PHA is een biologisch afbreekbaar bioplastic dat kan worden geproduceerd uit reststromen door middel van gemengde microbiële culturen via een tweestapsproces. In de eerste stap worden vluchtige vetzuren (VFAs) geproduceerd uit reststromen. Deze VFAs worden vervolgens gebruikt als bouwstenen voor de bacteriële productie van PHA. Een belangrijke uitdaging in dit proces is het optimaliseren van de opbrengst, samenstelling en zuiverheid van de VFAs die uit reststromen worden gewonnen. Dit project bij MNEXT richt zich op het aanpakken van deze knelpunten door een modelsysteem te ontwikkelen dat in staat is om op effectieve wijze de productie van VFAs op volledige schaal te voorspellen en te verbeteren. Het gecontroleerd produceren van VFAs zal de voorspelbaarheid en stabiele productie van PHA met specifieke eigenschappen aanzienlijk verbeteren.
Als stagiair draag je bij aan dit project door de volgende activiteiten uit te voeren:
- Gegevens verzamelen voor nauwkeurige voorspellende modellering en validatie van het in-silico model
- Gegevens kritisch beoordelen met behulp van basale analysetechnieken en statistieken
- Bijdragen aan voorspellend modelleren en procesoptimalisatie met behulp van geavanceerde machine learning-algoritmes
- De verdeling tussen experimenteel en computationeel werk is bespreekbaar op basis van ervaring en interesse
Gewenste vaardigheden/eigenschappen
- Student biotechnologie, chemische technologie, milieutechnologie, biochemie, scheikunde of biologie (of een gerelateerd vakgebied) met een basiskennis van bioprocessen en fermentatie
- Eerdere ervaring in het laboratorium met laboratoriumschaal-bioreactoren en basale analysetechnieken. Kan na een initiële trainingsperiode zelfstandig werken
- Ervaring met data-analyse en een basiskennis van statistiek
- Bekendheid met basisprincipes van machine learning en programmeren in Python is een pluspunt
- Gemotiveerd, enthousiast en een sterke teamspeler
Wat wij bieden
- Een stagevergoeding van €350/maand
- De mogelijkheid om jezelf te ontwikkelen in een ondersteunende omgeving en zowel je experimentele als computationele vaardigheden te verbeteren
- Kans om de resultaten te verspreiden via het opstellen van manuscripten en presentaties op conferenties