컴퓨터 시뮬레이션을 통해 광 바이오 반응기에서 미세 조류의 성장을 촉진하기 위해 연소 가스 설정을 최적화

다음 프로토콜의 전반적인 목표는 컴퓨터 시뮬레이션을 통해 온오프 가스 제어가 독감 가스의 미세조류 성장을 개선할 수 있음을 보여주고 조류 배양 및 확장 절차를 시연하는 것입니다. 이는 먼저 운동 모델을 사용하여 오프 가스 제어 모드에서 다양한 질량 전달 속도에서 미세 조류 성장 조건을 시뮬레이션하고 여기에 표시된 이산화탄소 농도 프로파일은 모델 방정식입니다. 다음으로 조류를 성장시키고 lgal 재배를 확대하는 절차를 보여줍니다.

그 후, 조류는 작은 광 생물 반응기에서 독감 가스 하에서 성장합니다. 독감 가스는 자연 연소에 의해 생성되며 유속은 lgal 시스템에 도입되기 전에 질량 유량 제어 시스템에 의해 제어됩니다. 모델 시뮬레이션의 결과는 온 오프 가스 제어가 기질 억제를 감소시키고 독감으로 인한 미세 조류 성장을 촉진할 수 있음을 보여줍니다.

가스 온-오프 가스 제어는 또한 독감 가스의 사용을 줄이고 에너지 효율성을 향상시키는 것으로 나타났습니다. 바이오 공정의 경우, 우리는 독감 가스 조류 공정을 사용한 모델 유도 조류 재배가 산업용 독감, 가스, 바이오 연료 또는 생화학 생산으로 인한 CO2 배출량 감소 및 독성 금속 이온 제거와 같은 바이오 에너지 및 생물 정화 분야에서 유용할 수 있음을 보여주고 있습니다. 일반적으로 모델 시뮬레이션을 처음 접하는 바이오프로세스 엔지니어는 시간이 많이 걸리는 실험으로 많은 조건을 테스트해야 하기 때문에 어려움을 겪을 것입니다.

예를 들어, 많은 요인이 조류 성장에 영향을 미칠 수 있으며 모든 조건을 검사하는 것은 어렵습니다. 컴퓨터 시뮬레이션을 통해 CO2 광선 및 혼합 조건에서 미세조류 배양을 이해하고 분석하여 최적의 독감 가스 처리를 설계할 수 있습니다. Tang Laboratory의 Leon Hu Amelia Chen, Yyou, ARU var, DNE 및 Larry Page가 절차를 시연합니다.

이 절차를 시작하려면 배양 배지를 준비하십시오. 동봉된 원고의 레시피에 따라 중간 pH를 7-8로 조정합니다. 오토클레이브를 사용하여 배양 배지를 살균합니다.

다음으로, 신선한 한천 플레이트의 단일 콜로니에서 클로렐라 스피룰리나를 50ml 배지가 포함된 진탕 플라스크에 멸균 접종 루프 배양 조류를 6일 동안 150RPM 및 30°C에서 접종합니다. 세포가 중간에 있을 때 분광 광도계로 세포 밀도를 모니터링합니다. OD 730이 1보다 큰 로그 성장 단계.

50ml의 조류 배양물을 약 1리터의 멸균 배양액이 들어 있는 2리터 유리 플라스크에 옮깁니다. 배지는 5일 동안 배양하여 천연 가스 연소로 인한 독감 가스를 배양물로 펌핑하여 배양 중에 배양합니다. 5일 후, 1리터의 조류 배양을 15리터의 비멸균 배양액이 들어 있는 20리터 유리 카보이로 옮깁니다.

6일 동안 앞서 표시된 것과 동일한 조건에서 배지 배양 조류. 6일 후, 15리터의 신선한 조류 배양물과 85리터의 비멸균 매체를 평판 광 생물반응기에 넣었습니다. 대학의 첨단 석탄 및 에너지 연구 시설에서 광 생물 반응기에는 난방 및 냉각 시스템이 장착되어 있습니다.

발광 다이오드, 컴퓨터 컨트롤러, 가스 혼합물 및 셀 광학 밀도, pH 용존 산소 온도 및 용존 이산화탄소 분석기. 연도 가스 공기 혼합물을 생물 반응기로 펌핑하고 OD 730에서 20 이상의 바이오매스를 수확합니다. 배양물을 원심분리한 후 조류 바이오매스를 수집하고 추가 건조를 위해 트레이에 붓습니다.

