計算機シミュレーションを通してフォトバイオリアクターで藻類の成長を促進するために排煙設定を最適化

次のプロトコルの全体的な目標は、オンオフガス制御が計算シミュレーションを通じてインフルエンザガスの微細藻類の成長を改善できることを示し、藻類の培養とスケールアップの手順を実証することです。これは、最初に動力学モデルを使用して、オフガス制御モードと二酸化炭素濃度プロファイルの異なる物質移動速度下での微細藻類の成長条件をシミュレートすることによって達成されます。次に、藻類を育て、lgalの栽培をスケールアップする手順を示します。

その後、藻類は小さなフォトバイオリアクターでインフルエンザガスの下で成長します。インフルエンザガスは自然燃焼によって発生し、その流量は質量流量制御システムによって制御されてからlgalシステムに導入されます。モデルシミュレーションの結果は、オンオフガス制御が基質の阻害を減らし、インフルエンザによる微細藻類の成長を促進することができることを示しています。

また、ガスオンオフガス制御は、インフルエンザガスの使用量を減らし、エネルギー効率を向上させることも示されました。バイオプロセスでは、インフルエンザガス藻類プロセスによるモデル誘導藻類培養が、工業用インフルエンザ、ガス、バイオ燃料、または生化学的生産からのCO2排出量の削減や有毒金属イオンの除去など、バイオエネルギーおよびバイオレメディエーションの分野で役立つことを実証しています。一般的に、モデルシミュレーションに不慣れなバイオプロセスエンジニアは、時間のかかる実験によって多くの条件をテストする必要があるため、苦労します。

たとえば、多くの要因が藻類の成長に影響を与える可能性があり、すべての条件を調べることは困難です。コンピュータシミュレーションにより、CO2光と混合条件下での微細藻類の培養物を理解・解析し、最適なインフルエンザガス処理を設計することができます。この手順を実演するのは、Tang LaboratoryのLeon Hu Amelia Chen、Yyou、ARU var、DNE、Larry Pageです。

この手順を開始するには、培地を準備します。添付の原稿のレシピに従って、中程度のpHを7〜8に調整します。オートクレーブを使用して培地を滅菌します。

次に、新鮮な寒天プレート上の単一のコロニーから、150 RPMおよび30°Cの滅菌ループ培養藻類を含む50ミリリットルの培地を含む振とうフラスコにクロレラスピルリナを6日間接種します。細胞が中央にあるときに分光光度計で細胞密度を監視します。OD 730 が 1 より大きい場合の対数増殖フェーズ。

50ミリリットルの藻類培養物を、約1リットルの滅菌培養物が入った2リットルのガラスフラスコに移します。培地は、インキュベーション中に天然ガス燃焼からインフルエンザガスを培養物に送り込み、5日間インキュベートします。5日後、1リットルの藻類培養物を、15リットルの滅菌されていない培養物を含む20リットルのガラスカーボイに移します。

中型培養藻類を、前に示したのと同じ条件下で6日間。6日後、15リットルの新鮮な藻類培養物と85リットルの非滅菌培地を平板フォトバイオリアクターに入れました。大学の高度な石炭およびエネルギー研究施設では、フォトバイオリアクターに加熱および冷却システムが装備されています。

発光ダイオード、コンピュータコントローラ、ガス混合物、細胞光学密度、pH溶存酸素温度、溶存二酸化炭素の解析装置。煙道ガスの空気混合物をバイオリアクターにポンプで送り込み、OD 730でバイオマスを20以上収穫します。培養物を遠心分離した後、藻類バイオマスを収集し、さらに乾燥させるためにトレイに注ぎます。

収穫後、フォトバイオリアクターを分解し、70%エタノールを使用して完全にドライクリーニングします。このデモンストレーションは、ボトルあたり200ミリリットルの培地を含むガラス瓶に約0.3の初期OD730で藻類培養物を接種することから始め、天然ガスを燃焼させ、漏斗、コンデンサーチューブ、および水石灰岩スラリーを含む0.5リットルの洗浄ボトルを介して煙道ガスをポンプで送ります。藻類培養物への煙道ガスの流れは、マスフローコントローラーによって制御されます。

煙道ガスパルスには、インフルエンザ、ガスオン、および後者のモードが空気をポンプで送るインフルエンザガスの2つのモードがあります。これまでの研究では、インフルエンザガスへの継続的な曝露がクロレラの成長に悪影響を及ぼし、二酸化炭素への曝露を減少させることが示されている。時間はこの抑制を軽減します。

ガスによる成長阻害を回避するための3つの方法をテストするために、速度論モデルが開発されました。1つは、物質移動条件を減らすために、培養物への流入量を低く保つことです。培養物へのインフルエンザガスの2オンオフパルス。

第三に、流入する二酸化炭素組成を最適なレベルで制御します。このモデルに関連する仮定、方程式、およびパラメーターについてはここでは説明しませんが、付属のプロトコル テキストで説明します。まず、モデル シミュレーション用の Simulink ファイルを作成します。

MATLAB インターフェイスで [新しいモデルのファイル] を選択して Simulink モデルを作成し、ライブラリ ブラウザーを開きます。ライブラリ ブラウザーで subsystem ブロックを選択して、式 1 と式 2 のサブシステムを作成します。1 つのサブシステム ブロックを Simulink モデル ファイルにドラッグします。

名前を式 1 に変更し、式 2 についても同じ手順を繰り返します。各サブシステムで適切なブロックとパラメーターを作成します。方程式 1 ブロックをダブルクリックします。

