Mechanistic modelling of bioreactors for polyhydroxyalkanoates production and monitoring of polymer quality via Raman spectroscopy

Nowadays, plastic pollution is one of the most spread issues worldwide. A possible solution comes from the substitution with bioplastics, bio-based and biodegradable materials, such as polyhdroxyalkanoates. The high production costs and the inhomogeneity of resulting chemical structure lead to a low market and limited applications. In this framework, the necessity of process optimization combined with a viable online monitoring for biopolymer quality is mandatory. In this work, the development of a mechanistic model and a soft sensor based on Raman Spectroscopy combined with a multivariate data analysis framework was built. . In the first case, the evaluation of kinetic parameters, able to describe the cellular growth and nutrient consumption, was performed on continuous configuration experiments. In addition, the execution of simpler batch and fed-batch tests was helpful to extrapolate further data and validate the established model. On the other hand, the analysis and rendering of Raman spectra was conducted using an architecturally adjusted Machine Learning algorithm. In this fashion, the monitoring of cellular density, nutrients availability and quantity and quality of accumulated biopolymer was performed, obtaining promising results for process monitoring and control. In future work, information from black-box chemometrics tools together with descriptive mathematical apparatus can be further combined in a hybrid structure, whose final objective would be a totally automatized, finely controlled and deeply optimized biosystem.

Oggigiorno l’inquinamento dovuto alle plastiche è uno dei problemi più diffusi a livello globale. Una possibile soluzione deriva dalla sostituzione delle stesse con le bioplastiche, materiali biodegradabili e generati da sistemi biologici, come ad esempio i poliidrossialcanoati. Gli alti costi di produzione e l’inomogeneità della struttura chimica finale portano ad un mercato poco sviluppato e applicazioni limitate. In questo contesto, la necessità di ottimizzazione di processo combinata ad un monitoraggio online affidabile per il controllo di qualità del biopolimero è obbligatoria. In questo lavoro, lo sviluppo di un modello matematico meccanistico e il monitoraggio basato sulla spettroscopia Raman combinato con una struttura di analisi plurivariabile di dati sono stati creati. Nel primo caso, la valutazione di parametri cinetici, capaci di descrivere la crescita batterica ed il consumo di nutrienti, è stata effettuata su esperimenti con configurazione in continuo. Inoltre, la realizzazione di test più semplici in batch e fed-batch si è rivelata essere utile per estrapolare nuovi dati e validare modelli creati. Al contrario, l’analisi ed il rendering di spettri Raman è stato realizzato usando un algoritmo in Machine Learning finemente ottimizzation. In questo modo, il monitoraggio di densità cellulare, disponibilità di nutrienti e quantità e qualità del biopolimero accumulato è stato eseguito, ottenendo risultati promettenti per il controllo e la supervisione del processo. Nel futuro, le informazioni derivanti da strumenti black box di chemiometria insieme a sistemi matematici descrittivi possono essere ulteriormente uniti in un’unica struttura ibrida, il cui obiettivo finale sarebbe un biosistema completamente automatizzato, controllato accuratamente ed estremamente ottimizzato.