Cocci chain length distribution as control parameter in scaling lactic acid fermentations
| dc.contributor.advisor | Junne, Stefan | |
| dc.contributor.author | Pellicer Alborch, Klaus | |
| dc.contributor.grantor | Technische Universität Berlin | en |
| dc.contributor.referee | Delvigne, Frank | |
| dc.contributor.referee | Sourabié, Alain | |
| dc.contributor.referee | Neubauer, Peter | |
| dc.date.accepted | 2020-07-23 | |
| dc.date.accessioned | 2020-10-26T15:12:10Z | |
| dc.date.available | 2020-10-26T15:12:10Z | |
| dc.date.issued | 2020 | |
| dc.description.abstract | The world population is projected to reach 9.7 billion in 2050, which means that the Food and Feed industry is supposed to keep improving its productivity in order to provide all these people with enough food at the same pace. The current trend of regulatory authorities toward application of new process analytical technology tools to improve process understanding as well as reliability and ensure product quality during the production, has awakened the need of investing in novel analytics, especially in (bio)pharmaceutical industries, but is being extended to other fields. Moreover, the increasing acceptance of industrial companies that relevant concentration gradients affecting process performance as well as product quality appear in production vessels, is turning the scale down representation of conditions of the large scale in the lab indispensable. Furthermore, the actual digitalization transformation experienced in everyone´s life is becoming more and more relevant in industrial manufacturing, with the current tendency to develop a so-called digital twin, which simulates the (bio)process running in the plant in silico, thus minimizing out-of-specification batches and allowing near future personnel as well as materials/consumables planning. In this work, (i) electrooptical measurements of cell polarizability as well as size, (ii) single- and multicompartment scale down strategies and (iii) mechanistic modeling of macroscopic variables as well as population heterogeneity were applied to Streptococcus thermophilus fermentations for the first time. Firstly, the at-line determination of bacterial polarizability (i.e. orientation under the application of an electrical field) allowed the elucidation of different growth phases and resulted to be an early indicator of nutrient imbalance as well as growth cessation. Moreover, the analysis of the mean cell size without sample preparation with the same device also allowed the monitoring of qualitative morphological changes during growth. These were verified with parallel flow cytometric analyses, which revealed calibration issues in the equipment preparation, which should be addressed in future experiments. Secondly, pH shifts in the range from 5.5 until pH 8.0 (i.e. pH = +2.0;-0.5) were induced in singlecompartment reactor cultivations leading to a 48.5 % biomass productivity loss in the worst case scenario, while repeated pH pulses in a similar region were performed through ammonia addition in the plug-flow reactor of multi-compartment reactor experiments which yielded a 20 % less cell concentration at the end. Importantly, relevant morphologic changes under the different cultivation conditions were detected: increased chain length under alkali conditions and more homogenous cocci chain length distribution with shorter chains at low pH values. Nevertheless, computational fluid dynamic studies of a 700 L pilot scale fermenter revealed that those scale down conditions were exaggerated in terms of pH-gradients induced: only pH pulses up to 6.3 were monitored throughout a S. thermophilus fermentation under optimal growth conditions, while the pH never dropped below 5.8 far away from the base addition zone. However, extended mixing times and limited power input in the industrial scale may lead to higher pH, so that their effect on process performance and product quality was further assessed. Thirdly, a population balance model based on a mechanistic description of typical growth metabolites (namely biomass, lactose, lactic acid and galactose