispiel eine Veränderung des pH-Werts beeinflussen kann, wie Nährstoffgehalt das Wachstum beeinflusst. Mit zunehmender Anzahl der Variablen wird diese Methode ineffizient.

Das Plackett-Burman-Design kann gleichzeitig die einflussreichsten Variablen filtern und identifizieren.

Jede Variable wird bei hohen und niedrigen Werten getestet, wie pH 9 und 6 oder Kohlenstoffkonzentrationen von 10 und 5 Gramm pro Liter.

Jeder Durchlauf verwendet eine einzigartige Kombination von Faktorstufen, um zu verstehen, welche Faktoren das Ergebnis am meisten beeinflussen. Zum Beispiel kann ein höherer pH-Wert oder eine erhöhte Kohlenstoffquelle den Proteinertrag steigern.

In einem Standard-Plackett–Burman-Design können N Läufe bis zu N−1 Variablen abschirmen, wobei N typischerweise als Vielfaches von vier gewählt wird – zum Beispiel können 8 Durchläufe bis zu 7 Variablen abschirmen.