수확 후에는 70% 에탄올을 사용하여 광 생물 반응기를 분해하고 철저히 드라이 클리닝합니다. 병당 200밀리리터의 배지가 들어 있는 유리병에 약 0.3의 초기 OD 730에서 조류 배양을 접종하여 이 시연을 시작하고, 천연 가스를 연소하고, 깔때기, 응축기 튜브 및 물 석회석 슬러리가 들어 있는 0.5리터 세척 병을 통해 연도 가스를 펌핑합니다. 조류 배양으로의 연도 가스 흐름은 질량 유량 컨트롤러에 의해 제어됩니다.

연도 가스 펄스에는 독감, 가스 켜기 및 독감 가스 끄기의 두 가지 모드가 포함되며 후자 모드는 대신 공기를 펌핑합니다. 이전 연구에 따르면 지속적인 독감 가스 노출은 클로렐라 성장에 악영향을 미치고 이산화탄소 노출은 감소하는 것으로 나타났습니다. 시간은 이러한 억제를 완화시켜 줍니다.

기체에 의한 성장 억제를 피하기 위한 세 가지 방법을 테스트하기 위해 운동 모델이 개발되었습니다. 첫째, 질량 전달 상태를 줄이기 위해 배양액으로 낮은 유속을 유지하는 것입니다. 배양으로 독감 가스의 2개의 떨어져 맥박.

셋째, 유입되는 이산화탄소 조성을 최적 수준으로 제어합니다. 이 모델과 관련된 가정, 방정식 및 매개변수는 여기에 제시되지 않지만 함께 제공되는 프로토콜 텍스트에서 논의됩니다. 먼저 모델 시뮬레이션을 위한 Simulink 파일을 생성합니다.

MATLAB 인터페이스에서 새 모델 파일을 선택하여 Simulink 모델을 만들고 라이브러리 브라우저를 엽니다. 라이브러리 브라우저에서 subsystem 블록을 선택하여 수식 1과 수식 2에 대한 서브시스템을 만듭니다. 서브시스템 블록 하나를 Simulink 모델 파일로 끌어다 놓습니다.

이름을 수식 1로 변경한 다음 수식 2에 대해 동일한 단계를 반복합니다. 각 서브시스템에 적절한 블록과 파라미터를 만듭니다. 수식 한 블록을 두 번 클릭합니다.

라이브러리 검색기에서 적절한 블록을 선택하고 계산 순서를 나타내는 화살표로 연결합니다. 블록을 두 번 클릭하여 파라미터를 설정하고 다른 하위 시스템에 대해 이 단계를 반복합니다. 두 하위 시스템을 연결하여 모델 방정식 1과 2를 나타냅니다.

필요한 경우 화살표로 한 하위 시스템의 출력을 다른 하위 시스템의 입력에 연결합니다. 예를 들어, 용존 이산화탄소 농도는 방정식 2 서브시스템의 출력이자 방정식 1 서브시스템의 입력입니다. Pulse Generator 블록을 수식 2의 입력으로 사용하여 켜짐 꺼짐 이산화탄소 펄스를 시뮬레이션합니다.

상수 블록을 표면 조명 입력 값으로 사용합니다. 블록을 두 번 클릭하여 주기, 시간 및 진폭과 같은 파라미터를 변경합니다. 라이브러리 브라우저에서 M 블록을 선택합니다.

모든 출력을 mux에 연결한 다음 시뮬레이션된 결과를 저장하는 두 개의 workspace 블록에 연결합니다. 상단 도구 모음에서 시뮬레이션 중지 시간을 정의합니다. 화살표 버튼을 클릭하여 시뮬레이션을 시작하면 결과가 MATLAB 작업 공간에 저장됩니다.

마지막으로, 보조 자료 2의 MATLAB 프로그램을 적용하여 최적의 이산화탄소 농도를 프로파일링하기 위한 동적 최적화 접근 방식을 수행합니다. 이 연구에서는 독감, 가스 유입 및 조류 성장 간의 관계를 더 잘 이해하기 위해 독감 가스가 있는 상태에서 바이오매스 성장을 시뮬레이션하기 위해 경험적 모델을 개발했습니다. 이 모델에 사용된 매개변수는 이 표에 나와 있습니다.

독감 가스는 15%의 이산화탄소를 함유하고 있는 것으로 가정합니다. 첫째, 이산화탄소의 질량 전달 속도가 조류 성장에 미치는 영향을 테스트했습니다. 연속 독감 가스 처리 하에서 질량 전달 속도의 함수로 12일째의 최종 바이오매스 농도에 대한 결과 그래프는 시간당 0.17 - 0.18의 최적 질량 전달 속도가 조류 성장의 연도 가스 억제를 줄일 수 있음을 나타냅니다.

