절차 식물 추출물에서 분산 된 입자의 제거를위한 응집제의 효율성을 평가하는

다음 실험의 전반적인 목표는 식물 추출물로부터 분산된 입자의 제거 효율을 높일 수 있는 응집제를 식별하는 것입니다. 이는 분산된 입자의 응집을 조절하는 가장 효과적인 폴리머와 매개변수를 확인하기 위한 실험 설계를 통해 달성됩니다. 두 번째 단계에서는 대규모 적용에 사용되는 단위 조작에 해당하는 작업 흐름을 정의합니다.

다음으로, 다양한 조건 하에서 응집제용 잎 추출물을 조제하고 탁도 및 제품 회수율을 측정하기 위해 분석합니다. 결과는 실험 계획법(design of experiments) 모델 평가(DoE로 약칭)를 기반으로 최적의 응집 조건과 폴리머를 보여줍니다. 심층 여과만 사용하는 전통적인 청징화 방식과 비교했을 때 이 기술의 주요 장점은 필터 용량을 수 배 증가시켜 전체 공정 비용을 절감할 수 있다는 것입니다.

응집은 입자의 유효 직경을 증가시켜 원심 분리 또는 여과를 통한 제거를 용이하게 할 수 있습니다. 따라서 응집 과정과 관련된 환경 공정 매개변수를 먼저 식별해야 합니다. 일반적으로 이러한 매개변수는 여러 가지가 있습니다.

기전 모델이 부족하므로 DoE 접근 방식이 적절합니다. DoE는 문헌 데이터와 사전 지식을 바탕으로 매개변수를 선택하여 설정합니다. 일반적인 매개변수로는 배양 시간뿐만 아니라 폴리머 종류 및 농도가 포함됩니다.

여과성과 같이 응집 효율을 평가하는 데 사용되는 실험 결과 항목들을 실험 전에 미리 정의합니다. 그런 다음 이 정보를 조사 대상 인자의 수와 시스템에 대해 이미 축적된 지식 수준에 적합한 DoE 유형에 입력합니다. 이후 식물 추출물의 응집 및 실험실 규모 공정과 관련된 모든 단계를 포함하는 워크플로우를 개발합니다.

분취 부피는 높은 시료 처리량을 가능하게 할 만큼 충분히 작아야 합니다. 실험실 장비의 성능은 공정 규모 장치의 성능과 상관관계가 있어야 합니다. 식물은 최종 공정을 대표하는 방식으로 재배됩니다.

추출 및 응집 실험을 시작하기 전 모든 유틸리티를 준비합니다. 응집제 스톡 용액은 제조사의 사전 희석 여부를 신중히 고려하여 준비합니다. 모든 응집제에 대해 동일한 스톡 농도를 선택하면 이후 피펫팅 과정이 간소화되어 오류 가능성을 줄일 수 있습니다.

각각의 신선한 응집제 스톡 용액에 대한 완충액 성분, pH 및 전도도는 추출물의 조건과 일치하도록 준비합니다. DoE 일정을 식물 추출물 샘플에 첨가할 스톡 용액의 부피를 설정하는 피펫팅 계획으로 변환합니다. 식물 추출물 샘플은 DoE에서 테스트할 조건과 일치하는 완충액을 사용하여 수확한 담배 잎으로 준비합니다.

추출물을 교반하면서 미리 정의된 부피에 맞춰 소분(aliquot)을 준비합니다. 이는 모든 샘플에서 입자가 균일하게 분포되도록 하기 위함입니다. 응집제 스톡(flocculant stock)을 첨가한 후 모든 샘플이 동일한 부피를 갖도록 각 소분에 추출 버퍼를 추가합니다.

