Bioconversion of glycerol to 1,3-propanediol: A mathematical model-based nutrient feeding approach for high production using Clostridium diolis
- 作者
- Guneet Kaur, A.K. Srivastava, Subhash Chand
- 单位
- Department of Biochemical Engineering and Biotechnology, Indian Institute of Technology Delhi, Hauz Khas, New Delhi 110016, India
- 杂志
- Bioresource Technology（2013）
- DOI
- 10.1016/j.biortech.2013.05.040
- 所属领域
- 发酵工程
- 关键词
- 阅读原文
- 查看 PDF 原文
解决的核心问题
甘油生物转化为1,3-丙二醇过程中存在底物（甘油）和产物（1,3-PD）抑制，导致产量和产率受限，且缺乏在线甘油传感器使得补料控制困难。
研究策略
利用平均批次动力学数据与独立抑制数据建立批次数学模型，并将模型外推至补料分批，设计基于模型伪稳态的底物补料策略，实现高浓度1,3-PD生产。
核心内容
本研究以Clostridium diolis DSM15410为生产菌株，针对甘油生物转化为1,3-丙二醇过程中存在的底物与产物抑制问题，构建了基于平均批次动力学数据和独立抑制数据的数学模型，并进一步将模型外推至补料分批发酵，离线设计了伪稳态补料策略。批次发酵获得1,3-丙二醇浓度25.8 g/L，产率0.72 g/L/h，产率系数0.65 mol/mol。采用模型驱动的补料分批工艺（0至15小时批次培养，15至30小时补料，30至47小时再次批次培养），1,3-丙二醇浓度达到63.5 g/L，较批次提高约2.5倍，产率提升至1.35 g/L/h；同时副产丁酸12.4 g/L与乙酸7.2 g/L，生物量达4.24 g/L。模型关键参数包括最大比生长速率μmax为0.65 h⁻¹、底物半饱和常数Ks为12.8 g/L、产物抑制常数Pm为65.2 g/L及底物抑制常数Sm为98.3 g/L。结果表明，基于数学模型的补料策略可有效缓解抑制效应，显著提升目标产物浓度与产率，该建模与离线策略设计方法对其他微生物发酵过程的补料或连续培养工艺开发具有推广价值。
创新点
开发了能有效模拟批次动力学的数学模型，并利用该模型离线设计补料分批策略，首次在C. diolis DSM15410中通过模型驱动的伪稳态补料实现最高1,3-PD浓度。
研究对象（1）
| 底盘细胞 | 代谢通路 | 基因 | 蛋白 | 功能 | 说明 |
|---|---|---|---|---|---|
| Clostridium diolis DSM15410 | 甘油→1,3-丙二醇生物转化途径 | — | — | 催化 | 厌氧条件下甘油经氧化还原路径转化为1,3-PD，涉及甘油脱水酶与1,3-PD氧化还原酶（原文未具体命名基因/蛋白） |
关键发现
- 批次发酵获得1,3-PD浓度25.8 g/L，产率0.72 g/L/h，产率0.65 mol/mol
- 模型驱动的补料分批发酵（0-15h批次，15-30h补料，30-47h批次）实验获得1,3-PD浓度63.5 g/L，产率1.35 g/L/h，浓度较批次提高约2.5倍，产率提高至1.35 g/L/h，并产生副产物丁酸12.4 g/L与乙酸7.2 g/L，生物量达4.24 g/L
- 模型参数μmax=0.65 h⁻¹，Ks=12.8 g/L，Pm=65.2 g/L，Sm=98.3 g/L。
研究结论
基于数学模型设计的补料分批策略可有效解除底物和产物抑制，显著提高1,3-PD浓度和产率，该方法可推广至其他微生物发酵过程用于补料/连续培养策略设计。