질량 전달 속도가 최적 값보다 낮거나 높으면 조류 성장이 감소합니다. 여기에 표시된 것은 역학 모델의 방정식 4이며, 여기서 V에 대한 PG는 생물 반응기에서 폭기 된 시스템의 전력 소비이고, UGS는 생물 반응기를 통한 가스 흐름의 표면 속도이며, 알파, 베타 및 감마는 혼합 조건과 관련된 상수입니다. 이 방정식은 배양물을 통한 폭기 및 가스 흐름의 감소가 물질 전달 계수를 감소시킬 수 있음을 시사합니다.

이 표는 12일째에 15%의 독감 가스와 함께 다양한 표면 가스 유속 또는 유속 하에서 바이오매스 성장을 보여줍니다. 일반적으로 낮은 유속은 독감 가스 사용량과 질량 전달 속도를 줄여 이산화탄소의 lgal 성장 억제를 방지합니다. 그러나 생물 반응기를 통한 유속을 더 줄이면 물질 전달 계수가 너무 작아져 lgal 성장에 충분한 이산화탄소를 제공할 수 없습니다.

이는 이 그래프에서 파란색 선으로 표시되며, 이는 바이오매스 성장과 다양한 질량 전달 속도를 비교합니다. 지속적인 독감 가스 치료 시 파란색 선은 시간당 0.017의 KLA를 나타냅니다. 노란색 선은 시간당 0.17이라는 최적에 가까운 KLA를 나타내고 검은색 선은 시간당 17의 KLA를 나타냅니다.

다음으로, 광 생물 반응기에서 독감 가스 질량 전달 속도가 높을 경우, 예를 들어 독감 가스 펄스 모드를 최적화하기 위해 시간당 17 번, 다른 온 오프 주파수를 테스트하여 성장 억제를 극복하기 위해 온 오프 독감 가스 펄스 모드를 도입했습니다. 시뮬레이션은 고주파 독감 가스 펄스가 조류 성장을 촉진할 수 있음을 보여줍니다. 앞서 보여준 이 표는 또한 온 오프 제어 모드가 생물 반응기에 독감을 지속적으로 공급하는 것보다 독감 가스를 덜 사용한다는 것을 나타냅니다.

셋째, 최대 조류 성장에 대한 이산화탄소 농도 프로파일은 여기에 나열된 모델 매개변수를 사용하여 계산되었습니다. 동적 최적화 접근 방식은 기체 상태에서 최적의 이산화탄소 농도가 lgal 성장 중에 지속적으로 증가해야 함을 보여줍니다. 모델 시뮬레이션은 또한 온오프 이산화탄소 펄스와 최적의 이산화탄소 투입 제어가 모두 독감 가스의 lgal 성장을 촉진하는 데 동등하게 좋은 방법임을 보여줍니다.

이 그래프는 노란색 선으로 표시되는 최적의 이산화탄소 프로필에서 바이오매스 성장을 비교한 것입니다. 10초 가스 켜짐 5분 가스 꺼짐의 켜짐 꺼짐 주파수는 10초 동안 빨간색 선 켜짐 꺼짐 제어, 10초 빈도로 가스 켜짐 7분 가스 꺼짐, 녹색 선으로 표시되는 꺼짐 제어, 1분 가스 켜짐 29분 가스 꺼짐 및 파란색 선으로 표시되는 15% 이산화탄소를 함유한 독감 가스로 연속 처리합니다. 이전 연구의 이 최종 그림은 다양한 접근 방식을 사용한 바이오매스 성장의 실험적 비교를 보여줍니다.

A는 10초 기체, 7분 기체 꺼짐, B는 30분, 30분 기체 꺼짐 C는 5시간 기체 켜짐 7시간 기체 꺼짐, D는 플라스크를 흔드는 재배입니다. 지속적인 독감 가스 처리 또는 진탕 플라스크 배양과 비교하여 온오프 독감 가스 펄스를 사용하여 더 높은 바이오매스 생산이 달성됩니다. 독감 가스 기반 알고리즘 바이오프로세스를 시도할 때는 컴퓨터 모델링을 사용하여 최적의 성장 작업을 설계하는 것이 중요합니다.

이 절차에 따라 실험 테스트를 수행하여 모델 예측을 검증할 수 있습니다. 이 비디오를 시청한 후에는 CO2를 통한 바이오매스 성장을 예측하고 성장 조건을 최적화하기 위해 질량 전달 및 바이오 반응 모델을 구축하는 방법을 잘 이해하게 될 것입니다. 모델 시뮬레이션은 단순화된 동종 시스템에만 해당된다는 점을 명심하십시오.

이 모델은 향후 더 정교한 유체 역학을 추가하여 개선할 수 있습니다.