DoE에서 정의된 스톡 솔루션의 부피를 무작위 실행 순서에 따라 샘플에 순차적으로 첨가합니다. 폴리머를 첨가한 직후 튜브를 흔들어 폴리머가 샘플 전체에 균일하게 분포되도록 하며, 이는 응집 결과의 재현성을 보장합니다. 이 방법은 응집제의 조합을 테스트하거나 동일한 응집제를 반복적으로 첨가하는 방식으로 쉽게 수정할 수 있습니다.

하지만 이는 DoE에 반영되어야 합니다. 플록(floc) 형성은 일반적으로 3분에서 30분의 배양 시간이 필요합니다. 재현 가능한 결과를 얻기 위해서는 DoE에서 정의된 배양 시간을 엄수하는 것이 필수적입니다.

플록의 침강 속도 또는 여과액의 탁도 및 여과 용량을 통해 응집제의 성능을 평가할 수 있습니다. 폴리머가 단백질과 같은 생성물에 영향을 주지 않는지 확인하는 것 또한 중요합니다. 데이터의 품질이 확인되면, 해당 정보를 DoE 소프트웨어로 전송할 수 있습니다.

실험 데이터는 데이터 변환, 요인 선택 및 품질 관리 도구를 포함하여 DoE 소프트웨어에 내장된 도구들을 사용하여 분석합니다. 이러한 도구들의 사용과 더불어, 최종 모델은 물리 및 열역학의 기본 법칙과도 일치해야 합니다. 모델의 품질이 확인되면, 이 모델을 사용하여 응집을 위한 최적 조건을 예측할 수 있습니다.

모델 예측을 바탕으로 설계 공간을 가장 관련성이 높은 영역으로 좁힐 수 있으며, 앞서 설명한 절차를 반복하여 새로운 DoE를 설정할 수 있습니다. 이후 파일럿 또는 생산 규모에서 결과를 확인할 수 있습니다. 본 대표 연구에서는 DoE 접근 방식을 사용하여 23가지의 서로 다른 합성 응집제와 4가지 천연 응집제의 담배 잎 추출물 응집 능력을 테스트하였습니다.

고분자 농도 및 종류와 같은 고분자 특이적 파라미터뿐만 아니라 배양 시간, 온도, 완충액 pH 및 전도도와 같은 공정 파라미터를 고려하였습니다. 총 약 200개의 20 mL 추출물 분주액을 포함하는 4개의 중첩된 IV-최적 설계 시퀀스를 통해, 온도가 4~30 °C 사이인 경우 pH 4~8 범위의 담배 추출물에 대해 Polymin P가 가장 효과적인 응집제임을 확인하였습니다. 응집을 위해서는 15분의 배양 시간이면 충분했으나, 전도도가 40 mS/cm보다 높을 때 효율성이 감소했습니다.

그러나 DoE 접근법을 통해 Catiofast VSH가 Polymin P를 보완하며, 40 mS/cm 이상의 전도도에서 효과적인 응집을 달성한다는 것을 확인하였습니다. 이러한 응집제를 담배 추출물의 하류 공정에 도입했을 때, 사용된 depth filter의 용량이 3.2배에서 5.7배 증가하여 해당 단계의 제품 원가를 그에 따라 절감할 수 있었습니다. 또한 이러한 응집제들이 단클론 항체, 형광 단백질, 렉틴 및 다양한 백신 후보 물질을 포함한 표적 단백질의 회수율을 감소시키지 않았음을 확인하였습니다.

최적의 응집 조건은 100 L 파일럿 규모의 배치에서도 확인되었습니다. DoE 결과는 블레이드 기반 균질기 대신 스크류 프레스로 준비한 담배 추출물에도 성공적으로 적용되어, 수집된 정보의 광범위한 적용 가능성을 입증하였습니다. 또한, 동일하게 우수한 효과를 나타내는 응집제 조합을 테스트하도록 방법을 최적화하였습니다.

이 영상을 시청한 후에는 DoE 접근 방식을 사용하여 식물 추출물에 대한 응집 실험을 설정하는 방법을 이해하게 될 것입니다.