Monitoring Techniques for C. glutamicum GABA Producers in Fed-Batch Fermentations

Abstract

Fermenteringsindustrien i dag produserer et bredt utvalg av produkter. Typiske produkter inkluderer brensel, industrielle kjemikalier, tilsetningsstoffer til mat og drikke, helseprodukter og mikrobielle enzymer for å nevne noen få. Effektiv fermentering av disse produktene med optimale substrater vil tillate billigere og mer lønnsomme bioalternativer. Et spesifikt underlag av interesse blir Spent Sulfite Liquor, eller SSL, i denne studien. Sammen med valg av bakterier og substrat er det viktig å kontrollere og overvåke gjæringsprosessen optimalt. Videre undersøkelser i nye bakteriestammer, kombinasjoner av karbonmedier og gjæringsmodeller vil hjelpe fremdriften innen mikrobiell prosessforskningsfelt.

Mikrobielle biokatalytiske prosesser er ikke-lineære systemer med noe ukjent dynamikk og er svært avhengige av de spesifikke forholdene i prosessen. Imidlertid er modeller som inneholder kunnskap om prosessen og anvendelsen av estimatorer for å skaffe informasjon om delstatene gunstig for bioprosessutvikling. Bruken av informasjonen fra karbondioksydmålingene ser ut til å være ennå ikke undersøkt for målinger av andre stater på nettet. Dette arbeidet bruker et usentrert Kalman-filter for estimering av biomasse og sammenligner forestillingene med et utvidet Kalman-filter. Målet med dette arbeidet er å oppnå pålitelige verdier av online signaler med in-situ nær-infrarød spektroskopi og infrarød måling for karbondioksid. Samtidig er GABA blant andre resultater også ervervet fra en ny Corynebacterium glutamicum stamme under gjæringseksperimenteringen.

Resultatene av dette arbeidet viser vellykket implementering av en ikke-lineær, ustrukturert kinetisk modell brukt sammen med både et usentrert og et utvidet Kalman-filter for tilstandsestimering. Resultatene fra modellen og Kalman-filterkombinasjonen har vist seg å ha en lav mengde feil når du følger C. glutamicum rå sensordata. Det usentrerte Kalman-filteret presterte bedre enn det utvidede Kalman-filteret, på grunn av den ikke-lineære karakteren av gjæringen. Staten estimatorer har blitt brukt til en gjæring med C. glutamicum villtype stamme for estimering av biomasse og underlag. For å utvide modellen og estimert tilstand med et produkt, a C. glutamicum-stamme for GABA-produksjon på SSL ble anskaffet. HPLC-målingene av GABA var ikke helt riktige på grunn av signalmetningen i målingene, derfor er behovet for å forbedre HPLC-metoden nødvendig. Denne komplikasjonen gjorde at eksperimentene ikke var tilgjengelige for parameterestimering. Den opprinnelige planen var å ha en tilgjengelig modell for GABA-produsentstammen og deretter teste estimatorene. På grunn av spredningen av pandemien og tidsbegrensningene har imidlertid bare foreløpige ikke-GABA-produserende resultater blitt samlet.

Industrial fermentation produces a wide variety of products during this day and age. Typical products include fuels, industrial chemicals, food and beverage additives, healthcare products, and microbial enzymes to name just a few. Efficiently fermenting these products with optimal substrates will allow profitable and cheaper bio-alternatives. A specific substrate of interest in this study is spent sulfite liquor or SSL. Along with the bacteria and substrate selection, optimally controlling and monitoring the fermentation process is essential. Investigating further into new bacteria strains, carbon media combinations, and fermentation models will aid the progress in the microbial process research field.

Microbial bio-catalytic processes are non-linear systems with some unknown dynamics and are highly dependent on the specific conditions of the process. However, models which contain knowledge about the process and the application of estimators to acquire information of the states is beneficial for bio-process development. The use of the information carried by the carbon dioxide measurements seems to have yet to be investigated for online measurements of other states. This work applies an Unscented Kalman Filter for biomass estimations and compares the performances with an Extended Kalman Filter. The aim of this work is to obtain reliable values of on-line signals with in-situ near-infrared spectroscopy and infrared measurements for the carbon dioxide. Simultaneously, GABA amongst other results have also been acquired from a new Corynebacterium glutamicum strain during the fermentation experimentation.

The results of this work shows successful implementation of a non-linear unstructured kinetic model used alongside both an Unscented and an Extended Kalman filter for state estimation. The results from the model and Kalman filter combination have been found to have a low amount of error when following the C. glutamicum raw sensor data. The Unscented Kalman filter performed better than the Extended Kalman filter, due to the non-linear nature of the fermentation. The state estimators have been applied to a fermentation with C. glutamicum wild type strain for biomass and substrate estimation. To extend the model and estimated state with a product, a C. glutamicum strain for GABA production on SSL was acquired. The HPLC measurements of GABA were not entirely correct due to the signal saturation in the measurements, therefore the need to improve the HPLC method is required. This complication made the experiments not available for parameter estimation. The original plan was to have an available model for the GABA producer strain and to then test the estimators. However, due to the spread of the COVID-19 pandemic and its resultant time limitations, only preliminary non-GABA producing results have been collected.