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

本プロトコルの全体的な目的は、計算シミュレーションを通じて、オフガス制御が排ガスを利用した微細藻類の増殖を改善できることを示し、藻類培養およびスケールアップの手順を実証することです。まず、速度論モデルを用いて、異なる物質伝達速度におけるオフガス制御モードでの微細藻類の増殖条件をシミュレートし、二酸化炭素濃度のプロファイルを提示します。ここではモデル方程式を示しています。次に、藻類を増殖させ、藻類培養をスケールアップするための手順を実証します。

その後、藻類を小型フォトバイオリアクター内で煙道ガス（flu gas）を用いて培養します。煙道ガスは自然燃焼によって生成され、藻類システムに導入される前にマスフローコントローラによって流量が制御されます。モデルシミュレーションの結果から、オフガス制御によって基質阻害を軽減し、煙道ガスを用いた微細藻類の増殖を促進できることが示されました。

ガスのオン・オフ制御は、排ガスの使用量を削減し、エネルギー効率を向上させることも示されました。バイオプロセスに関しては、モデル誘導型の藻類培養を用いた排ガス藻類プロセスが、工業排ガスからのCO2排出削減、バイオ燃料や生化学物質の生産、または毒性金属イオンの除去といった、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有用である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、時間を要する実験によって多くの条件を検証しなければならないため、困難に直面することになります。

例えば、藻類の増殖には多くの要因が影響し得るため、あらゆる条件を検討することは困難です。コンピュータシミュレーションを用いることで、CO2、光、および撹拌条件における微細藻類培養を理解し分析でき、最適な煙道ガス処理を設計することが可能になります。本手順の実演は、Tang研究室のLeon Hu、Amelia Chen、Yyou、ARU var、DNE、およびLarry Pageが行います。

この手順を開始するために、培地を調製します。添付の原稿にある処方に従い、培地のpHを7から8に調整してください。オートクレーブを用いて培地を滅菌します。

次に、単一コロニーのchlorella spirulinaを滅菌済み白金耳を用いて、50 millilitersの培地を含む振盪フラスコに接種し、150 RPM、30 degrees Celsiusで6日間培養します。分光光度計で細胞密度をモニタリングし、細胞が対数増殖期の中期に達し、OD 730が1を超えたことを確認します。

50 mLの藻類培養液を、約1 Lの滅菌済み培養培地を含む2 Lのガラスフラスコに移します。5日間インキュベートし、その間、天然ガスの燃焼に伴う排ガスを培養液中に供給します。5日後、この1 Lの藻類培養液を、15 Lの非滅菌培養液を含む20 Lのガラス製カーボイに移します。

前述した条件と同様に、藻類を6日間培地で培養します。6日後、15リットルの新鮮な藻類培養液と85リットルの非滅菌培地を平板型フォトバイオリアクターに投入します。大学の先進石炭・エネルギー研究施設にあるこのフォトバイオリアクターには、加熱および冷却システムが備わっています。

発光ダイオード、コンピュータコントローラー、混合ガス、および細胞光学密度、pH、溶存酸素、温度、溶存二酸化炭素用の分析計を用意します。燃焼排ガスと空気の混合物をバイオリアクターにポンプで送り込み、OD 730が20を超えた時点でバイオマスを回収します。培養液を遠心分離した後、藻類バイオマスを回収し、さらに乾燥させるためにトレイに注ぎます。

回収後、フォトバイオリアクターを分解し、70% ethanolを用いて十分に洗浄・乾燥させます。本デモンストレーションは、1本あたり200 millilitersの培地を含むガラス瓶に、初期OD 730が約0.3となるように藻類培養物を接種することから開始します。天然ガスを燃焼させ、その燃焼排ガスを漏斗、凝縮管、および石灰水スラリーを含む0.5 literの洗浄瓶に通過させます。藻類培養液への排ガスの流量は、マスフローコントローラーによって制御されます。

煙道ガスのパルス注入には、「ガスON」と「ガスOFF」の2つのモードがあり、後者のモードでは代わりに空気がポンプで送られます。先行研究では、煙道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す一方で、二酸化炭素への曝露を減少させることが示されています。時間の経過とともに、この抑制効果は緩和されます。

ガスの影響による増殖抑制を回避するための3つの手法を検証するため、速度論的モデルを構築した。一つは、物質移動条件を低減させるために培養液への流量を低く維持することである。二つ目は、培養液へのフルーガス（flu gas）のオン・オフパルス投与である。

3つ目は、流入する二酸化炭素組成を最適レベルで制御することです。本モデルで使用される仮定、方程式、およびパラメータについては、ここでは提示しませんが、付随するプロトコル本文で詳しく説明しています。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インターフェースで「file」から「new model」を選択してSimulinkモデルを作成し、ライブラリブラウザを開きます。ライブラリブラウザで「subsystem」ブロックを選択し、式1および式2に対応するサブシステムを作成します。サブシステムブロックを1つ、Simulinkモデルファイルにドラッグします。

