Parameter estimation is needed for process management, design, and reactor scaling when values from the literature vary tremendously or are unavailable. A Bayesian approach, implemented via Markov chain Monte Carlo (MCMC) simulations using SAS software, was used to estimate the kinetic parameters of toluene and trichloroethylene (TCE) biodegradation by the microorganism Pseudomonas putida F1 in batch cultures. The prediction capabilities of Bayesian estimation were illustrated by comparing predicted and observed data and reported in goodness-of-fit statistics. The sensitivity analysis showed that the parameters obtained using this approach were consistent under the designated toluene and TCE concentration range. Moreover, the impact of TCE on toluene degradation kinetics was numerically exhibited, verifying the fact that TCE was able to stimulate toluene degradation; hence, TCE's presence increased the apparent maximum toluene-specific rate. Various kinetic models were explored at different degrees of complexity. At a low TCE concentration range (e.g., <2 mg L-1 ), a simplified Michaelis-Menten model (i.e., substrate half-saturation parameters approximated the inhibition parameters) was adequate to describe the reaction kinetics. However, at a higher TCE range (e.g., 5 mg L-1 ), a full-scale Michaelis-Menten model was needed to discriminate among the inhibition parameters in the model. The results demonstrated that a Bayesian estimation method is particularly useful for determining complex bioreaction kinetic parameters in the presence of a small volume of experimental data.

中文翻译：

---

甲苯和三氯乙烯生物降解动力学参数的贝叶斯估计和敏感性分析

当文献中的值差异很大或不可用时，过程管理、设计和反应器缩放需要参数估计。使用 SAS 软件通过马尔可夫链蒙特卡罗 (MCMC) 模拟实施的贝叶斯方法用于估计分批培养中微生物恶臭假单胞菌 F1 对甲苯和三氯乙烯 (TCE) 生物降解的动力学参数。通过比较预测数据和观察数据并在拟合优度统计中报告，说明了贝叶斯估计的预测能力。敏感性分析表明，在指定的甲苯和 TCE 浓度范围内，使用这种方法获得的参数是一致的。此外，三氯乙烯对甲苯降解动力学的影响在数值上表现出来，验证 TCE 能够促进甲苯降解的事实；因此，TCE 的存在增加了表观最大甲苯特定速率。在不同的复杂程度下探索了各种动力学模型。在低 TCE 浓度范围（例如，<2 mg L-1）下，简化的 Michaelis-Menten 模型（即底物半饱和参数接近抑制参数）足以描述反应动力学。然而，在更高的 TCE 范围内（例如，5 mg L-1），需要全尺寸 Michaelis-Menten 模型来区分模型中的抑制参数。结果表明，贝叶斯估计方法对于在存在少量实验数据的情况下确定复杂的生物反应动力学参数特别有用。s 的存在增加了表观最大甲苯特定速率。在不同的复杂程度下探索了各种动力学模型。在低 TCE 浓度范围（例如，<2 mg L-1）下，简化的 Michaelis-Menten 模型（即底物半饱和参数接近抑制参数）足以描述反应动力学。然而，在更高的 TCE 范围内（例如，5 mg L-1），需要全尺寸 Michaelis-Menten 模型来区分模型中的抑制参数。结果表明，贝叶斯估计方法对于在存在少量实验数据的情况下确定复杂的生物反应动力学参数特别有用。s 的存在增加了表观最大甲苯特定速率。在不同的复杂程度下探索了各种动力学模型。在低 TCE 浓度范围（例如，<2 mg L-1）下，简化的 Michaelis-Menten 模型（即底物半饱和参数接近抑制参数）足以描述反应动力学。然而，在更高的 TCE 范围内（例如，5 mg L-1），需要全尺寸 Michaelis-Menten 模型来区分模型中的抑制参数。结果表明，贝叶斯估计方法对于在存在少量实验数据的情况下确定复杂的生物反应动力学参数特别有用。在低 TCE 浓度范围（例如，<2 mg L-1）下，简化的 Michaelis-Menten 模型（即底物半饱和参数接近抑制参数）足以描述反应动力学。然而，在更高的 TCE 范围内（例如，5 mg L-1），需要全尺寸 Michaelis-Menten 模型来区分模型中的抑制参数。结果表明，贝叶斯估计方法对于在存在少量实验数据的情况下确定复杂的生物反应动力学参数特别有用。在低 TCE 浓度范围（例如，<2 mg L-1）下，简化的 Michaelis-Menten 模型（即底物半饱和参数接近抑制参数）足以描述反应动力学。然而，在更高的 TCE 范围内（例如，5 mg L-1），需要全尺寸 Michaelis-Menten 模型来区分模型中的抑制参数。结果表明，贝叶斯估计方法对于在存在少量实验数据的情况下确定复杂的生物反应动力学参数特别有用。需要一个完整的 Michaelis-Menten 模型来区分模型中的抑制参数。结果表明，贝叶斯估计方法对于在存在少量实验数据的情况下确定复杂的生物反应动力学参数特别有用。需要一个完整的 Michaelis-Menten 模型来区分模型中的抑制参数。结果表明，贝叶斯估计方法对于在存在少量实验数据的情况下确定复杂的生物反应动力学参数特别有用。