ライブラリブラウザから適切なブロックを選択し、計算シーケンスを示す矢印で接続します。ブロックをダブルクリックしてパラメーターを設定し、他のサブシステムに対してこれらの手順を繰り返します。2 つのサブシステムをリンクして、モデル方程式 1 と 2 を表します。

必要に応じて、一方のサブシステムの出力をもう一方のサブシステムの入力に矢印で接続します。たとえば、溶存二酸化炭素濃度は、式 2 サブシステムの出力であり、方程式 1 サブシステムの入力でもあります。Pulse generator ブロックを式 2 の入力として使用して、オンオフの二酸化炭素パルスをシミュレートします。

サーフェス ライトの入力値として constant ブロックを使用します。ブロックをダブルクリックして、周期、時間、振幅などのパラメーターを変更します。ライブラリブラウザでMブロックを選択します。

すべての出力を mux に接続し、シミュレーション結果を格納する 2 つのワークスペース ブロックに接続します。上部のツールバーでシミュレーションの停止時間を定義します。矢印ボタンをクリックしてシミュレーションを開始すると、結果がMATLABワークスペースに保存されます。

最後に、サポート資料 2 の MATLAB プログラムを適用して、最適な二酸化炭素濃度をプロファイリングするための動的最適化アプローチを実行します。この研究では、インフルエンザ、ガス流入、藻類の成長との関係をよりよく理解するために、インフルエンザガスの存在下でのバイオマス成長をシミュレートするための経験的モデルが開発されました。このモデルで使用されるパラメータを次の表に示します。

インフルエンザガスには15%の二酸化炭素が含まれていると想定されています。まず、二酸化炭素の物質移動速度が藻類の成長に及ぼす影響がテストされました。連続的なインフルエンザガス処理下での物質移動速度の関数としての12日目の最終バイオマス濃度の結果のグラフは、1時間あたり0.17〜0.18の最適な物質移動速度が藻類の成長の煙道ガス阻害を減らすことができることを示しています。

物質移動速度が最適値より低いまたは高い場合、藻類の成長は減少します。ここに示されているのは、PG over Vがバイオリアクター内の曝気システムの消費電力であり、UGSはバイオリアクターを通過するガスの流れの表面速度であり、アルファ、ベータ、ガンマは混合条件に関連する定数である運動モデルの式4です。この式は、培養物を通る曝気とガスの流れが減少すると、物質移動係数が減少することを示唆しています。

この表は、12日目に15%のインフルエンザガスを使用したバイオマスの成長を、さまざまな表面ガスの流速または流量で示しています。一般に、低流量はインフルエンザガスの使用量を減らし、物質移動速度はlgal成長の二酸化炭素阻害を防ぎます。しかし、バイオリアクターを通る流量をさらに減らすと、物質移動係数が小さくなりすぎて、lgalの成長に十分な二酸化炭素を供給することができません。

これは、このグラフの青い線で示されており、バイオマスの成長を異なる物質移動速度で比較しています。継続的なインフルエンザガス処理では、青い線は1時間あたり0.017のKLAを表しています。黄色の線は 1 時間あたり 0.17 のほぼ最適な KLA を表し、黒い線は 17 時間あたり 17 の KLA を表します。

次に、光バイオリアクターにおいてインフルエンザガスの物質移動率が高かった場合、例えば1時間あたり17のインフルエンザガスパルスモードを最適化するために、成長阻害を克服するためにオンオフのインフルエンザガスパルスモードを導入し、異なるオンオフ周波数をテストした。このシミュレーションは、高周波のインフルエンザガスパルスが藻類の成長を促進できることを示しています。前に示したこの表は、オンオフ制御モードがバイオリアクターへのインフルエンザの連続供給よりもインフルエンザガスの使用量が少ないことも示しています。

第三に、藻類の最大成長のための二酸化炭素濃度プロファイルは、ここにリストされているモデルパラメータを使用して計算されました。動的最適化アプローチは、lgal成長中に気相の最適な二酸化炭素濃度を連続的に増加させる必要があることを示しています。また、モデルシミュレーションでは、二酸化炭素パルスのオンオフと最適な二酸化炭素入力の制御の両方が、インフルエンザガスによるlgalの成長を促進するための同様に優れた方法であることも示されています。

このグラフは、黄色の線で表される最適な二酸化炭素プロファイルの下でのバイオマス成長の比較を示しています。10秒の周波数で10秒のガスオンオフ、赤線で表される5分間のガスオフ、緑の線で表される7分間のガスオフ、黒線で表される29分のガスオフ、黒線で表される15%の二酸化炭素を含むインフルエンザガスによる連続処理のオンオフ制御。この最終的な図は、先行研究から得られたもので、異なるアプローチを用いたバイオマス成長の実験的比較を示しています。

Aは10秒ガスで7分ガスオフ、Bは30分ガスオフ、Cは5時間ガスオフ7時間ガスオフ、Dは振とうフラスコで栽培しています。連続的なインフルエンザガス処理や振とうフラスコ培養と比較して、オンオフのインフルエンザガスパルスを使用すると、より高いバイオマス生産が達成されます。インフルエンザ ガスベースのアルゴ バイオプロセスを試みる場合、コンピューター モデリングを使用して最適な成長操作を設計することが重要です。

この手順に従って、モデルの予測を検証するための実験的テストを実行できます。このビデオを見れば、CO2によるバイオマスの成長を予測し、成長条件を最適化するための物質移動および生体反応モデルを構築する方法について十分に理解できるはずです。モデルシミュレーションは、単純化された均質なシステムのみを対象としていることに注意してください。

このモデルは、将来、より洗練された流体力学を追加することで改善できます。