concentrations) was developed, being able to predict the evolution of certain populations (namely 1-coccus, 2-, 3-, 4- and 5 or more cocci chains) during S. thermophilus cultivation under optimal growth conditions and variable pH-gradients.The application of the first device (EloTrace, EloSystems GmbH, Berlin, Germany) in lactic acid bacteria large scale production would change the current quality by testing mindset to a quality by design/control approach, where the polarizability could be defined as a new critical quality attribute to be maintained inside a certain window by changing critical process parameters during the fermentation. The different scale down concepts applied in this study improved current process understanding of the industrial partner and should encourage the consideration of such lab scale simulators in early process development of new products or in optimization of existing bioprocesses. Finally, the hydrodynamic as well as population balance models developed in this work, if coupled to in situ microscopy technologies to determine cell size distribution in real-time, would enable the implementation of a model-based soft sensor strategy, where population heterogeneity could be minimized by changing critical process parameters, like the tip speed or base addition point. | en |
| dc.description.abstract | Die prognostizierte Weltbevölkerung im Jahr 2050 beträgt 9,7 Milliarden, was bedeutet, dass die Lebens- und Futtermittelindustrien ihre Produktivität weiter erhöhen müssen, um der gesamten Bevölkerung genügend Lebensmittel zur Verfügung stellen zu können. Regulierungsbehörden tendieren immer mehr zur Anwendung neuer Werkzeuge der Prozessanalysetechnologie, um das Prozessverständnis sowie die Zuverlässigkeit zu verbessern und die Produktqualität während der Produktion sicherzustellen. Dies geht einher mit der Notwendigkeit in neuartige Analytik zu investieren, insbesondere in der (bio-) pharmazeutischen Industrie, aber auch in anderen Gebieten. Außerdem, die zunehmende Anerkennung von Industrieunternehmen, dass relevante Konzentrationsgradienten, die die Prozessleistung sowie die Produktqualität beeinflussen, in Produktionsbehältern auftreten, macht eine Verkleinerung der Darstellung von Bedingungen im großen Maßstab im Labor unverzichtbar. Darüber hinaus gewinnt die Digitalisierung in der industriellen Fertigung immer mehr an Relevanz. Insbesondere die Entwicklung sogenannter digital twins ermöglicht, den (Bio-) Prozess zu simulieren und die Anlage in silico ablaufen zu lassen. Dies minimiert die Anzahl der Chargen, die außerhalb der Spezifikation liegen, und ermöglicht eine zeitnahe Personal- und Materialplanung. In dieser Arbeit wurden (i) elektrooptische Messungen der Zellpolarisierbarkeit sowie der Größe, (ii) Einzel- und Multikompartiment- scale down Strategien und (iii) mechanistische Modellierung makroskopischer Variablen sowie der Populationsheterogenität während Streptococcus thermophilus Fermentationen zum ersten Mal angewandt. Erstens ermöglichte die Bestimmung der bakteriellen Polarisierbarkeit (d. h. Zellorientierung unter Einfluss eines elektrischen Feldes) die Aufklärung verschiedener Wachstumsphasen und war damit ein früher Indikator für ein Nährstoffungleichgewicht sowie eine Wachstumsverzögerung. Darüber hinaus ermöglichte die Analyse der durchschnittlichen Zellgröße ohne Probenvorbereitung mit demselben Gerät auch die Überwachung qualitativer morphologischer Veränderungen während des Wachstums. Diese wurden mit parallel durchgeführten durchflusszytometrischen Analysen verifiziert, welche Kalibrierungsprobleme bei der Gerätvorbereitung offenbarten, die in zukünftigen Experimenten behoben werden sollten. Zweitens wurden pH-Verschiebungen im Bereich von 5.5 bis 8.0 (d. h. pH = +2.0; -0.5) in EinzelkompartimentReaktorkultivierungen induziert, was im schlechtesten Fall zu einem Biomasse-Produktivitätsverlust von 48.5 % führte. Wiederholte pH-Pulse in einem ähnlichen pH-Bereich durch Ammoniakzugabe in den Pfropfenströmungsreaktor während Mehrerekompartiment-Reaktorexperimenten ergaben am Ende eine 20 % geringere