Využití NIR sondy ve fed-batch kultivacích bakterií

Bc. Martin Janata

Master's thesis

Application of NIR sensor in fed-batch bacterial cultures

Anotácia:

Bioprocesy využívají živé mikroorganismy k produkci široké škály produktů, jako jsou metabolity, buňky, proteiny, hormony nebo protilátky. Pro zajištění vysokého výtěžku, kvality a konzistence produktu je hlavním klíčem sledování a kontrola kritických parametrů procesu. K monitorování bioprocesů jsou zvláště výhodné optické senzory, jelikož umožňují současné sledování několika analytů v čase. Teoretická část práce shrnuje kritické parametry bioprocesů, které jsou často monitorovány, a senzory, pomocí kterých jsou parametry monitorovány. V experimentální části byla použita NIR sonda pro monitorování fed-batch kultivace rekombinantní E. coli v 30 l bioreaktoru. Pomocí tří různých chemometrických metod, SX-Suite softwaru, umělé neuronové sítě a PLS regrese, bylo dosaženo vysoce přesného monitorování biomasy s R2test≥0.99. Monitorování glycerolu bylo méně přesné, s R2test=0,899. Experimentální data naznačují, že optimalizací délky exprese lze dosáhnout přibližně 60% zvýšení enzymové aktivity.

Abstract:

Bioprocesses use live microorganisms to produce a wide variety of products such as metabolites, cells, proteins, hormones and antibodies. Monitoring and control of critical process parameters is key to ensuring high product yield, quality and consistency. Optical sensors are particularly advantageous for monitoring bioprocesses, as they allow the simultaneous monitoring of several analytes in real-time. The theoretical part of this thesis focuses on critical parameters of bioprocesses, which are often monitored, and the sensors, which are used to monitor those parameters. In the experimental part of the thesis, a NIR sensor was used to monitor a fed-batch cultivation of E. coli in a 30 l bioreactor. Using three different chemometric methods, SX-Suite software, an artificial neural network and PLS regression, highly accurate biomass monitoring was achieved with R2test≥0.99. Glycerol monitoring was less accurate, with R2test=0,899. Experimental data suggest that approximately 60% increase in enzyme activity can be achieved by optimizing the length of expression.

Kľúčové slová

Infračervená spektroskopie, Escherichia coli, Monitorování bioprocesu, Optimalizace bioprocesu, Fed-batch kultivace, Umělá neuronová síť, Infrared spectroscopy, Bioprocess monitoring, Bioprocess optimization, Fed-batch cultivation, Neural network

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 19. 5. 2022

Obhajoba závěrečné práce

• Obhajoba proběhla 16. 6. 2022
• Vedúci: Ing. Zbyněk Černý
• Oponent: doc. Ing. Martin Mandl, CSc.

Masaryk University

Faculty of Science

Master programme / odbor:
Biotechnology / Biotechnology