名前を方程式1に変更し、その後、方程式2に対しても同様の手順を繰り返します。各サブシステムに適切なブロックとパラメータを作成します。方程式1の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、計算順序を示す矢印でそれらを接続します。ブロックをダブルクリックしてパラメータを設定し、他のサブシステムについても同様の手順を繰り返します。2つのサブシステムをリンクさせ、モデル方程式1および2を表現します。

必要に応じて、一方のサブシステムの出力を矢印で他方のサブシステムの入力に接続します。例えば、二酸化炭素の溶解濃度は、「方程式2」サブシステムの出力であり、同時に「方程式1」サブシステムの入力となります。二酸化炭素のオン・オフパルスをシミュレートするために、「方程式2」の入力としてパルスジェネレータブロックを使用してください。

表面光入力値として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を変更してください。ライブラリブラウザでMブロックを選択します。

すべての出力をマルチプレクサ（mux）に接続し、それをシミュレーション結果を保存する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設定します。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、補足資料2にあるMATLABプログラムを適用し、二酸化炭素濃度の最適プロファイルを算出するための動的最適化アプローチを実行します。本研究では、排ガス、ガスの流入量、および藻類の増殖の間の関係をより深く理解するため、排ガス存在下でのバイオマス増殖をシミュレートする経験的モデルを構築しました。このモデルに使用したパラメータを本表に示します。

煙道ガスには15%の二酸化炭素が含まれていると想定します。まず、二酸化炭素の物質移動速度が藻類の増殖に及ぼす影響を検証しました。連続的な煙道ガス処理下における、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グラフから、0.17〜0.18 per hourの最適な物質移動速度により、煙道ガスによる藻類増殖の抑制を軽減できることが示されました。

物質伝達速度が最適値より低くなるか、あるいは高くなると、藻類の増殖は抑制されます。ここに示されているのは速度論モデルの式4であり、PG/Vはバイオリアクター内の曝気システムの消費電力、UGSはバイオリアクターを通過するガス流の見かけ速度、そしてα、β、γは混合条件に関連する定数です。この式は、曝気および培養液中のガス流の減少が物質伝達係数を低下させる可能性があることを示唆しています。

この表は、異なる管速または流量条件下における、12日目の15%排ガスを用いたバイオマスの増殖を示しています。一般的に、流量を低く抑えることで排ガスの使用量と物質移動速度が減少するため、二酸化炭素による藻類増殖の阻害を防ぐことができます。しかし、バイオリアクター内の流量をさらに低下させると、物質移動係数が小さくなりすぎ、藻類の増殖に十分な二酸化炭素を供給できなくなります。

これはこのグラフの青い線で示されており、異なる物質移動係数におけるバイオマスの増殖を比較しています。連続的な煙道ガス処理において、青い線はKLAが0.017 per hourであることを示しています。黄色い線はほぼ最適なKLAである0.17 per hourを示し、黒い線はKLAが17 per hourであることを示しています。

次に、フォトバイオリアクター内での排ガス物質移動速度が高くなった場合の増殖抑制を克服するため、排ガスのオン・オフパルスモードが導入されました。例えば、パルスモードを最適化するために、1時間あたり17回などの異なるオン・オフ周波数が検証されました。シミュレーションの結果、高周波の排ガスパルスが増殖を促進できることが示されています。先に提示したこの表からも、オン・オフ制御モードは、バイオリアクターへの排ガスの連続供給よりも消費量が少ないことがわかります。

第三に、ここに記載したモデルパラメータを用いて、藻類の最大増殖における二酸化炭素濃度プロファイルを算出した。動的最適化アプローチにより、気相中の最適な二酸化炭素濃度は、藻類の増殖に伴い継続的に上昇させるべきであることが示された。また、モデルシミュレーションの結果、二酸化炭素パルスのオン・オフ制御と、最適二酸化炭素入力の制御は、いずれも排ガスを用いて藻類の増殖を促進させるために同様に有効な手法であることが示された。

このグラフは、黄色の線で示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。赤色の線で示される10秒間ガス供給・5分間ガス停止のオンオフ周波数、緑色の線で示される10秒間ガス供給・7分間ガス停止のオンオフ制御、黒色の線で示される1分間ガス供給・29分間ガス停止のオンオフ制御、および青色の線で示される15% carbon dioxideを含むフルガスによる連続処理を比較しています。過去の研究からのこの最終的な図は、異なるアプローチを用いたバイオマス成長の実験的な比較を示しています。

Aはガス供給10秒、ガス停止7分、Bはガス供給30分、ガス停止30分、Cはガス供給5時間、ガス停止7時間であり、Dは振盪フラスコでの培養です。連続的な排ガス処理や振盪フラスコ培養と比較して、排ガスのオンオフパルスを用いることでより高いバイオマス生産量が得られます。排ガスベースの藻類バイオプロセスを試みる際は、コンピューターモデリングを用いて最適な増殖操作を設計することが重要です。

この手順に従い、モデルの予測を検証するための実験的テストを実施できます。このビデオを視聴することで、CO2を用いたバイオマス成長を予測し、成長条件を最適化するための物質移動および生物反応モデルの構築方法について十分に理解できたはずです。なお、モデルシミュレーションは簡略化された均一系のみを対象としていることに留意してください。

将来的には、より精緻な流体力学を導入することで、モデルを改善することが可能です。