Zellkonzentration. Bemerkenswerterweise wurden relevante morphologische Veränderungen unter den verschiedenen Kultivierungsbedingungen festgestellt: längere Kettenlänge unter alkalischen Bedingungen und homogenere Verteilung der Kokkenkettenlänge mit kürzeren Ketten bei niedrigen pH-Werten. Dennoch ergaben fluiddynamische Betrachtungen eines 700 L-Fermenters im Pilotmaßstab, dass die Laborbedingungen in Bezug auf die induzierten pH-Gradienten übertrieben waren: während einer S. thermophilus Fermentation unter optimalen Wachstumsbedingungen wurden nur pH-Pulse bis zu 6.3 festgestellt während der pH-Wert weit entfernt von der Basenzugabezone nie unter 5.8 fiel. Verlängerte Mischzeiten und eine begrenzte Leistungsaufnahme im industriellen Maßstab können jedoch zu einem höheren pH führen, sodass der Einfluss auf die Prozessleistung und die Produktqualität weiter untersucht wurde. Drittens wurde ein Populationsmodell entwickelt, das auf einer mechanistischen Beschreibung typischer Wachstumsmetaboliten (Biomasse-, Laktose-, Milchsäure- und Galaktosekonzentration) basierte und die Entwicklung bestimmter Populationen (1-Coccus, 2-, 3-, 4 und 5 oder mehr Kokkenketten) während S. thermophilus Kultivierungen sowohl unter optimalen Wachstumsbedingungen als auch unter variablen pH-Gradienten vorhersagen konnte. Die Anwendung des ersten Geräts (EloTrace, EloSystems GmbH, Berlin, Deutschland) in der industrielle Produktion von Milchsäurebakterien würde die aktuelle quality by testing Denkweise auf einen quality by design/control Ansatz ändern. Hierbei könnte die Polarisierbarkeit als neues kritisches Qualitätsattribut definiert werden, das innerhalb eines bestimmten Rahmens gehalten werden soll, indem kritische Prozessparameter während der Fermentation angepasst werden. Die in dieser Studie angewandten unterschiedlichen scale down-Konzepte verbesserten das aktuelle Prozessverständnis des Industriepartners und sollten die Berücksichtigung solcher Laborsimulatoren bei der frühen Prozessentwicklung neuer Produkte oder bei der Optimierung bestehender Bioprozesse fördern. Schließlich könnten die in dieser Arbeit entwickelten hydrodynamischen- und Populationsmodelle, in Verbindung mit in situ Mikroskopietechnologien zur Bestimmung der Zellgrößenverteilung in Echtzeit, die Implementierung einer modellbasierten Soft-Sensor-Strategie ermöglichen. Schlussendlich könnte damit eine minimale Populationsheterogenität durch die Änderung kritischer Prozessparameter (z.B. der Rührgeschwindigkeit oder des Basenzugabepunkts) sichergestellt werden. | de |
| dc.identifier.uri | https://depositonce.tu-berlin.de/handle/11303/11708 | |
| dc.identifier.uri | http://dx.doi.org/10.14279/depositonce-10600 | |
| dc.language.iso | en | en |
| dc.relation.haspart | 10.14279/depositonce-7835 | en |
| dc.rights.uri | http://rightsstatements.org/vocab/InC/1.0/ | en |
| dc.subject.ddc | 629 Andere Fachrichtungen der Ingenieurwissenschaften | de |
| dc.subject.other | process analytical technology | en |
| dc.subject.other | scale down | en |
| dc.subject.other | population balance modeling | en |
| dc.subject.other | probiotics | en |
| dc.subject.other | cell size distribution | en |
| dc.subject.other | Prozessanalyse-Technik | de |
| dc.subject.other | Scale Down | de |
| dc.subject.other | Populationsbilanz-Modellierung | de |
| dc.subject.other | Probiotika | de |
| dc.subject.other | Zellgrößenverteilung | de |
| dc.title | Cocci chain length distribution as control parameter in scaling lactic acid fermentations | en |
| dc.title.translated | Kokkenkettenlänge-Verteilung als Kontrolleparameter beim Skalieren von Milchsäurebakterien-Fermentationen | de |
| dc.type | Doctoral Thesis | en |
| dc.type.version | acceptedVersion | en |
| tub.accessrights.dnb | domain | en |
| tub.affiliation | Fak. 3 Prozesswissenschaften::Inst. Biotechnologie::FG Bioverfahrenstechnik | de |
| tub.affiliation.faculty | Fak. 3 Prozesswissenschaften | de |
| tub.affiliation.group | FG Bioverfahrenstechnik | de |
| tub.affiliation.institute | Inst. Biotechnologie | de |
| tub.publisher.universityorinstitution | Technische Universität Berlin | en |